라벨링(labeling)은 어떤 대상에 식별, 분류, 설명 등을 위한 꼬리표(label)를 부착하는 행위를 가리키는 용어이다. 영어 'label'에 동사형 접미사 '-ing'이 결합된 형태로, 한국어에서는 외래어로 정착되어 다양한 분야에서 사용된다.
정보기술 및 인공지능 분야
현대에 가장 널리 사용되는 맥락은 인공지능(AI) 및 기계학습(ML) 분야의 데이터 라벨링(data labeling, data labelling)이다. 데이터 라벨링은 이미지, 텍스트, 음성, 영상 등의 원시 데이터(raw data)에 기계학습 모델이 학습할 수 있도록 의미 있는 정보(라벨)를 추가하는 작업을 의미한다. IBM과 AWS 등 주요 IT 기업들은 데이터 라벨링을 지도 학습(supervised learning) 기반 모델 개발의 필수적인 전처리 단계로 정의한다.
데이터 라벨링의 주요 유형은 다음과 같다.
- 컴퓨터 비전(Computer Vision): 이미지 분류, 객체 검출을 위한 경계 상자(bounding box) 지정, 픽셀 단위 분할(segmentation) 등.
- 자연어 처리(Natural Language Processing): 감정 분석, 개체명 인식, 품사 태깅, 광학 문자 인식(OCR) 등.
- 오디오 처리(Audio Processing): 음성의 텍스트 변환, 소리 분류 등.
라벨링 작업을 수행하는 사람을 라벨러(labeler, 레이블러)라고 부르며, 작업 방식에는 내부 인력 활용, 크라우드소싱(crowdsourcing), 외주(out-sourcing), 프로그래매틱 라벨링(스크립트 기반 자동화), 합성 라벨링 등이 있다.
일상 및 산업 분야
정보기술 외에도 제품에 상표나 가격표를 부착하는 행위, 포장재에 성분이나 주의사항을 표시하는 행위 등 물리적 라벨을 붙이는 작업을 지칭할 때도 '라벨링'이라는 표현이 사용된다.
사회학 분야
사회학에서는 낙인 이론(labeling theory)이라는 개념이 존재한다. 이는 특정 개인이나 집단에 사회적 꼬리표(낙인)가 부여되면 그 대상이 해당 꼬리표에 부합하는 행동을 하게 되는 경향을 설명하는 이론으로, '라벨링'이라는 용어가 사회적 맥락에서 사용되는 사례에 해당한다.
어원
'라벨(label)'은 중세 프랑스어 'labelle'(리본, 끈)에서 유래하였으며, 이후 문서에 붙이는 작은 종이 조각이나 상품 정보를 표시하는 꼬리표를 의미하게 되었다. 한국어에서 '라벨링'은 이 영어 단어가 그대로 차용되어 사용되고 있다.
