Dec 19, 2025

RFC: 기록 유산을 "연산 가능한 인프라"로

Milhan Kim

한반도 역사 인구를 대상으로 족보·유전체·문헌을 결합하는 확률적 계보 DAG 인프라 제안

본 RFC는 한반도 역사 인구의 계보 자료를 PII 없이 통합해, 족보·문헌·유전체를 교차검증 가능한 확률 그래프로 다룰 수 있는지 검토하는 인프라 설계 제안입니다.

요약

한국은 다음 조건을 거의 동시에 갖고 있습니다.

왕조를 관통하는 기록 문화(실록·승정원일기·향안·호적·족보 등)와 현대 행정 DB의 연속성
성씨·본관·항렬 같은 자연스러운 계보 인덱스 키
대규모 디지털 전환(OCR/아카이브/전자족보)
한국인 유전체 레퍼런스 및 샘플 증가
수백 GB~수 TB RAM, GPU, 그래프 연산 스택의 성숙

이 RFC의 목표는 이름·주민번호·주소 등 PII(개인식별정보, Personally Identifiable Information)¹ 없이도 부모–자식 관계와 성씨·본관 중심 힌트로 수억 노드, $10^9$ 급 엣지를 갖는 계보 DAG(방향 비순환 그래프, Directed Acyclic Graph)²를 구성하고, 이를 “정답 트리”가 아니라 증거가 누적될수록 확률이 갱신되는 링크 모델로 운영하는 데 있습니다(부록 자: 확률론적 역사학).

배경과 문제 정의

왜 지금까지 “안 섞였는가”

현실은 기이할 정도로 단순합니다. 재료는 많지만 JOIN(엮는 연산)이 없습니다.

국가기관: 스캔·보존·검색 중심(도서관 모델), “연산 가능한 그래프”까지는 범위 밖
문중·민간: 문중 단위 전자족보는 있으나 포맷 파편화, 문중 간 링크(혼맥/동일인) 통합은 부재
글로벌 서비스: 서구권 스키마 중심으로 한국 고유 맥락(본관·항렬·양자·서얼 등)을 충분히 못 담음

그리고 세 가지 공학적 장애가 누적되었습니다.

공통 Primary Key 부재(동명이인, 시대·지역 힌트가 필요)
Alias Hell(아명·자·호·시호 등 이름 다형성)
Data Quality 비대칭(실록은 고신뢰, 족보는 노이즈 가능성이 큼)

여기에 학제 간 간극이 겹칩니다.

역사학: “틀린 링크 1개”의 비용이 매우 큼(확률적 접근에 대한 거부감)
공학: 한자·고문서·족보 관행이 “귀찮고 비표준”으로 보임
거버넌스: 현대 데이터와 접점이 생길 때 법·윤리 리스크가 커져, 투자 동기가 약해짐

개인적 동기(짧게)

이 RFC는 특정 개인의 조상을 확정하려는 문서가 아닙니다. 다만 이 문제를 단일 연구가 아니라 인프라 수준의 설계 과제로 보게 된 계기에는 개인적 관찰도 포함됩니다.

저와 아내의 계보가 만나는 지점은 기록적 연속성(문헌/족보)과 혈연적 연속성(생물학)이 항상 같은 방식으로 유지되지 않는다는 사실을 잘 보여줍니다. 설명 편의를 위해 가정하면, 한쪽은 편입 이후 약 30대 전후에서 기록이 안정화되는 패턴을 보이고, 다른 한쪽은 70대 이상 이어지는 깊은 기록 관행을 보입니다. 이 차이는 “혈연=기록”이라는 단순한 전제를 버리고, 다층 증거를 확률적으로 결합하는 시스템이 필요하다는 점을 드러냅니다(자세한 내용은 후반부 개인적 동기).

목표와 비목표

본 RFC는 RFC 2119 스타일의 규범 용어(MUST/SHOULD/MAY)를 사용합니다.³

목표

MUST: PII 없이도 **계보 그래프의 구조(부모–자식, 혼맥, 세대 힌트)**를 구성할 수 있어야 합니다.
MUST: 링크는 예/아니오가 아니라 **확률(엣지 confidence)**로 표현되어야 합니다.
MUST: 그래프는 전역적으로 DAG 제약(시간 역설 방지)을 만족해야 합니다.
SHOULD: 단일 고가용성 분산 시스템보다, 단일 빅메모리 노드에서의 in-memory 실험을 1차 목표로 둡니다.
SHOULD: 문헌(실록/승정원일기), 족보, 행정 기록, 유전체를 서로의 교차검증 레이어로 결합합니다.
MAY: 생물학적 혈연 확률과 사회적 계보(양자·입적 등) 확률을 분리 저장합니다.

비목표(“무엇을 하지 않을 것인가”)

MUST NOT: 개인 재식별을 시도하지 않습니다.
MUST NOT: 개인 단위 유전체를 계보 DAG에 “직접 매핑한 서비스”를 만들지 않습니다.
MUST NOT: 특정 집단을 낙인찍거나 서열화하는 분석을 제공하지 않습니다.
MUST: 공개 산출물은 집계 통계, 구조적 패턴, 합성 데이터(synthetic data)⁴ 중심이어야 합니다.

핵심 관점: “확률론적 역사학”으로의 전환

본 시스템은 “과거의 고정된 사실 집합”을 만드는 것이 아니라,
증거가 추가될수록 posterior(사후확률)⁵가 갱신되는 모델을 운영합니다.

링크 가설 $H$ : “기록 A의 인물과 기록 B의 인물이 동일인이다.”
증거 $E$ : 시대·지역·관직·혼맥 구조·유전체 정합성 등
목표: $P(H | E)$ 가 자료 누적으로 0.1 → 0.6 → 0.99로 수렴

이 관점의 전체 선언은 부록 자: 확률론적 역사학에 정의합니다.

한국이 테스트베드가 되는 이유

반-폐쇄 인구계(Semi-Closed Population)⁶

한반도는 장기간 동일 지리 경계 내에서 내부 상호작용이 조밀했고,
외부 유입이 “0”은 아니지만 상대적으로 제한된 시기가 길었습니다.
이것은 계보·유전체·문헌의 상호 제약을 걸기 유리합니다.

다층 기록(Multi-layered Records)

Tier 1: 국가 기록(실록/승정원일기), 높은 시간 좌표, 고신뢰
Tier 2: 문중 족보, 혈연·혼맥 구조, 중간 신뢰
Tier 3: 문집·야사·설화 등, 낮은 신뢰이나 맥락 신호가 풍부
Tier 4: 유전체, 생물학적 제약(검증 레이어)
Tier 5: 성씨·본관·지명·항렬, 약한 신호지만 광범위 분포

디지털 전환(Digital Turn)

이미지 스캔과 OCR이 “충분조건”은 아니지만, “필요조건”을 충족합니다.
이제 병목은 보존이 아니라 구조화 및 링크 추론입니다.

제안 시스템 개요

시스템 다이어그램(전체 파이프라인)

Git 비유(브랜치, 머지, 충돌)

각 문중 족보는 브랜치입니다.
국가 기록(실록 등)은 상대적으로 “메인 브랜치”에 가깝습니다.
머지 과정에서 충돌은 삭제가 아니라 확률로 보관되는 claim(주장) 입니다.

데이터 모델(스키마)

최소 노드 스키마(PII 제거 후)

type node_id = int # uuid7

class PersonNode:
  person_id: node_id

  # parent pointers (in-DAG constraints)
  father_id: node_id
  mother_id: node_id

  # weak but wide signals
  family_name_code: int # 성씨 -> 정수 매핑
  bongwan_code: int # 본관 -> 정수 매핑

  # coarse hints (optional)
  generationHint: int | None # // 상대 세대 힌트
  regionCluster: int | None # 대략적 지역 클러스터
  birthCentury: int | None # 세기 단위 시간 앵커(가능 시)

  # provenance / trust
  flags: int #// inferred/verified/conflict 등 bitfield

엣지 스키마(확률 및 출처)

class Edge:
  from_id: node_id # child
  to_id: node_id # parent (father or mother)

  # probability
  confidence: float # float32, 0.0~1.0

  # provenance / semantics
  source: str # jokbo | state | registry | genomic | inferred
  edge_type: str # bio_parent | social_parent | spouse | claim_only

bio_parent는 생물학적 연결(추정)을,
social_parent는 양자·입적 등 사회적 계보 연결을,
claim_only는 모순 가능성이 큰 “주장 보관”을 표현합니다.

규모 추정과 실행 가능성

노드·엣지 규모(거친 산술)

세대를 대략 $25$ 년으로 보면 $70$ ~ $80$ 세대 범위를 상정할 수 있습니다.
2000년 누적 인구는 매우 거칠게 잡아도 $3\times 10^8$ ~ $4\times 10^8$ 노드 오더가 가능합니다.

$N_{\text{nodes}} \approx 3\times 10^8$
부모 엣지를 평균 2개로 보면 $N_{\text{edges}} \approx 6\times 10^8$ (부모–자식만)
혼맥·메타 엣지까지 포함하면 $10^9$ 급 상정이 자연스럽습니다.

빅메모리 단일 노드에서의 메모리 감

CSR(Compressed Sparse Row, 희소 그래프 압축 표현)⁷ 기반을 가정하면,
순수 구조 메모리는 의외로 작게 시작할 수 있습니다.

오프셋 배열: $N_{\text{nodes}} \times 8\text{B}$
엣지 배열: $N_{\text{edges}} \times 8\text{B}$ (int32 2개)
라벨/메타데이터: Dictionary Encoding(사전 인코딩)⁸으로 압축

운영 오버헤드(양방향 저장, 인덱스, 캐시, 통계 배열, 임베딩 등)를 포함해도
$200GB$ ~ $400GB$ 면 실험이 가능하고, $512GB$ ~ $2TB$ 면 GNN(그래프 신경망, Graph Neural Network)⁹ 학습·시뮬레이션까지 현실화됩니다.

추론과 검증 방법

LLM 기반 구조화(Extraction)

문헌·족보 문장을 (주어, 술어, 목적어) 트리플 형태로 추출합니다.

예: “○○는 △△의 장남이다. 김해김씨, ○○공의 15세손이다.”
산출: has_father, generation_hint, bongwan 등

여기서 LLM은 “정답을 결정”하기보다,
**후속 링크 추론을 위한 특징(feature)과 후보(candidate)**를 생산하는 역할을 맡습니다.

확률적 링크(Probabilistic Linking)

Exact match 대신 다음을 결합합니다.

벡터 유사도(임베딩, Vector Search)¹⁰
제약 조건(시대·지역·관직·세대 간격 통계)
그래프 구조 일관성(부모–자식 시간 역설, 중복 존재 등)

결과는 트리가 아니라 가중치가 붙은 DAG입니다.

전역 일관성 검사(Global Consistency)

그래프 전체를 in-memory로 올려 모순을 탐지합니다.

시간 역설: “자식이 부모보다 먼저 태어남”
공간 역설: “동일 인물이 동시에 상충 지역에 존재”
생물학적 상한: 세대당 자녀 수의 비현실적 폭증(이상치 탐지)

모순이 나오면 엣지를 삭제하기보다, 원칙적으로는 확률 감소 + conflict 마킹을 우선합니다.

HITL(Human-in-the-Loop, 사람-기계 협업)¹¹

모델이 애매한 구간(예: $0.4 < P < 0.6$ )은 사람이 교정합니다.

전문가(역사학·문헌학·계보학)와 커뮤니티(문중·연구자)의 역할을 분리
교정은 단일 링크만이 아니라 유사 패턴 전체로 전파될 수 있어야 합니다.

“실패 데이터”의 1급 가치(Pruned Branches)

족보는 성공한 사람만 기록하지 않습니다.
무후(자손 없이 단절)·조졸(이른 사망) 등 “끊긴 가지”는
역사적 리스크(전쟁·전염병·기근)의 가장 정직한 로그가 됩니다.

ML 관점: Positive만 학습하면 과적합(overfitting)¹²이 심해집니다.
계보 관점: outdegree $0$ 노드의 시공간 분포는 리스크 지도를 제공합니다.

“양자/입양”을 Hotfix로 보는 모델

한국 계보의 특이점 중 하나는,
생물학적 단절을 사회적 합의로 “복구”하는 제도가 두드러진다는 점입니다.

종가 단절 위험 시 방계에서 양자를 들여오는 행위는,
Git 관점에서 cherry-pick(체리픽)¹³과 유사합니다.
따라서 시스템은 bio_parent와 social_parent를 분리하고,
생물학적 정합성과 사회적 정체성(문중 활동/제사/기록 지속)의 확률을 따로 다루는 편이 안전합니다.

시대별 해상도(Variable Resolution) 처리

동일한 스키마로 2000년을 “균일 해상도”로 다루기 어렵습니다.
따라서 시대별로 관측 가능한 필드의 밀도가 다르다는 것을 전제로 합니다.

현대~조선(최근 30~40세대): 고빈도 로그, 검증 가능성 높음, 그래프 밀도 높음
고려(중간 15~20세대): 키프레임 중심, 주변 노드 누락 많음, 희소 그래프
삼국~가야(초기 10~15세대): 전설·상징성 증가, 대동맥(backbone) 중심

이 구조는 “스키마 유연성”이 아니라 “데이터 물리학”에 가깝습니다.

활용 가치: 단일 연구가 아니라 공통 인프라

인류학·고대사

집단 혼합의 장기 패턴(북방/남방/해양 등)은 서사보다 구조로 검증 가능
“단일민족” 서사를, 장기 혼합과 안정화의 모델로 정교화할 여지가 생김

인구유전학·보건

문중·지역 단위의 집계 기반 질환 클러스터 탐지
founder effect(창시자 효과)¹⁴ 패턴의 구조적 관찰
단, 윤리 장벽이 매우 높으므로 “집계+합성 데이터” 우선이 바람직합니다.

사회과학

세대 간 이동성: transition matrix가 아니라 path traversal이 됨
혼인 규범(동성동본 금혼, 혼인 거리, 계층 간 혼인)의 구조적 흔적 분석
전쟁·정책 충격이 네트워크를 어떻게 재편하는지(숙청, 이주, 도시화 등)

경제학(이동성, 경로의존, 반사실)

부모–자식 엣지를 직접 관측할 수 없는 기존 경제사 연구의 결핍을 부분적으로 보완
Gregory Clark의 surname persistence, Piketty 계열 상속 모델, 소규모 패널 기반 mobility 연구를
“전수 그래프 기반 탐색”으로 확장할 수 있음

AI·그래프 과학

수억 노드 ancestry DAG는 GNN·링크예측·클러스터링의 상위 벤치마크
노이즈 데이터에서 구조 복원은 현실의 “깨진 데이터 복원” 문제를 압축한 테스트베드
장기 의존(long-horizon) 구조를 갖는 그래프이므로, 인과/전파 모델 연구에도 흥미로운 장이 됨
의미 있는 인구 합성 데이터 생성 가능

시뮬레이션 및 정책

MARL(다중 에이전트 강화학습, Multi-Agent Reinforcement Learning)¹⁵ 기반 문명 시뮬레이터로 확장 가능
재난·정책 충격에 대한 회복탄력성 모델링(역사적 리셋 이벤트 포함)

비교 사례와 “한국의 치트코드”

대표 비교 사례

아이슬란드 Íslendingabók: 전 국민 규모(수십만) + 1200년, 닫힌 계에 가까움, 규모가 작아 “사람 검증”이 가능했던 편
2018년 Science “계열 대규모 가계도(온라인 프로필 기반)”: 규모는 크지만 데이터 품질이 불균일(UGC 노이즈. 예: 나도 나폴레옹의 후손이다)

한국이 유리한 조건

본관은 강력한 파티션 키(샤딩과 후보 축소에 유리)
Top-down(국가기록) + Bottom-up(족보/호적) 교차검증 레이어
기록의 연속성과 디지털 전환의 결합

거버넌스: “헌법적 제약”을 설계에 내장

공개/운영 단계에서 다음을 시스템 제약으로 넣어야 합니다.

해시 기반 ID, 민감 필드 제거, 위험도 기반 액세스 통제
노이즈 추가 및 집계 단위 제한(문중·지역·세대 블록)
외부 공개는 “요약 통계/패턴/합성 데이터” 중심
유전체는 직접 신원 매핑 금지, 정합성 검증 레이어로만 사용(부록 다: 유전체 정합성 규칙)

구현 단계(Phase) 제안

Phase 0: 정의와 최소 실험

최소 스키마 확정(부록 나: 정식 스키마 초안)
소규모 문중 DAG + 소규모 국가기록 샘플로 end-to-end 통과

Phase 1: 대규모 In-Memory Prototype

Arrow(컬럼 기반 메모리 포맷)¹⁶ + CSR 기반 그래프 덤프
시간 역설/중복 탐지, 간단한 링크예측 루프

Phase 2: HITL 인터페이스와 학습 루프

애매 구간 샘플링, 교정 데이터 축적, 성능 추적

Phase 3: 안전한 공개 산출물

집계 통계, 구조적 패턴, 합성 데이터 릴리즈
연구자용 쿼리 라이브러리(부록 라: 쿼리 초안) 제공

열린 문제와 리스크

동명이인 폭발 구간에서 링크 폭주를 어떻게 제어할지(후보 컷·제약 강화)
시대별 해상도 차이를 “모델이 오해하지 않게” 만드는 방법(결측의 의미 모델링)
문중/기관 데이터 접근성과 표준화(포맷 통일, 계약, 라이선스)
법·윤리: 현대 행정 데이터의 PII 제거 게이트를 어떻게 독립적으로 감사할지
정치적 오남용 리스크: 분석 단위·출력 형식의 강한 제한이 필수

결론

이 RFC의 핵심 제안은 “완결된 역사 서사”를 쓰자는 것이 아니라, 가능한 한 큰 구조를 먼저 만들고 불확실성을 삭제하지 않은 채 구조화된 상태로 보존하자는 데 있습니다. 즉, 증거가 늘어날수록 링크 확률과 그래프 구조가 갱신되는 연구 인프라를 만들자는 제안입니다.

한국은 이 접근을 실험 가능한 프로그램으로 바꾸기에 드문 조건을 동시에 갖추고 있습니다. 기록 자산이 풍부하고, 디지털화가 상당 부분 진행되었으며, 그래프 연산·확률 추론·LLM 기반 구조화 도구도 이미 실용 단계에 진입했습니다. 남은 과제는 데이터의 존재 여부보다, 서로 다른 증거 층위를 안전하게 결합하는 설계와 거버넌스입니다.

부록 가. Evidence Base(근거 범주) 및 PRISMA 스코핑 리뷰: 기존 연구는 어디까지 와 있을까

여기서 한 번 멈추고, “이미 누가 해봤는가?”를 PRISMA 틀로 정리합니다.
완전한 DB 기반 체계적 문헌고찰(예: Scopus 전체 크롤링)이 아니라, 공개 웹에서 접근 가능한 학술 출판사 페이지, PubMed, 기관 보고서/PDF, 학술 아카이브(arXiv), 프로젝트 페이지를 대상으로 한 스코핑 리뷰입니다. PRISMA는 보고 지침이므로 체크리스트를 따라 검색·선별 과정을 투명하게 기록합니다.¹⁷

검색 전략

검색 시점: 2025-12-15
지역: 한국 중심, 비교 대상으로 일본(가족등록), 중국(족보) 포함
문서 유형: 학술 논문 + 기관 발행물(도서관/연구소/정부/프로젝트 문서)
키워드 묶음(예시):
- jokbo, 족보, Korean genealogy, family register Korea
- koseki, Japanese family registry, 戸籍
- jiapu, zupu, Chinese genealogies
- digitization, OCR, knowledge graph, family tree graph, DAG
- population-scale family trees, genetic genealogy, identity inference

포함/제외 기준(요약)

포함:

족보·가족등록 자료를 데이터로 다루는 연구(디지털화, 구조화, 통계/네트워크 분석, 모델링)
계보 데이터와 **유전체/유전역학/개인식별(윤리 포함)**을 연결하는 연구
한국 자료를 직접 다루거나, 한국과 비교 가능한 “기록 기반 계보 체계”를 다루는 연구

제외:

개인 가계도 작성 가이드(방법론 기여가 없는 경우)
데이터/방법론이 없는 서술적 소개만 있는 글
링크로 검증 가능한 서지가 없는 2차 요약물(필요 시 배경 참고로만 사용)

PRISMA 흐름(스코핑)

아래 수치는 “공개 웹에서 확인 가능한 범위”를 기준으로 한 스코핑 결과입니다.
정밀한 PRISMA를 하려면 데이터베이스 별 API/접근권이 필요하지만, 이 단계에서는 “지형을 그리는 것”이 목적입니다.

스코핑 결과: “이미 있는 것”과 “아직 없는 것”

이미 있는 것 1: 한국 족보의 대규모 디지털화 시도

인제대학교 ‘Genealogy Library’는 2007년부터 족보를 디지털화해 온라인 열람 체계를 운영해왔습니다.¹⁸¹⁹
FamilySearch는 한국 족보(Compiled Genealogies)를 포함한 컬렉션/가이드를 공개합니다.²⁰

요점: 한국의 족보는 이미 상당량이 디지털로 ‘존재’합니다.
문제는 “존재”와 “그래프화” 사이에 여전히 긴 거리가 있다는 점입니다.

이미 있는 것 2: 족보를 데이터로 다루는 정량 연구(한국)

한국 족보가 “자연과학/네트워크 과학의 데이터”가 된 사례가 이미 있습니다.

족보의 혼인 기록을 이용해 750년 규모의 이동 패턴을 추정한 연구(Phys. Rev. X)가 있습니다.²¹
족보에서 여성 혼인(혼인 플럭스)을 통해 지역 이동을 추정하는 접근은, “역사적 이동 데이터가 희소한 영역”에서 특히 강력합니다.²¹
족보의 여성 성씨 기록을 이용해 “과거 수백 년의 성씨 분포”를 추정한 연구도 있습니다.²²

요점: ‘족보는 계보+사회 네트워크+인구 이동 데이터’가 될 수 있다는 전례가 이미 존재합니다.

이미 있는 것 3: 역사학·사회과학에서의 족보 활용(한국)

조선 엘리트 가문의 ‘계보 미시데이터’를 구성해 다세대 전략을 분석한 연구가 있습니다.²³
족보를 통해 조선 초기 엘리트 혼인 네트워크(사회적 동질혼, 권력 결속)를 분석한 연구도 확인됩니다.²⁴
한편, 족보가 “조상을 발명하는 장치”로도 작동했음을 다루는 최신 연구(족보의 정치성/구성성)를 통해, 신뢰도를 다루는 프레임 자체가 이미 학계에 존재합니다.²⁵

요점: “족보는 믿을 수 있나?”는 질문은 중요하지만, 더 정확한 질문은 다음입니다.
어느 층위가 신뢰할 만하며, 어떤 교차검증 축으로 보정할 수 있는가?

이미 있는 것 4: 디지털 휴머니티즈 인프라(한국)

Ajou Interdisciplinary Research Group(AIRG)은 한국의 전근대 자료(호적, 족보, 과거 급제 등)를 지속 수집·정리하고, 네트워크 시각화까지 포함한 연구를 수행합니다.²⁶

요점: “문헌을 구조화해 네트워크로 본다”는 시도는 이미 진행 중입니다.
전 국민 DAG로 확장하는 것은 스케일과 결합(merge)의 문제입니다.

비교 가능한 선행 사례 1: ‘거대 가족 그래프’의 전례(서구)

공개 계보 프로필을 기반으로 수백만~천만 단위의 가족 그래프를 구축해 분석한 Science 논문이 있습니다.²⁷
유전체 데이터의 “장거리 친족 검색”으로 개인 식별 가능성이 급격히 증가했음을 보여준 Science 논문도 있습니다.²⁸

요점: 거대 계보 그래프는 이미 실험된 바 있고, 동시에 윤리·프라이버시 리스크도 명확합니다.

비교 가능한 선행 사례 2: UPDB 같은 ‘계보+의료’ 링크드 데이터(미국)

Utah Population Database(UPDB)는 다세대 계보를 의료·사망·암등록 등과 연결하는 대표적 인프라입니다.²⁹³⁰
UPDB를 활용한 연구들은 “계보 기반 친족성 지표(GIF 등)”를 질병 위험 분석에 사용합니다.³¹

요점: “계보 그래프를 공공 연구 인프라로 운영한다”는 운영 모델이 존재합니다.

비교 가능한 선행 사례 3: 중국 족보(家谱)의 데이터화와 디지털 플랫폼

중국 족보를 경제·인구 연구 자료로 보는 정리 논문(문화·편향·가능성)이 있습니다.³²
Shanghai Library는 족보 자료를 linked data 기반으로 서비스하는 플랫폼을 구축한 연구가 있습니다.³³
FamilySearch 기반 중국 족보를 ‘역사 인구학 microdata’로 정리하려는 최신 워킹페이퍼도 확인됩니다.³⁴

요점: 중국은 기록이 방대하지만, 20세기의 단절이 커서 “한국식 연속성”과는 다른 문제를 가집니다.

비교 가능한 선행 사례 4: 일본의 koseki

일본은 한국과 달리 국가 단위 가족등록(koseki) 체계가 강합니다.
하지만 연구 데이터로의 개방은 강한 제약을 받습니다.

일본 변호사협회는 ‘동일성씨 강제(민법 750조)’에 대한 개정 촉구 성명을 공식적으로 발표했습니다.³⁵
koseki와 시민권/등록주의를 다루는 학술적 논문도 존재합니다.³⁶
koseki가 “가구 단위 등록”이라는 점이 법·사회 구조에 영향을 주는 해설도 있습니다.³⁷

요점: 일본은 “데이터가 국가에 있다”는 장점이 있으나, 접근성과 재사용성 측면에서는 한국과 다른 난제를 갖습니다.

결론: 아직 없는 것

스코핑 리뷰를 한 문장으로 줄이면 이렇습니다.

한국에는 족보와 문헌이 있고, 디지털화도 상당히 진행되어 있으며, 족보를 데이터로 다룬 정량 연구도 이미 있습니다.
그러나 한반도 전체(남북 포함)를 포괄하는 익명화 계보 DAG를 ‘공공 데이터 인프라’로 구축해, 문헌·유전체·사회 데이터까지 교차검증 가능한 형태로 통합한 전례는 찾기 어렵습니다.

즉, 공백은 “데이터 없음”이 아니라 통합 구조(merge) 없음입니다.

당장 대화할 만한 연구자·기관의 좌표

“누구와 이야기해야 하는가?”

한국 측 디지털 족보/아카이브: Inje Genealogy Library, FamilySearch, AIRG(Ajou) 등¹⁸²⁰²⁶
한국 족보를 정량 데이터로 다룬 연구: Phys. Rev. X(혼인 기반 이동), 성씨 분포 연구 등²¹²²
조선 사회사·가족사: Lee(2019), Hong·Lee·Yoo(2021) 등²³²⁴
해외의 ‘거대 계보 그래프’ 전례: Kaplanis et al.(Science 2018)²⁷
프라이버시 경고등(유전체-계보 연결): Erlich et al.(Science 2018)²⁸
“계보+의료” 운영 모델: UPDB²⁹³⁰

부록 나. Formal Schema(정식 스키마) 초안

type node_id = int # uint64(hash(person features))

class Node:
  id: node_id

  # coarse-grain temporal anchor
  birth_century: int | None

  # weak but wide signals
  surname_code: int | None # 김/이/박/최 …
  bon_gwan_code: int | None # 본관 ID
  region_cluster: int | None # 거주 지역의 coarse-grain

  # provenance / trust
  flags: int # inferred / verified / probabilistic / conflict bitfield

class Edge:
  from_id: node_id
  to_id: node_id
  confidence: float # float32, 0.0~1.0
  source: str # jokbo | state | registry | genomic | inferred
  edge_type: str # bio_parent | social_parent | spouse | claim_only

그래프 제약:

DAG 제약: 시간 축이 있으므로 cycle 불가
Bi-parent: indegree(node) ≤ 2 (부모 포인터 기준)
Merge: 혼인은 두 부모 포인터가 새 노드를 형성하는 이벤트
Genomic conflict: 유전체 정합성 위반 시 soft-conflict로 표시(부록 다: 유전체 정합성 규칙)

부록 다. Genomic Consistency(유전체 정합성) 규칙

유전체 레이어는 “직접 신원 매핑”이 아니라,
확률적 정합성 검증에만 사용합니다.

mtDNA / Y-DNA 제약(모계/부계 하플로그룹)

if haplogroup_distance(node, parent) > H:
    edge.confidence *= decay_factor

H: 세대 대비 가능한 최대 변이 거리(도메인 지식 필요)
decay_factor: 입양·문중 합류 등 사회적 사건 가능성을 반영(엣지 삭제가 아니라 감쇠)

Autosomal 정합성(상염색체)

compatibility = f(IBD_segments, shared_roots, region_cluster)

if compatibility < τ:
    mark_as_conflict(edge)

IBD(Identical by Descent, 조상 공유 구간)³⁸ 기반 일치도 등은 집계·익명화 범위에서만 사용합니다.

부록 라. Query Library Draft(쿼리 초안)

이동성 탐색

SELECT generation_distance(node, elite_cluster)
FROM lineage_graph
WHERE socioeconomic_class(node_0) = bottom_10pct

충격 이후 회복탄력성

survival_rate(cluster, era) =
    |nodes_alive_after(era)| / |nodes_before(era)|

correlate(
    survival_rate,
    degree_centrality(cluster),
    assortative_mixing(cluster)
)

계보 팽창 이상치(Inflation)

flag_if:
    children_count(node, generation=g) > biological_max(g)

flag_if:
    external_inflow_rate(clan, t) >> moving_average(t-10:t+10)

생존자 편향 제거(끊긴 가지 분석)

pruned_branches = { n | outdegree(n) = 0 }
analyze_distribution(pruned_branches, by=region_cluster)

부록 마. Economic Perspective(경제학 관점)

경제학은 “무엇이 지속되고 무엇이 변하는가”를 묻습니다.
기존 연구는 실제 부모–자식 엣지를 직접 보지 못해 추정에 의존해 왔습니다.

이동성 연구: aggregate transition matrix 중심
제안 모델: mobility를 경로(path) 탐색으로 다룸
반사실(counterfactual) 시뮬레이션: 충격 이벤트가 가지 분포를 어떻게 바꾸는지 구조로 관찰

부록 바. Sociological Perspective(사회학 관점)

사회학은 인간을 네트워크로 봅니다. 문제는 네트워크를 “실제”로 본 적이 거의 없다는 점입니다.

Embeddedness(내재성)³⁹: 혼맥·문중 연결이 사회적 자본과 어떻게 결합되는지
Granovetter(약한 연결)⁴⁰류의 이론을 혼맥 네트워크에 접합
Inequality as Network Shape: 불평등을 값이 아니라 형태(가지 수, pruning rate, 중심성 분포)로 표현

부록 사. Historical Perspective(역사학 관점)

실록/승정원일기: 국가 수준의 event log
족보: 문중 단위 branch log
호적/행정: node anchoring(노드 고정점)

이 세 레이어는 서로 다른 추상화를 제공하지만,
DAG 상에서 자연스럽게 합쳐집니다(서사가 구조를 따라가게 되는 조건).

부록 아. Philosophical Perspective(철학 관점)

이 프로젝트의 철학적 의미는 “연속성을 어떻게 보존하고 검증할 것인가”라는 질문을 데이터 구조의 문제로 번역한다는 데 있습니다.

기록은 정체성과 책임, 제도적 기억을 보존하는 장치입니다.
개인은 점이지만, 계보는 장기 구조이며 관계의 누적입니다.
기술의 역할은 흩어진 흔적을 하나의 설명 가능한 구조로 다시 묶는 것입니다.

부록 자. Probabilistic Historiography 선언(확률론적 역사학)

역사는 고정된 사실 목록이라기보다, 주어진 시점의 데이터·증거·전문가 판단에 따라 갱신되는 posterior 모델로 다룰 수 있습니다.

Record에서 Model로: 목표는 단순 복원이 아니라 재구성과 갱신입니다.
다층 베이지안 위계: Tier별 신뢰도를 하나의 조건부 그래프에서 결합합니다.
진실은 값이 아니라 분포: 불확실성은 제거 대상이 아니라 모델의 일부입니다.
HITL은 단순 라벨링이 아니라, 확률 공간을 줄여 가는 전문적 검증 행위입니다.

한국은 반-폐쇄 인구계, 다층 기록, 기록 깊이, 디지털 전환이 동시에 존재하기 때문에 이 접근을 실제로 시험하기에 유리한 환경입니다.

부록 차. Historical Philosophy Lineage(역사철학 계보)

Probabilistic Historiography는 기존 역사철학과 단절하려는 시도가 아니라, 그 전통을 계산 가능한 형태로 재구성하려는 제안입니다.

E. H. Carr의 “과거와 현재의 대화”는 posterior update의 관점에서 다시 읽을 수 있습니다.
기호학적 역사학은 기록을 다층 그래프로 해석하는 발판을 제공합니다.
Collingwood의 reenactment는 추론 엔진과 검증 절차의 문제로 옮겨볼 수 있습니다.
Popper의 반증 가능성은 confidence update의 규칙으로 번역될 수 있습니다.

요약하면, 이 접근은 역사를 서사에서 구조로 바꾸자는 주장이 아니라, 서사를 떠받치는 구조를 더 명시적으로 다루자는 제안입니다.

부록 카. 기억의 사건 지평선과 해상도(추가 관찰)

구술로 안정적으로 전승되는 범위는 대략 5대(약 120~150년) 정도로 알려져 있습니다. 그 이후는 기록과 신화가 섞이기 쉬운 구간으로 보는 편이 안전합니다.
따라서 최근 5대는 사진·묘소·증언 등으로 검증 가능한 고해상도 구간, 그 이전은 결측과 불확실성이 커지는 저해상도 구간으로 모델링하는 것이 타당합니다.
시대별 해상도 차이는 데이터 품질의 예외가 아니라, 계보 자료가 본래 지닌 물리적 특성에 가깝습니다.

부록 타. 개인적 동기: 기록성과 혈연성의 분리, 그리고 합류점

이 RFC는 특정 개인의 조상을 확정하려는 문서가 아닙니다. 다만 제가 이 문제를 인프라 수준의 설계 문제로 보게 된 계기에는 개인적 관찰이 있습니다.

저와 아내의 계보가 만나는 지점은, 동아시아 계보사가 오랫동안 기록적 연속성과 혈연적 연속성을 서로 다른 제도 안에서 유지해 왔다는 사실을 잘 보여줍니다.⁴¹ 설명 편의를 위해 가정하면, 한쪽은 편입 이후 약 30대 전후에서 기록이 안정화되는 패턴을 보이고, 다른 한쪽은 70대 이상 이어지는 깊은 기록 관행을 보입니다. 이 차이는 본 RFC의 핵심 논지, 곧 다층 증거 결합과 확률적 링크 운영이 왜 필요한지를 압축해서 설명해 줍니다.

구조적 이유 1: 기록 체계는 혈연과 별도로 지속될 수 있습니다

고려 말~조선 초에는 다양한 경로로 외부 인구가 유입되었고, 일부 가문은 본관·파계 구조 안으로 편입되며 한국식 족보 체계에 들어갑니다.⁴²⁴³⁴⁴ 이 과정에서 부계 계통은 조선식 족보 형식으로 재정리되고, 혼맥이 누적되며, 공동체 차원의 기록 보존 인센티브가 생깁니다.⁴⁵⁴⁶

핵심은 혈연의 기원과 기록의 보존 경로가 일치할 필요가 없다는 점입니다. 기록 체계에 편입된 이후의 안정성은 생물학적 기원과 별개의 제도적 속성입니다.

구조적 이유 2: 상이한 기록 깊이의 합류는 모델 요구사항을 드러냅니다

한쪽이 약 30대, 다른 한쪽이 70대 이상의 기록 깊이를 보인다는 가정은, 계보 데이터가 본질적으로 비균질하다는 점을 보여줍니다. 또한 대륙 권역에서는 전쟁, 대규모 사회 변동, 문서 체계 재편 등으로 장기 기록이 단절될 위험이 상대적으로 컸다는 점도 함께 고려해야 합니다.⁴⁷

따라서 중요한 질문은 “어느 쪽이 진짜인가”가 아니라, 혈연성(생물학)과 기록성(문헌·족보)이 서로 다른 저장소에 남을 수 있다는 조건 아래에서 어떤 증거 결합 모델이 필요한가입니다.

결론: 이 사례는 개인 서사가 아니라 설계 제약을 보여줍니다

이 사례가 중요한 이유는 개인적 특수성 때문이 아니라, 시스템 요구사항을 명확히 드러내기 때문입니다. 혈연과 기록이 완전히 일치하지 않을 수 있다는 점, 시대별 해상도가 다르다는 점, 그리고 다층 증거를 확률로 결합해야 한다는 점이 동시에 나타나기 때문입니다.

용어 각주

PII: 개인을 직접 식별하거나 식별 가능하게 만드는 정보입니다(예: 주민번호, 정확한 주소, 상세 생년월일 조합 등). ↩
DAG: 방향성이 있고 순환이 없는 그래프입니다. 계보는 시간 축이 있어 cycle이 원칙적으로 불가능하다는 점을 이용합니다. ↩
RFC 2119: MUST/SHOULD/MAY 같은 규범 용어를 정의하는 표준 문서 관행을 의미합니다. ↩
Synthetic data: 실제 개인을 포함하지 않으면서 통계적 성질을 보존하도록 생성한 데이터입니다. ↩
Bayesian update: 사전확률(prior)을 증거로 갱신해 사후확률(posterior)을 얻는 추론 방식입니다. ↩
Semi-Closed Population: 완전 고립은 아니지만 장기간 내부 상호작용이 조밀해 구조적 제약을 걸기 쉬운 인구계입니다. ↩
CSR: 희소 행렬/그래프를 압축 저장하는 대표 형식입니다(오프셋 배열 + 인접 배열). ↩
Dictionary Encoding: 반복되는 값을 사전 인덱스로 치환해 저장 공간을 줄이는 방식입니다(컬럼 저장에서 흔함). ↩
GNN: 그래프 구조를 입력으로 받아 노드/엣지 임베딩을 학습하는 신경망 계열입니다. ↩
임베딩: 텍스트/객체를 벡터로 표현해 유사도 검색을 가능하게 하는 표현입니다. ↩
HITL: 사람이 모델의 애매한 결정을 교정하고, 그 결과를 다시 학습에 반영하는 루프입니다. ↩
Overfitting: 학습 데이터의 편향에 과도하게 맞춰져 일반화 성능이 떨어지는 현상입니다. ↩
Cherry-pick: Git에서 특정 커밋만 선택적으로 가져오는 작업을 의미합니다(비유적으로 사용). ↩
Founder effect(창시자 효과): 소수 창시자 집단의 특성이 후대 집단에 과대표집되는 현상입니다. ↩
MARL: 다수 에이전트가 상호작용하며 학습하는 강화학습 설정입니다. ↩
Apache Arrow: 컬럼 기반 메모리 포맷으로, 언어 간 zero-copy 교환을 지향합니다. ↩
Page MJ, et al. “The PRISMA 2020 statement: an updated guideline for reporting systematic reviews.” BMJ (2021). https://www.bmj.com/content/372/bmj.n71 and PRISMA site: https://www.prisma-statement.org/prisma-2020-statement ↩
Inje University Genealogy Library (English). https://genealogy.inje.ac.kr/eng/main.htm ↩ ↩²
Pak JS. “Challenges building a genealogy library in Korea.” IFLA (2013) PDF. https://library.ifla.org/219/1/220-pak-en.pdf ↩
FamilySearch Wiki, “South Korea Compiled Genealogies.” https://www.familysearch.org/en/wiki/South_Korea_Compiled_Genealogies ↩ ↩²
Lee SH, et al. “Migration of Populations via Marriages in the Past.” Physical Review X (2014). https://link.aps.org/doi/10.1103/PhysRevX.4.041009 ↩ ↩² ↩³
Hoang Anh Tuan Kiet, Baek SK, Jeong H, Kim BJ. “Korean Family Name Distribution in the Past.” Journal of the Korean Physical Society (2007). https://doi.org/10.3938/jkps.51.1812 (PDF mirror: https://statphys.pknu.ac.kr/jkps51_1812.pdf) ↩ ↩²
Lee S. “Quality over Quantity: A Lineage-Survival Strategy of Elite Families in Premodern Korea.” Social Science History (2019). https://www.cambridge.org/core/journals/social-science-history/article/quality-over-quantity-a-lineagesurvival-strategy-of-elite-families-in-premodern-korea/71AEB4599966D90AC40947C7E26C7729 ↩ ↩²
Hong E, Lee S, Yoo J. “Strengthening the inner circle: the marriage networks of elite families in Joseon Korea.” The History of the Family (2021). https://www.tandfonline.com/doi/abs/10.1080/1081602X.2020.1869056 ↩ ↩²
Kim SJ. “Inventing Ancestors and Limited Empiricism in Chosŏn Korea: A Case of the Kigye Yu Lineage.” Comparative Studies in Society and History (2024). https://www.cambridge.org/core/journals/comparative-studies-in-society-and-history/article/inventing-ancestors-and-limited-empiricism-in-choson-korea-a-case-of-the-kigye-yu-lineage/35B001D1C0174A3EF0658FFEA97BC71A ↩
Paek S, et al. “Building an Archival Database for Visualizing Historical Networks: A Case for Pre-Modern Korea.” Historical Life Course Studies (2022) PDF. https://hlcs.nl/article/download/11718/25852 ↩ ↩²
Kaplanis J, et al. “Quantitative analysis of population-scale family trees with millions of relatives.” Science (2018). https://www.science.org/doi/10.1126/science.aam9309 ↩ ↩²
Erlich Y, et al. “Identity inference of genomic data using long-range familial searches.” Science (2018). https://www.science.org/doi/10.1126/science.aau4832 ↩ ↩²
University of Utah Huntsman Cancer Institute, “Utah Population Database (UPDB).” https://uofuhealth.utah.edu/huntsman/utah-population-database ↩ ↩²
Smith KR, et al. “The Utah Population Database: A Model for Linking Medical and Genealogical Records for Population Health Research.” Historical Life Course Studies (2022). https://hlcs.nl/article/view/11681 ↩ ↩²
Allen-Brady K, et al. “Lobular breast cancer: excess familiality observed in the Utah Population Database.” Cancer Epidemiology, Biomarkers & Prevention (2005) (GIF 사용 예시). https://pubmed.ncbi.nlm.nih.gov/15929077/ ↩
Shiue CH. “A Culture of Kinship: Chinese Genealogies as a Source for Research in Demographic Economics.” Journal of Demographic Economics (2016). https://www.cambridge.org/core/journals/journal-of-demographic-economics/article/culture-of-kinship-chinese-genealogies-as-a-source-for-research-in-demographic-economics/345281E4DB900AFABE3BD81F8D9CED2B ↩
Cuijuan X. “Implementation of a Linked Data-Based Genealogy Knowledge Service Platform (Shanghai Library).” Software Impacts (2018). https://www.sciencedirect.com/science/article/pii/S2543925122000869 ↩
Xue MM. “Crowd-sourced Chinese genealogies as a tool for historical demography.” LSE Economic History Working Paper (2025) PDF. https://www.lse.ac.uk/asset-library/WP385.pdf ↩
Japan Federation of Bar Associations, “Statement Calling to Amend Article 750 of the Civil Code.” (2021). https://www.nichibenren.or.jp/en/document/statements/210625.html ↩
Krogness KJ. “Household registration and Japanese citizenship 戸籍主義…” The Asia-Pacific Journal: Japan Focus (PDF). https://apjjf.org/wp-content/uploads/2023/11/article-385.pdf ↩
Nippon.com, “Reframing the Dual-Surname Debate: Misunderstandings … (koseki와 혼인 등록 구조 설명).” (2024). https://www.nippon.com/en/in-depth/a09902/ ↩
IBD: 조상으로부터 동일 구간을 물려받아 공유하는 유전 구간을 의미합니다. ↩
Embeddedness: 개인/집단의 행위가 사회적 관계망에 깊이 내재되어 있음을 의미하는 사회학 개념입니다. ↩
Granovetter: “약한 연결의 힘”으로 알려진 사회 네트워크 이론의 대표 연구자입니다. ↩
기록적 연속성은 문서·제도·공동체 관행에 의해 유지되며, 혈연적 연속성은 생물학적 계승을 가리킵니다. 동아시아 계보는 이 둘이 항상 일치한다고 가정하기 어렵다는 점에서 흥미롭습니다. ↩
귀화: 외부 출신 집단이 특정 사회의 제도적 구성원으로 편입되는 과정입니다. 여기서는 혈연의 기원과 별개로, 기록 체계의 편입이 일어나는 점이 중요합니다. ↩
본관: 성씨 내부에서 계통을 구분하는 지리·기원 기반 식별 체계로, 계보 파티션 키로도 해석될 수 있습니다. ↩
파계: 문중 내부의 계통 분화 단위로, 족보 기록의 구조적 샤딩 단위로도 해석 가능합니다. ↩
혼맥: 혼인을 통해 연결되는 가문 간 네트워크를 의미합니다. ↩
향촌 공동체: 지역 기반 공동체가 장기간 기록 보존의 주체가 되는 현상을 포괄적으로 지칭합니다. ↩
대규모 사회 변동: 전쟁, 강제 이주, 문서 체계 재편, 정책적 파기 등 기록 생존에 불리한 사건들을 말합니다. 이 문단은 “개별 국가의 단정”이 아니라, 기록 보존의 일반 위험 요인을 설명하는 용도로 사용합니다. ↩