비슷한 글자가 남아 있는 점토판 조각 두 개가 한 물건의 일부일까. 같은 내용을 베껴 쓴 다른 판일 수도 있고, 같은 판에 속하더라도 깨진 면끼리 맞닿지 않을 수도 있다. 의학 문헌과 관련된 점토판 후보를 정렬하면서, 이 차이를 점수 하나로 판단하기 어렵다는 사실을 후보에 딸린 주석에서 확인했다.
eBL/Nineveh 자료를 다룬 이 작업에는 75개 후보쌍을 담은 목록이 남아 있다. 그중 앞쪽 20쌍의 기존 주석을 펼쳐 보니, 이미 알려진 관계와 비연속적 연결에 대한 설명이 들어 있었다. 새 접합을 찾는 데 쓸 목록이라면, 높은 점수뿐 아니라 그 조각에 대해 앞서 무엇이 알려져 있는지도 함께 읽어야 했다.
어떤 비슷함을 점수로 만들었나
후보표에는 문자 전사의 유사도와 물체 치수의 차이가 따로 들어 있다. 문자 전사는 쐐기문자로 적힌 내용을 일정한 표기로 옮긴 자료다. 전체 문자 구성이 얼마나 비슷한지, 두 조각에서 함께 나타나는 기호가 얼마나 되는지, 가장 비슷한 한 줄이 얼마나 겹치는지를 서로 다른 값으로 기록했다.
전체 전사의 비교에는 TF-IDF 유사도가, 기호 집합과 줄 단위 비교에는 Jaccard 유사도가 쓰였다. 전자는 자주 나타나는 기호의 비중을 조정한 비교이고, 후자는 두 집합을 합쳤을 때 공통 원소가 차지하는 비율이다. 한 줄에서 겹침이 높더라도 전체 글의 유사도는 낮을 수 있어, 같은 종류의 숫자로 취급할 수 없다.
실제로 한 후보쌍에는 가장 비슷한 줄의 Jaccard 값이 1.0인데 전체 전사의 TF-IDF 유사도는 약 0.097로 남아 있었다. 같은 행의 모델 점수는 약 0.866이었다. 세 값은 각각 줄의 기호 겹침, 전체 전사의 유사성, 모델이 낸 순위용 점수를 나타낸다. 0.866을 실제 접합 확률 86.6%로 읽을 근거는 없다.
너비·길이·두께의 절대 차이도 후보표에 넣었지만, 두께가 빠진 행에는 계산값이 없음을 나타내는 NaN이 남아 있었다. 없는 두께를 차이 0으로 읽으면 두 조각이 잘 맞는 것처럼 보일 수 있다. 이 표에서 확인한 것은 문자와 치수에 따른 후보 정렬이며, 사진의 파손면을 맞추는 영상 모델을 검증한 결과는 아니다.
기존 주석이 바꾼 검토 순서
후보 점수 옆에 양쪽 조각의 주석과 출판 정보를 함께 펼쳐 놓았다. 어떤 주석은 이미 알려진 간접 연결을 설명했고, 다른 주석은 물리적으로 맞닿는 부분을 찾지 못했다고 기록했다. 비교할 조각을 언급하면서도 접합은 아니라는 설명도 있었다. 이런 내용은 원래 자료를 정리한 연구자들의 기록이며, 이번 작업에서 새로 내린 전문가 판정은 아니다.
주석 하나에 있는 설명을 자동으로 현재 후보쌍 전체의 판정으로 옮길 수도 없었다. 해당 문장이 어느 조각과의 관계를 말하는지 읽어야 한다. 그래도 이미 알려진 연결이나 다른 문헌과의 대응을 확인하는 일은, 후보를 곧바로 새 발견으로 소개하는 실수를 막는 데 필요했다.
상위 목록에는 한쪽이 의학 관련 자료로 표시되고 다른 쪽은 찬가로 설명된 경우도 있었다. 이것만으로 두 조각이 관계없다고 단정할 수는 없지만, 비슷한 기호가 나왔다는 이유만으로 비교를 끝낼 수 없다는 점은 분명했다. 사진과 전사, 기존 판독을 함께 살필 대상으로 남겨야 했다.
목록이 남긴 것과 아직 판단할 수 없는 것
사진 검토를 준비하는 패키지도 만들었고, 저장된 실행 기록에는 묶음에서 꺼낸 비교용 이미지 파일들이 나타난다. 다만 파일을 모았다는 기록과 실제 파손면을 확인한 판정은 별개다. 여기서 다룬 작업은 후보 정렬과 기존 주석의 확인까지이며, 새 물리적 접합을 확정한 결과는 아니다.
이 목록을 다시 쓰려면 알려진 접합쌍을 어떤 기준으로 학습과 평가에 나눴는지부터 확인해야 한다. 이어서 각 후보의 문자 내용과 치수, 파손면이 맞지 않는 이유까지 남기는 검토가 필요하다. 75개 목록은 그 검토를 시작할 위치를 정리해 준다.