매체의 변화에 따라 웹사전의 사용이 증가하여 이제는 웹사전이 커다란 비중을 차지하게 되었다. 웹사전은 웹이라는 매체의 특성을 활용한 사전이라는 점에서 종이 사전과 차별화되는데, 이러한 차별점으로 들 수 있는 웹사전의 한 가지 특징이 맞춤법 자동교정기능이다. 맞춤법 자동교정기는 사용자가 맞춤법에 어긋난 검색어를 입력한 경우 사용자의 의도를 고려하여 적절하게 바꾸어 주는 장치로, 어휘 단위와 문장 단위 모두에서 가능하다. 본고에서는 웹사전에서의 맞춤법 자동교정기를 다루므로 어휘단위에 주목하였고, 다음(Daum)국어사전에 적용된 논리를 중심으로 논의를 진행하였다. 다음 국어사전에 적용된 한국어 자동 교정기는 ``오용어 목록 비교``, ``음절 수 비교``, ``음절간 음운현상을 반영한 고빈도 패턴 적용``, ``음절별자소를 초중종성으로 나누어 비교``의 논리로 구성되어 있는데, 개별 논리에 한계가 있을 뿐 아니라 논리가 서로 상충되기도 하는 문제가 존재한다. 아직 적용되지 않았으나 다음 국어사전을 운영하면서 아이디어를 얻은 개선점으로, 용언 활용태와 같은 비교대상어 확장, 불필요한 비교대상어 제거, 음절수 일치의 탈피, 외래어에서의 음운변동 등 패턴의 확장, 기계학습(machine learning) 결과물 적용, 오용어 목록의 지속적인 개선 등이 있다. 맞춤법 교정 기능 자체를 개선하는 것에 더하여 사용자가 쉽게 사용할 수 있도록 맞춤법 교정 결과를 보여주는 것도 중요하다. 현재는 정답에 가장 가까운 사전 항목을 먼저 제시하고 이어서 후순위 후보를 제시하는 두 단계이나, 고빈도 맞춤법 오류와 순화대상어 제시 등은 추가적인 문법 설명 및 이유를 함께 제시하는 것과 같이 사용자 교육의 측면에서 더 상세하게 표현해 줄 필요가 있다.

The purpose of this thesis is to explain the logic and web dictionary, and how to refine the automatic correction of spelling orthography. In these days, so many people depend on the web dictionary much more and the web dictionary get a great roles in the life along with the change of media. The most big difference between paper dictionary and web dictionary is the function of automatic correction in spelling orthography. The automatic correction is the devices to correct the words input by the users considering user`s intention in the level of words or sentences. This thesis mainly focused on the lexical level applied in Daum web Korean dictionary. Daum web Korean Dictionary consist of lists based on the comparison of misused words, syllables, the patterns of high frequence words and phoneme analysed by initial, medial and final positions. Actually there are some problems because it has some limitations and contradiction in the respective logics. I`d like to suggest some ideas to correct and improve this problems and limitations through enlarging patterns of phonemic fluctuation, compared words with verbal inflection, eliminating unavailable words, applying the result of machine learning and improvement of misused words, etc. It is also important to show the result corrected spelling orthography so that the user can use the function more easily. At present, the service has two steps which present the word list searched by the user first and then suggest the candidate words next. In the future we need to develop the service system to present the high frequence words list of mistakes or error with additional explanation to educate the users effectively.