영어동사의의미적유사도와논항선택사이의연관성 : ICE-GB 와 WordNet 을이용한통계적검증 송상헌 최재웅 University of Washington 고려대학교 Sanghoun Song and Jae-Woong Choe The Strength of the

Transcription

1 영어동사의의미적유사도와논항선택사이의연관성 : ICE-GB 와 WordNet 을이용한통계적검증 송상헌 최재웅 University of Washington 고려대학교 Sanghoun Song and Jae-Woong Choe The Strength of the Relationship between Semantic Similarity and the Subcategorization Frames of the English Verbs: a Stochastic Test based on the ICE-GB and WordNet. Language and Information 14.1, The primary goal of this paper is to find a feasible way to answer the question: Does the similarity in meaning between verbs relate to the similarity in their subcategorization? In order to answer this question in a rather concrete way on the basis of a large set of English verbs, this study made use of various language resources, tools, and statistical methodologies. We first compiled a list of 678 verbs that were selected from the most and second most frequent word lists from the Colins Cobuild English Dictionary, which also appeared in WordNet 3.0. We calculated similarity measures between all the pairs of the words based on the jcn algorithm (Jiang and Conrath, 1997) implemented in the WordNet::Similarity module (Pedersen, Patwardhan, and Michelizzi, 2004). The clustering process followed, first building similarity matrices out of the similarity measure values, next drawing dendrograms on the basis of the matricies, then finally getting 177 meaningful clusters (covering 437 verbs) that passed a certain level set by z-score. The subcategorization frames and their frequency values were taken from the ICE-GB. In order to calculate the Selectional Preference Strength (SPS) of the relationship between a verb and its subcategorizations, we relied on the Kullback-Leibler Divergence model (Resnik, 1996). The SPS values of the verbs in the same cluster were compared with each other, which served to 주저자. Dept. of Linguistics, University of Washington, Box Seattle, WA , USA. sanghoun@u.washington.edu 교신저자. 서울특별시성북구안암동 5 가고려대학교언어학과 jchoe@korea.ac.kr 감사의글 : 본연구는 The Relationship between Semantic Similarity and Subcategorization Frames in English: A Stochastic Test Using ICE-GB and WordNet 이라는제목으로 The 22nd Pacific Asian Conference on Language, Information, and Computation (PACLIC 22, 2008 년 11 월, Cebu, The Philippines) 에서발표된것을발전시킨것으로, 전과정을재분석하였고, 핵심자원과알고리즘을새롭게선택하였으며, 특히 3.1 절, 3.4 절, 5 절등을새롭게작성하였다. 좋은지적을해주신심사위원들께깊은감사를드린다. 이논문은 2008 년정부 ( 교육인적자원부 ) 의재원으로한국연구재단의지원을받아수행된연구임. (NRF A00315) c 2010 한국언어정보학회

2 언어와정보 제 14 권제 1 호 give the statistical values that indicate how much the SPS values overlap between the subcategorization frames of the verbs. Our final analysis shows that the degree of overlap, or the relationship between semantic similarity and the subcategorization frames of the verbs in English, is equally spread out from the very strongly related to the very weakly related. Some semantically similar verbs share a lot in terms of their subcategorization frames, and some others indicate an average degree of strength in the relationship, while the others, though still semantically similar, tend to share little in their subcategorization frames. (University of Washington, Korea University) Key words: semantic similarity, subcategorization frames, ICE-GB, WordNet, statistical method, clustering, dendrogram, selectional preference strength 1. 서론 어떤언어에서든술어별로고유한의미가있고, 또한하위범주화라는통사적특성을지닌다는점은잘알려져있다. 또한술어별하위범주화가그술어의의미적특성을결정하는데주요한역할을할것이라는점도일반적으로받아들여지고있다. 예를들어어떤술어가 자동사 나 타동사 로분류되는순간, 그술어가취할수있는의미가상당부분제약이된다. 그렇다면술어별하위범주화 ( 또는포괄적으로 논항구조 ) 와그술어의의미사이에는어느정도의연관성이있는것일까? 그러한논제에대하여대규모의자료를통한검증을할수있는것일까? 이연구는영어를소재로하여바로그러한질문에대한한가지답을찾는과정이될것이다. 위의질문에대한답을하기위해서는몇가지전제가충족되어야한다. 첫째로영어의주요술어선정에대한기준이필요하고그러한술어의명단을모두확보해야한다. 둘째로그모든술어의개별논항구조에대한정보도파악이되어있어야한다. 셋째로, 그모든술어의의미적특성이알려져있어야하고, 그러한의미적특성에따라선택된술어들사이의의미적유사성을파악할수있어야한다. 본연구는최대한객관적인방법론을도입하여위의전제가되는정보를파악하고, 그러한정보들을바탕으로술어의논항구조와의미사이의연관성정도를검증하는것을목표로한다. 본연구에서기본데이터로삼는언어자원은크게세가지이다. 첫째는 Collins Cobuild English Dictionary( 이하 COBUILD) 이다. COBUILD 는 1억어절이상의코퍼스기반하여구축된사전으로서그만큼실제영어의쓰임을반영하며빈도에따라영어단어를구분하고있다. 본연구에서대상으로삼는영어동사성어휘는 COBUILD에서빈도를기준으로하여추출한다. 두번째는전세계의다양한영어를비교연구하기위한목적의일환으로구축된 Internatinal Corpus of 114

3 송상헌 최재웅 영어동사의의미적유사도와논항선택사이의연관성 English-Great Britain (ICE-GB, (Nelson, Wallis, and Aarts, 2002)) 로서 1 이는약백만어휘로구성된구문분석코퍼스 ( 트리뱅크 ) 이다. 본연구에서이자료는영어동사의통사적특성, 구체적으로는하위범주화정보를추출하기위한목적으로이용된다. 세번째는 Princeton Univ. 의인지과학실험실에서개발하여대표적인의미관련자료로활용되고있는 WordNet이다. 이는어휘참조체계로서인간의어휘개념에대해심리언어학적인이론을적용하여영어단어의체계와위상을정리한것으로서본연구에서어휘사이의의미적유사성을결정하기위한용도로활용된다. 이러한자료의추출및추출결과를바탕으로하여연관성을검증하고, 그러한결과를바탕으로연관성의분포적특성을파악하는것이본연구의주요목적이된다. 본연구에서는언어현상을객관적으로분류하고비교하는모형을제시할것이며결과를분석하는통계적방법론도제시할것이다. 언어를분석하는데컴퓨터의이점을최대한살리고수학적, 통계적, 확률적모형으로이를계량화한다는점이본연구의주요특성이다. 본고의전체구성은다음과같다. 2절은본고의주된방법론두가지를나누어소개하며, 연구를위한자료선정에대하여논의한다. 3절은 WordNet을기반으로의미적군집화를구성하는전체절차와주안점에대해논의한다. 4절에서는 ICE-GB를토대로하위범주화를추출하고이를통해동사와하위범주화사이의선택선호도를계산한다. 5절에서는 3절의결과와 4절의결과사이의관계성포착을시도하며, 그의의에대해검토한다. 6절은본고의결론이다. 2. 연구배경, 방법론및자료 Levin (1993) 에따르면동작 (motion), 접촉 (contact), 영향 (effect) 등을어휘속성에 내재하고있는 cut 류의동사는사역교체가잘이루어지지않는다. (1) a. Carol cut the bread. b. *The bread cut. 이러한특성은같은부류의다른동사들도공유하고있는특성으로예를들어 chip, scrape, snip 등 cut 과동의어라할수있는동사들 (Synonym Collection v1.1, Copyright c 2008 by Lexico Publishing Group, LLC.) 도마찬가지분포적특성을 보인다. 이처럼의미적으로유사한동사들이논항구조적인특성을공유할수있다는 점은어휘적특성을대규모로연구한 Levin (1993) 등의연구에서이미확인된바 있다. 1 ICE-GB 는영국영어를소재로구축한 100 만어휘규모의균형말뭉치로, 구어대문어의비율이 6:4 정도다. 자세한내용은 ICE-GB 홈페이지 ( 참조 115

4 언어와정보 제 14 권제 1 호 그렇다고의미적으로유사한계열의동사들이반드시하위범주적특성도공유하는것은아니라는점, 즉이른바통사적특성이의미적특성으로귀결될수없다는주장역시언어학에서새로운것은아니다. 같은 question 계열의동사인 ask 와 wonder 를보자. 그둘은 question 의동어어라는점에서의미적으로유사하다 (Synonym Collection v1.1). 그러나그렇다고해서그둘의하위범주적특성이같은것은아니다 (Lasnik, Uriagereka, and Boeckx, 2005). (2) a. She asked what time it was. b. She asked the time. c. She wondered what time it was. d. *She wondered the time. 위에서제시한두가지서로상충하는듯이보이는주장및자료를볼때당연히떠오르는의문은의미와하위범주화사이의연관성은있는가, 있다면어느정도인가, 또한그러한연관성은어떠한양상을보이는가등이될것이다. 또한그에앞서과연그러한질문에답을하기위해서는어떤연구가필요할것인가라는의문도제기될것이다. 동사의의미와하위범주화사이의연관성에대한질문은여러가지방식으로제기될수있다. 예를들어하위범주화가유사하면의미도유사한가라는측면에서접근할수도있고, 반대로의미가유사하면그유사한동사들끼리비슷한하위범주화를취하는가라는질문을던질수도있을것이다. 아니면모든동사의의미와하위범주화를동시에고려하면서그둘사이의연관성을찾아가는방식도가능은할것이다. 본고에서는, 적절한도구의유무라는현실적제약과, 또한효율성의차원에서, 두번째방식을선택하였다. 즉, 동사들끼리상호의미적유사도를측정하여일정기준이상의유사도를보이는것들끼리소규모로묶은유의어명단 (clusters) 을찾고나서, 동일묶음에속하는동사들의하위범주화정보를모두찾아해당동사와의연관성을수치화한뒤에, 동사와하위범주사이의밀접도가어떤분포를보이는가를기준으로연관성정도, 즉의미와하위범주화사이의일치도를평가하였다. 동사와논항사이의연관성이나밀접도를평가하는한가지방법이 Resnik (1996) 에의해제안된바있다. 선택선호도 (Selectional Preference Strength) 로통용되는이개념은대규모자료를바탕으로수치화를가능하게해준다는점에서특히유용하다. 다음예를보자. (3) a. Experimenter: Could a cow be green? b. Subject: I think they re usually brown or white. 116

5 송상헌 최재웅 영어동사의의미적유사도와논항선택사이의연관성 (4) a. Experimenter: Could an idea be green? b. Subject: No, silly! They re only in your head. (3) 의 a green cow 는비록실제세계에는존재하지않는다하더라도비교적쉽게상상해볼수있는대상이다. 반면 (4) 의 a green idea 는그렇지못하다. 예컨대, a green cow 를그림으로표현하는것은어렵지않지만, a green idea 경우에는이를어떠한방식으로개념화해야할지혼란스럽다. 이는구체명사 cow 와추상명사 idea 사이의차이를넘어서는문제로, cow 의속성으로 color 를취하는것은자연스러우나, idea 와 color 를조합한다는것은혼란스러운과정임에틀림없다. 즉, (4a) 는인간의인지능력에비추어볼때가능한결합임에비해, (4b) 는결합이불가능해보이는어휘들의연쇄라는점에서서로다르다. (3) 과 (4) 의차이는, 주어진두단어또는두어휘군이서로얼마나연관성을지닐수있는가의차이와관련된다. Resnik (1996) 은이러한제약관계에주안점을두고어떠한술어가어떠한어휘군을논항으로유의미하게취할수있는가에대한형식적인모형을제시하였다. 즉, 대규모자료를바탕으로동사별논항구조선택선호도를수치화할수있다는점을보인바있다. 본연구에서도동사의논항구조, 구체적으로는개별동사의하위범주화의특성을이와같은통계기반의형식적인모형에바탕을두어추출한다. 2.1 방법론본고에서제안된가설을검증하기위한방법론은크게두가지로설명할수있다. 첫째, WordNet에서의미적유사성을기준으로두어휘사이의거리를측정하는 Word- Net::Similarity 모듈에기반하여 (Pedersen, Patwardhan, and Michelizzi, 2004), 연구의대상이되는동사를군집화하는알고리즘을제시할것이다. 둘째, 동사의하위범주를기준으로하여그선택선호도를측정하는방법을도입하여그결과를의미적유사도를기준으로군집화된대상과비교할것이다. 각각을구체적으로살펴보면아래와같다 군집화알고리즘 : WordNet 의활용. 첫번째는, 의미적유사성에따른동사의군집화이다. 일관된기준으로비교적효율적으로결과를도출해내기위해본고에서는 WordNet (ver. 3.0) 2 을사용하였다. 이처럼본고는의미적유사도를판별하기위한자원은 WordNet으로설정하고, 그유사도를구체적으로측정하기위한환경으로는 2 WordNet 의활용과관련된장점중하나는, WordNet 에망라된개념들사이의의미적유사도를측정할수있는다양한알고리즘이이미개발되어있고, 이를패키지화하여제공하는소프트웨어역시공개적으로이용이가능하다는점이다. 현재영어 WordNet 의최신버전은 3.0 으로서이는리눅스또는유닉스환경에서의동작만을지원한다. 윈도우환경에서 WordNet 을구동하려면 2.1 버전을사용하거나, 혹은윈도우상에가상리눅스환경을구축하고이환경위에 3.0 버전을구축해야한다. 본고에서는가급적최신의정제된자료를활용하기위하여, 리눅스환경에설치된 3.0 버전을이용하였다. 117

6 언어와정보 제 14 권제 1 호 WordNet::Similarity 를이용한다. 3 군집화는이결과를바탕으로이루어지며, 구체적 으로는 Manning and Schütze (2002) 등에서제시된계층 - 상향식군집화알고리즘을 통해추출된계층도 (dendrogram) 를활용할것이다 선택선호도측정 : ICE-GB 의활용. 두번째는하위범주화틀의선택선호도 를측정하는것이다. 선택선호도란어떠한어휘와관련된항목사이의관계의정도를 말하는데, 경우에따라이는이론언어학에서의선택제약과유사한개념이다. 두용어 사이의차이로, 제약 의경우참또는거짓이라는다소엄격한제한을요구하는반면, 선호도 는 excellent, fine, bad, almost impossible 등과같은표현으로환원될 수있을만큼 정도의문제 로귀결된다. 즉, 자료주도접근법의맥락에서는참또는 거짓의이진값으로만귀결되는다소엄격한판별보다는, 양자사이의통계적계량치 가중요하게작용한다. 자료주도접근법을지향하는본고에서는이후 선택선호도 라는용어를사용할것이다. 즉, 본고에서는어떠한동사가어떠한하위범주화틀을 취하는가에대한계량빈도를기준으로논의를진행할것이다. 이때선택선호도를 도출하기위한대상이되는일반화코퍼스가요구되는데, 통상원시코퍼스또는주석 코퍼스가그대상이된다. 원시코퍼스를활용한연구로서는 Manning (1993) 이나 Erk (2007) 을예로들수있다. 전자가완전한원시코퍼스만을사용한반면, 후자는 BNC 를대상으로하되, 영어구문분석기 Minipar (Lin, 1993) 를통해 1 차분석된결과를 바탕으로선택선호도연산을하였다. 그러나일반적으로는원시말뭉치를사용하는 것보다비록규모는작더라도정밀하게주석이된코퍼스를사용하는것이보다성능 이좋은것으로알려져있으며, 특히심층분석된코퍼스인트리뱅크를사용하는것이 더바람직하다. 이에따라본고에서는영어트리뱅크의일종인 ICE-GB 를그일반화 코퍼스로상정한다. 2.2 기본자료 서론에서언급하였듯이, 본고에서사용하고자하는영어동사의목록은 COBUILD 를 기반으로한다. COBUILD 는몇억어절이상규모의실제영어코퍼스를바탕으로 구축된사전인바, 실제각어휘의빈도정보를포함하고있다. 사전상에서이러한빈도 정보는 표지로표시되는데, 이표시의개수가많을수록고빈도어휘에속한다. 표 3 Pedersen, Patwardhan, and Michelizzi (2004) 에의해개발되어공개된이른바 WordNet::Similarity 모듈은공개소프트웨어정신에입각하여현재인터넷상에서누구나내려받을수있다 (Pedersen, 2008). WordNet::Similarity 는 Perl 로구현되어있으며, 자신의컴퓨터에설치된 WordNet 의버전에따라선택적인설치가가능하다. 본고에서는 WordNet ver. 3.0 에맞는모듈을활용하였다. 4 실제군집화를하는방법에관련하여서는여러알고리즘이연구및개발되어왔는데, 이들을간략히소개하면다음과같다. 군집의구성방식은크게계층형군집화알고리즘과비 - 계층형군집화알고리즘으로구분된다. 계층형알고리즘은다시그방향에따라상향식 (bottom-up) 알고리즘과하향식 (top-down) 알고리즘으로양분된다 (Manning and Schütze, 2002). 반면비 - 계층형알고리즘의대표적인것으로는 K-means 알고리즘을들수있는데, 이는공간상에서각분포의중심 (center) 을반복적으로추정하는산술과정에의해구축된다. 상세한군집화알고리즘에대해서는 Kaufman and Rousseeuw (1990) 또는 Manning and Schütze (2002) 에제시되어있으므로참고바란다. 118

7 송상헌 최재웅 영어동사의의미적유사도와논항선택사이의연관성 지는 0개에서많은경우다섯개까지표시가되며, COBUILD의설명에따르면실제영어자료에서 표지 4개이상의어휘가전체사용된어휘의약 75% 를점유한다고한다. 현재, COBUILD에서는최고빈도 ( 5개부착 ) 동사가 655개, 두번째고빈도 ( 4개부착 ) 동사가 1,026개망라되어있다. 다시이들어휘총 1,681개가운데, WordNet (ver. 3.0) 에서동사로처리된것만을추출하면총 678개의동사목록을얻을수있다. 본고에서는이목록을연구의출발점으로한다. 이목록은이후두개의언어자원에서비교의대상이된다. 하나는의미적유사도를측정하기위한대상으로앞서언급한 WordNet이다. 다른하나는동사의하위범주화틀을추출하기위한것으로 ICE-GB가그대상이다. 한편, 이들각각을처리하기위한도구또한요구되는데, 각기 WordNet::Similarity 와 ICECUP 3.0을활용한다. 여기에추가하여구축된의미적군집화의적합성을판별하기위해, 비교목적의자원역시요구된다. 본고에서그교차검증을위해사용하는언어자원은시소러스로서, COBUILD 시소러스와 Roget 시소러스가활용된다. 이상의내용을정리하면 [ 표 1] 과같다. [ 표 1] 대상언어자원 목적 언어자원 검색환경 비고 어휘집합 COBUILD 상위고빈도어휘 1,681 개 동사목록 COBUILD & WordNet 동사가능어휘 678 개 의미유사도측정 WordNet (ver. 3.0) WordNet::Similarity 군집화결과검증 시소러스 Cobuild, Roget 하위범주화틀추출 ICE-GB ICECUP 3. 의미적유사도와군집화 동사의목록이선정되고난후, 연구의첫번째단계는동사 678개를군집화는하는것이다. 이단계는다시세단계로세분화된다. 첫째는 WordNet::Similarity 를이용하여동사 678개가서로에대해가지는의미적유사도를각알고리즘의처리기준에따라빠짐없이측정하는것이다. 둘째는추출된유사도를기준점으로하여의미적속성이가까운것끼리순차적 / 계층적으로묶어계층도를그리는것이다. 셋째는구성된계층도에서통계적으로유의미한것들만을정리하여이를군집으로확정하는것이다. 3.1 WordNet::Similarity 현재 WordNet::Similarity 모듈은비교를위한 random 알고리즘을포함하여총 10 개의알고리즘을제공한다. [ 표 2] 5 는위 678 개동사에 10 개알고리즘을각각적용하여 5 실제연구의단계에서는동사뿐만아니라, 같은원리로 COBUILD 에추출된명사 (1,074 개 ), 형용사 (422 개 ), 그리고부사 (189 개 ) 역시유사도계산을통해각알고리즘별로정리되었다. 동사를비롯한이들전체계산결과는아래의주소에서확인할수있다 ( 공개의당위성 과관련한논의는 Pedersen 119

8 언어와정보 제 14 권제 1 호 [ 표 2] WordNet::Similarity 를이용한유사도측정결과 알고리즘 결과개수 최대값 최소값 평균 표준편차 hso 130, jcn 4,347, lch 4,374, lesk 4,221,315 7, lin 147, path 4,374, random 4,374, res 147, vector 4,361, wup 4,374, 얻은결과의일차적인통계수치를보여준다. 6 이들알고리즘을서로비교해볼때, 주목할점이크게두가지가있다. 하나는각각의알고리즘마다척도가상이하다는점이다. 예컨대, lesk 알고리즘은각수치가정수이며그변화의폭이표준편차의수치에드러나는바와같이 10개의알고리즘가운데가장크다. 반면, jcn 알고리즘은척도가소수단위이며그변화의폭, 다시말해표준편차가가장작다. 따라서이들수치각각을동일선상에서비교할수는없다. 둘째, WordNet의각어휘는표면형이아닌 synset 이라는단위를기반으로연결되어있는데, 이 synset 을처리하는기준역시각알고리즘마다차이가있다. 예컨대, path, wup 등의알고리즘은각어휘의거의모든 synset 을대상으로비교가가능한반면, lin, res 등의알고리즘에서는유의미한수치만을대상으로한다. [ 표 2] 에서각알고리즘의처리결과개수에차이가있는것이이러한원인에따른다. 각알고리즘마다이처럼결과의형태가다르다는점은이후분석의과정에서역시검토되어야할부분이다. 본고에서는위알고리즘가운데, 선행연구를통해성능이어느정도입증된 lesk 와 jcn 두알고리즘을대상으로논의를계속진행하기로한다. Banerjee and Pedersen (2003) 에서는 lesk 알고리즘을주요알고리즘으로제시하였으며, 송상헌 전지은 최재웅 (2008) 에서는 lesk 알고리즘을기반으로영어형용사를군집화하는모델을제시 (2008) 참고 ). 6 실제의결과에서는몇군데의이상수치가발견되었다. 예컨대, jcn 알고리즘의결과가운데일부는그유사도값이백만단위로나타나는경우가몇회출현하였다. 이는 Perl 에서연산하는과정에서나타나는문제점으로엄밀히말해실수처리를하는수학식모듈의결함이다. 이러한예가발견되는경우에는자동으로그값을최대값으로치환하는방식으로결과를보정하였다. 120

9 송상헌 최재웅 영어동사의의미적유사도와논항선택사이의연관성 하였다. 한편, Budanitsky and Hirst (2006) 에서는 5개의알고리즘을비교하여 jcn 알고리즘이가장우월한성능을보임을입증하였다. Jurafsky and Martin (2009) 에서도 WordNet을기반으로하여어휘사이의유사도를측정하는여러모델을소개하고있는데, 결론적으로 lesk 와 jcn 두알고리즘의우수성을경험적으로입증하고있다. Lesk (1986) 에서제시된 lesk 알고리즘은기본적으로각개념의풀이말을이용한다. 즉, 개념 A와개념 B의풀이말에서서로중첩되는부분이얼마나되는가를상계한다. 이에더하여, A와 B에직접연계된하의어와상위어등도유사도측정에활용된다. 기본적모형은아래의수식에드러나있으며, 여기에서 hype 와 hypo 는각각상위어와하의어를의미한다. relatedness(a, B) = score(gloss(a), gloss(b)) + score(hype(a), hype(b)) + score(hypo(a), hypo(b)) (1) + score(hype(a), gloss(b)) + score(gloss(a), hype(b)) Lesk (1986) 와 Jurafsky and Martin (2009) 에서제시된예는아래와같다. 두단어 pine, cone 이아래와같은풀이말을지닌다고할때, cone 3 은 evergreen 및 tree 라는단어에의해 pine 1 과공통분모를가져상호정보량을지니게된다. (5) a. pine 1 kinds of evergreen tree with needle-shaped leaves pine 2 waste away through sorrow or illness b. cone 1 solid body which narrows to a point cone 2 something of this shape whether solid or hollow cone 3 fruit of certain evergreen trees 한편, jcn 은 Jiang and Conrath (1997) 에근간을두고있는데, 이는기본적으로 Resnik (1995) 에제안된알고리즘의단점을보완한모델이라고할수있다. Resnik에의해제시된가장기본적인모형은 IS-A 계층에서두요소 C 1 과 C 2 사이의거리는이둘을모두포함하는가장낮은상위절점에의해결정된다는것으로, 이때그절점을 LCS(Lowest Common Subsumer) 라정의한다. LCS의기본적모형은이후여러알고리즘에서발전적으로활용되었는데, 그가운데가장우수한성능을보이는것으로보고된것이아래수식으로연산되는 jcn 이다 (Jurafsky and Martin, 2009). dist JC (C 1, C 2 ) = 2logP (LCS(C 1, C 2 )) (logp (C 1 ) + logp (C 2 )) (2) 다소복잡하게보이는위수식은실제개념적으로보면상당히단순한원리에입 각하고있는데, [ 그림 1] 의면적을통해설명하기로한다. 개념 A 와 B 가 [ 그림 1] 같은 121

10 언어와 정보 제14 권 제1 호 [그림 1] Lowest Common Subsumer 분포를 보이고 있다고 할 때, A 와 B 가 서로 공통으로 취하는 분포는 왼쪽 그림의 가운데 교집합에 해당할 것이다. 이때 두 개념의 차이는 각각에서 둘의 교집합 부분을 제외한 여집합인 오른쪽 그림에 해당한다. 결과적으로 오른쪽 그림에서 음영으로 표시 된 부분의 면적은 위 수식을 통해 나오는 결과와 같아진다. 예컨대, A 의 면적이 30, B 의 면적이 20, 그리고 왼쪽 그림 가운데 교집합 부분의 면적이 10 이라면, A 와 B 를 합한 영역의 넓이가 40 이 될 것이고, 따라서 음영으로 표시된 영역의 넓이는 (2 40) (30+20) 에 의해 30 으로 결정된다. 즉, 위 수식은 두 분포의 차이를 구하는 개념적 모델과 동일하다고 할 수 있다. 이 두 알고리즘은 여타의 알고리즘에 비해 좋은 성능을 보인다는 공통점에도 불 구하고 기본 전제가 다른 탓에 서로 분명한 차이점가 있다. 가장 뚜렷한 차이는 [표 2] 에 드러난 바와 같이 표준편차의 차이이다. 즉, lesk 는 편차의 값이 가장 큰 반면, jcn 은 그 값이 가장 작아 둘은 서로 극과 극을 이루고 있다. 이 차이가 뒤에서 살펴 볼 군집화 결과에도 크고 작은 영향을 주고 있다 3.2 계층도 (Dendrogram) 다음 단계는 위에서 언급된 각 유사도를 기반으로 하여 아래와 같은 유사도 행렬을 구 성하는 것이다. 이때, sim(a,b) 와 sim(b,a) 는 재귀적 관계로서 동일한 값을 지닌다. [표 3] 유사도 행렬 v1 v2 v3... vn 1 v2 v3 v4... vn sim(v1,v2 ) sim(v1,v3 ) sim(v1,v4 )... sim(v1,vn ) sim(v2,v3 ) sim(v2,v4 )... sim(v2,vn ) sim(v3,v4 )... sim(v3,vn )... sim(...,vn ) sim(vn 1,vn ) 본고에서 사용하고자 하는 계층도는 제시된 유사도 행렬 3 의 순차적인 조작으로 구성된다. 본고의 계층도는 이른바 파스-트리 구조의 일종으로서 각각의 절점은 부모 122

11 송상헌 최재웅 영어동사의의미적유사도와논항선택사이의연관성 절점, 좌측딸절점, 우측딸절점의세요소로구성된다. 이때각절점은연산자와피연산자의관계에의해서로연결되며, 하나의절점은다른절점의연산자인동시에또다른절점의피연산자가될수있다. 구체적인예로서집합 S는관계 에대하여 (6) 과같은상호정보량을지닌다고가정하자. (6) S = { a b=7, a c=18, a d=15, b c=12, b d=100, c d=3 } 이집합 S에서계층도를도출해내는과정은아래와같다. STATE 1 STATE 2 STATE 3 [ 표 4] 계층도추출과정 a b c d a b c 3 d b d b, d a c b, d 7 3 a 18 c a, c b, d a, c 3 b, d a c b d a c b d STATE 1에나타난행렬은초기값이다. 이행렬에서는최대값 100이선택된다. 이값은 b와 d 관계에서나타난것이므로 b와 d가최소의파스-트리를형성한다. 다음 STATE 2에서는이전 STATE에서결합을이룬 b, d 가행렬의맨처음에자리를하고나머지요소가차례로뒤따른다. 각값은각각의요소들의관계에서최소값을택한다. 7 즉, 처음칸은 a b=7, a d=15 의관계에서 7이선택된다. 모든칸에각관계들의최소값이채워지고나면, 전체에서최대값 18이선택된다. 이는 a와 c의관계이기때문에파스-트리에 a와 c의연결절점이형성된다. STATE 3에서는 a, c 가처음위치에자리를잡게되고 a, c, b, d 의관계에서최소값 3이결정된다. 이들사이에연결이이루어지면전체요소에대한파스-트리가완성된다. 이후, 더이상처리할 7 다른방식으로최대값을택하는경우와평균값을택하는경우, 모두실험을해보았으나최소값을선택하는것이세방식가운데가장결과가좋다는점을경험적으로확인하였다. 이는각어휘가여러의미를가질수있다는점에기인한다. 예컨대, tell 의경우통상 말하다 의의미를가지지만, 자동사로사용될경우 영향을주다 와같은의미를취할수도있다. 이처럼의미가분화되는경우, 최대값또는평균값을취해그의미적상관성을넓게보면자칫문제가발생할수있다. tell 이 say, talk 등의동사보다그의미적연관빈도가훨씬적은 impact 등과같은어휘와더먼저군집을형성할수있기때문이다. 123

12 언어와정보 제 14 권제 1 호 행렬이남아있지않기때문에알고리즘은여기에서종료된다. 전체알고리즘구조는 다음과같다. 8 1: V i = {v i } 2: M = {v 1, v 2,..., v n 1,v n } 3: while n > 1: 4: V 1 = V pos i V pos j 5: for i = 1 to n-1: 6: for j = i+1 to n: 7: sim(v i,v j ) = min(v i,v j ) 8: if max < sim(v i,v j ): 9: max = sim(v i,v j ) 10: pos i = i 11: pos j = j 12: parse-tree(pos i, pos j) 13: n = n - 1 이러한알고리즘에서는 [ 표 2] 에서제시된각각의결과를입력자료로활용하는 것이기때문에서로척도가상이하다는점이결과에별다른영향을주지않는다. 각 알고리즘의내부수치만을대상으로하여, 그값만을비교의대상으로삼기때문이다. 그러나다른측면으로는최소한두가지사항에대한고려가필요하다. 하나는 앞서언급한바와같이 synset 에대한고려이다. 예컨대, WordNet ver. 3.0 에서동사 accept 는 7 개의 synset 을가지며, 동사 admit 는 4 개의 synset 을가지는관계로이두 개의동사는실질적으로총 28 개의관계값을가진다. 이경우각표면형을기준으로 한다면추출된 28 개의관계값의집합에서최대값, 최소값, 또는평균값을순차적으로 택하여보고가장성능이좋은값을택하는방법이요구된다. 반면, 각 synset 을그대 로인정할경우, 위 28 개의대응쌍은각기독립적인결과로서인정되어야한다. 두번째는 [ 표 2] 에서제시된바와같이 10 개의알고리즘이동일한차수의유사도 집합을만들어내는것이아니라는점이다. 이경우표면형만을택하는경우에는위와 동일한방식으로처리되는것이바람직할것이나, synset 을기준으로하는경우에는 차수의차이는분포의차이를낳는것이기때문에문제가될수있다. 동사의 synset 개수를모두확인하여비어있는관계값을 0 으로설정하는방법도고려될수있으나 선행실험을통해이것이결과를왜곡할수있다는점이확인되었다. 8 여기에서제안한방식은송상헌 전지은 최재웅 (2008) 에서이미제시된바있다. 그러나그방식과는몇가지측면에서차이를보이는데, 하나는 synset 에대한고려사항이추가되었다는점이다. 반면송상헌 전지은 최재웅 (2008) 은 synset 처리에독립적일수있는 lesk 알고리즘만을사용하였다. 다른하나는각 WordNet::Similarity 알고리즘마다결과치가달랐다는점에대한고려가추가되었으며, 또한송상헌 전지은 최재웅 (2008) 에서는 WordNet ver. 2.0 을기준으로하였다는점에서자료상으로도차이가있다. 124

13 송상헌 최재웅 영어 동사의 의미적 유사도와 논항 선택 사이의 연관성 이러한 차원을 종합하여 위 알고리즘의 대상이 되는 집합 M 의 선정은 다음의 방식을 따르기로 한다. 첫째 각 synset 을 독립적으로 인정하는 방식은 본 연구에서 택하지 않기로 한다. 우선 결과의 왜곡 없이 일관되게 비교 수치를 도출하는 구현이 요원할뿐더러, 더 결정적으로 일반화 코퍼스인 ICE-GB 결과가 표면형을 중심으로 구 성되어 있다는 이유 때문이다. 즉, ICE-GB 에서 추출된 각 동사의 논항 관계가 어떠한 synset 과 연계된 것인지를 객관적인 방법으로 검증할 수 없기 때문이다. 두 번째로 두 동사의 synset 정보에 따른 복수의 관계값에서 어떠한 값을 두 동사의 대표값으로 선 택할 것인가의 문제에 있어서는 최대값, 최소값, 그리고 평균값을 기준으로 하여 각각 결과를 추출한 뒤, 이 가운데 가장 성능이 좋은 것을 채택할 것이다. 그에 대한 검증을 하기 위해서는 비교의 대상이 있어야 한다. 본고에서는 시소러스를 그 비교 목적으로 활용할 것이다. 이를 통해 결과의 왜곡을 최소화하며, WordNet::Similarity 알고리즘 각각이 지니는 상이함이 비교에 영향을 줄 가능성 역시 최소화하였다. 3.3 군집화 계층도가 도출되고 나면, 그 다음 단계는 군집화이다. 즉, 그 계층도에 속한 절점들 가 운데 통계적으로 유의미한 것들만을 추출하여야 하여야 한다. 통계적 유의미성을 판별 하는 기준으로는 절에서 소개된 바와 같이 여러 방법론이 존재하는데, 여기서는 임계치를 이용하여 계층도에서 어떠한 절점의 값이 그 임계치를 넘으면 그 절점 이하의 요소를 군집으로 판별하는 기법을 사용하고자 한다 (송상헌 전지은 최재웅, 2008). 예컨대 [그림 2] 에서 임계치를 100 으로 설정하면 상위 단계의 절점에서부터 비교하여 해당 절점의 값이 100 이 넘는 120 이 선택될 것이다. 그러면 그 이하 절점에 속하는 요소인 c, d, e 가 유의미한 군집으로 정리된다. [그림 2] 임계치를 통한 군집화 결정 본고에서는 그 임계치로서 아래에서 제시된 z-score 를 사용할 것이다. 어떠한 절점 의 값을 x 라 하자. 또한 전체 절점 값의 평균을 m, 표준편차를 δ 라 하자. 표준편차는 각 값이 평균에서 멀어진 정도의 평균을 말하므로 값 x 가 평균 m 에서 표준편차 δ 를 합한 값보다 크다면 그 x 는 유의미한 수치라고 추정할 수 있다. 이는 다시 말해 다음 수식을 참으로 하는 x 의 값을 구하는 일과 같다. 125

14 언어와 정보 제14 권 제1 호 x m >1 (3) δ 구체적인 예를 들어 z-score 를 이용하는 방법에 대해 논의하면 다음과 같다. n 개의 요소들이 0 에서 1 까지의 실수 값을 그 분포로 취한다고 가정하자. 이를 임의의 값들을 요소로 가지는 배열로 만들어 2 차원 평면상에 도식화하면 [그림 3] 을 얻을 수 있다. [그림 3] 분포표 (n = 300) [그림 3] 에서 m 으로 표시된 실선은 전체 분포의 평균에 해당하며, 그 상단과 하 단의 실선은 그 평균값에서 표준편차를 더하고 뺀 값을 나타낸다. 위 수식을 참으로 하는 x 값의 집합은 평균 m 과 표준편차 δ 를 합한 값보다 큰 값의 집합과 동치이기 때문에, 이는 [그림 3] 에서 화살표로 표시된 지역의 점의 분포와 같다. 즉, 평균에서 표준편차보다 먼 거리에 있는 점의 분포는 전체 분포 가운데 유의미하게 상단에 놓여 있다고 가정할 수 있는 것이다. 이와 같은 결정과정을 통해, 678 개의 동사 가운데 유의미성을 지니는 각 값들을 검출하였으며, 이들은 다음 절에서 소개할 검증의 대상이 된다.9 9 이와 관련하여 두 분의 심사자께서는 WordNet 의 동계어 및 유의어 추출을 이용하여 군집을 구성하면 마 찬가지 방식의 연구를 수행할 수 있음을 지적하였다. 실제로 WordNet 은 각 synset 과 동일 계층 (sister) 에 있는 다른 synset 들의 집합 및 유의 관계 (synonym) 에 있는 집합을 검색하는 명령을 지원한다. 이들 각각은 WordNet 이 설치된 환경의 프롬프트상에서 아래와 같은 명령행으로 추출 가능하다. $> wn verb entry -s -coorv >output filename $> wn verb entry -s -simsv >output filename 이러한 방법 역시 일정 정도의 성과를 이룰 수 있음은 분명하다. 그러나 본고에서는 두 가지 이유에서 이러한 방식을 택하지 않았다. 첫째는 WordNet::Similarity 에서 제시되는 각 값은 엄밀히 말해 유의도만을 뜻하지 않는다는 점이다. 대표적인 예가 명사 space 와 star 의 관계이다. 이들 어휘는 상호 유의어도 아니며, 동계어도 아니지만, 개념구조 상에서는 서로 밀접한 관계를 가진다. 즉, WordNet::Similarity 의 각 값은 엄격한 의미에서 연관성 (relevance) 의 정도를 뜻한다. 이는 (5) 에서 제시된 pine 과 cone 의 관계에서도 마찬가지로 확인될 수 있는 부분이다. 두 번째는 WordNet::Similarity 는 각 어휘들 사이의 관계성을 수치화하여 그 정도를 표시함에 비 126

15 송상헌 최재웅 영어동사의의미적유사도와논항선택사이의연관성 3.4 군집화검증앞서설명한바와같이, 본고에서는선행연구를통해실효성이입증된 lesk, jcn 두알고리즘을대상으로한다. 3.2절에서제시된계층도에서 3.3절의 z-score 를임계치로하여추출된군집화의결과는 [ 표 5] 와같다. 3.2절에서기술된바와같이, 계층도는각 synset의대응관계의최대값, 최소값, 평균값을기준으로하여각각추출되었기때문에, 그결과총 6개의임의결과가얻어진다. 한편여기에서는비교를위하여하나의결과치가더추가되는데, 바로 random 알고리즘에서얻은결과이다. 이는두어휘사이의유사도에무작위값을배당한것으로, 다시말해해당어휘목록에어떠한유사도도없다고가정할때얻어질수있는결과이다. 이때 random 에속하는값은모두임의의수치이기때문에이경우에는가장일반적인수치인평균값만을비교로하여도상관이없다. 결과적으로이후의군집화검증은아래 7개를대상으로한다 ( lesk 알고리즘기반최대, 최소, 평균값기준추출 / jcn 알고리즘기반최대, 최소, 평균값기준추출 / random 추출결과 ). [ 표 5] 군집화추출결과 lesk jcn random 처리기준군집개수동사개수군집개수동사개수군집개수동사개수최대값 n/a 최소값 평균값 [ 표 5] 에서눈에띄는점은 jcn 의결과가 lesk 의결과보다포괄하는군집과동사의개수가많다는점이다. 이는앞 [ 표 2] 에서본바와같이 jcn 알고리즘으로추출한결과의표준편차가매우작다는점에기인한다. 이들 1차적결과는두시소러스와의교차비교를통해검증된다. 검증의방법은이른바 F-measure 로서이는 precision 과 recall 의값의조합을통해얻어진다. precision 은찾는자료가 정확하게 찾아졌는지를평가하는지표이며, recall 은찾아낸자료가누락된정보가없이 빠짐없이 구성되었는가를평가하는지표이다. 우선 [ 표 6] 을보도록하자. [ 표 6] 2 2 결정분포대상에속함대상에속하지않음추출됨 tp fp 추출되지않음 fn tn 교하여, 위명령행에의해추출된결과는단순한목록에불과하다. 즉, 추가적인수치연산이쉽지않다. 서론에서언급한바와같이본고는각값의연관성정도에근거하여결과를도출함을목표로하기때문에, 위방식은결론적으로대상이되지못하였다. 127

16 언어와정보 제 14 권제 1 호 예컨대, 추출된군집화목록에어떠한어휘 A가포함되었으나, 이 A가시소러스에해당하는유의어또는반의어로서출현하지않는다면, fp (false positive) 값이늘어나결과적으로 precision 의값이떨어지게된다. 반면, 어떤어휘 B가시소러스에는출현하지만, [ 표 5] 의군집화에서걸러지지않는다면, 이때는 fn (false negative) 값이늘어나며, 그결과 recall 에부정적영향을준다. 한편 precision 및 recall 양자를종합적으로살필수있는것이 F-measure로서, 이들각각은아래와같은수식에의해계산된다. precision = recall = tp tp + fp tp tp + fn 1 F = α 1 P + (1 α) 1 R (4) (5) (6) 이들수식의연산과정을예를들어설명을하면다음과같다. 어떠한군집 CL i 가 (7a) 와같은원소로구성되어있다고가정하자. 또한어떠한시소러스에서어휘 a 가 (7b) 에서제시된어휘들을그대상으로취한다고가정하자. (7) a. CL i = {a, b, c} b. a: b, d, e 이때, tp 는양자가공히취하는값 b 에의거, 1이된다. 한편, fp 은 CL i 에는나타나지만, (7b) 에제시되지않은값 c 에따라역시 1이된다. fn 는거꾸로 (7b) 에포함되나, CL i 의원소가아닌 d, e 에의해 2가된다. 각값을계산하면, precision 은 (1/(1+1)) 에따라 0.5, recall 은 (1/(1+2)) 에따라약 이된다. 끝으로 F-measure는 α 값을 0.5 로취하였을때 (1/(0.5 (1/0.5) + (1 0.5) (1/0.3333))) 으로연산되어 0.4 가된다. 아래의표들은위수식들에의해연산된군집화검증값을보여준다. 먼저, 각결과의 precision 을살펴보기로하자. [ 표 7] 에서각시소러스와비교하여가장우수한성능을보이는항목은굵은글씨로표시하였다. 이는최대값이최소값과평균값을기준으로한경우보다상회한다는점을보여준다. 그경우에있어서는 lesk 알고리즘으로부터얻어진결과가 10% 정도의결과를더포함하고있음을알수있다. 아울러, 비교의대상인 random 의값은 1% 미만으로다른값들에비해매우낮은수치를보인다. 이는 WordNet::Similarity 에서추출된결과가실제시소러스와비교하여도상당부분합치하고있다는점을입증한다. 128

17 송상헌 최재웅 영어동사의의미적유사도와논항선택사이의연관성 [ 표 7] precision 알고리즘 Cobuild Roget 평균 최대값 jcn 42.43% 44.83% 43.63% lesk 51.25% 53.82% 52.53% 최소값 jcn 6.25% 3.81% 5.03% lesk 12.24% 9.30% 10.77% 평균값 jcn 40.48% 37.15% 38.81% lesk 32.52% 31.01% 31.77% 비교 random 0.29% 1.61% 0.95% 다음으로 recall 의경우를보도록하자. recall 에있어서는최소값의경우가상대 적으로낙후한반면, 최대값과평균값은큰차이를보이지않는다. [ 표 7] 과의두드러진 차이는 jcn 이 recall 에관해서는 lesk 보다우수하다는점이다. [ 표 7] 과마찬가지로 비교의대상이되는 random 은이경우에도매우낮은수치를보인다. [ 표 8] recall 알고리즘 Cobuild Roget 평균 최대값 jcn 11.25% 6.41% 8.83% lesk 10.08% 5.82% 7.95% 최소값 jcn 4.72% 1.47% 3.09% lesk 8.05% 2.39% 5.22% 평균값 jcn 11.28% 5.09% 8.19% lesk 10.99% 5.06% 8.03% 비교 random 0.13% 0.36% 0.25% 끝으로위두수치를조합한 F-measure를보기로하자. [ 표 9] 는두시소러스모두최대값을기준으로한 jcn 알고리즘추출결과와가장합치하고있음을보이고있다. 이상을종합해보면최소값을기준으로한결과는상대적으로성능이낙후하며, lesk 알고리즘이 precision 측면에서는 jcn 보다약간우수하지만, recall 에있어서는 jcn 이더우수하다. 여기서 recall 의값이 precision 값보다크게못미치는경향이있는데, 이는군집화로구성된결과와분류를통해이루어진결과의차이로인한것이다. 시소러스가군집화결과보다포괄하는대상이더크기때문이다. 아울러비교의대상이되는 random 은어느항목에서나큰차이를보이는데, 이는군집화결과의유의미성을입증하는부분이다. 이상의결과를종합하여, 본고는최대값기준의 jcn 알고리즘추출결과를인정하여, 이후과정에활용할것이다. 129

18 언어와정보 제 14 권제 1 호 [ 표 9] F-measure (α = 0.5) 알고리즘 Cobuild Roget 평균 최대값 jcn 17.78% 11.21% 14.50% lesk 16.85% 10.50% 13.68% 최소값 jcn 5.38% 2.12% 3.75% lesk 9.72% 3.80% 6.76% 평균값 jcn 17.64% 8.96% 13.30% lesk 16.43% 8.71% 12.57% 비교 random 0.18% 0.59% 0.38% 다음절에서이루어지는하위범주화틀의추출은이결과에속한 437개동사를대상으로하며, 마찬가지로그다음절의관계성검토역시이결과에속한 177개군집을바탕으로이루어진다. 4. 하위범주화틀과선택선호도 대규모로영어동사의하위범주화틀에대한정보를얻기위해서는사전에명시된정 보를취하거나아니면코퍼스로부터추출해야할것이다. 그런데둘다현재는문제가 있다. 사전의경우동사별하위범주화틀은잘제시되어있는편이나어휘별로각 틀이사용된빈도정보를얻을방법이없다. 반면원시코퍼스에서는동사별분포및 빈도정보는얻을수있으나코퍼스내개별적인예 (token) 별로하위범주화틀에 대한정보를정확히추출하는것이어렵다. 그두가지요구조건을고려할때가장 바람직한대상은구문분석이철저히이루어진코퍼스로, 본고에서는현재가용한대표 적인구문분석말뭉치중하나인 ICE-GB 를택하여하위범주화틀을추출하였다 추출방법및절차 ICE-GB 를검색하기위해서는우선검색대상을구체화할필요가있다. ICE-GB 가 굴절원형에대한정보를담고있지않으므로앞에서선정된동사명단에서개별동사 별로굴절형을모두검색하는절차를거쳤다. 즉, 우선동사별로굴절형명단 ( 예. ask, asks, asked, asking) 을만든뒤에 ICECUP 을이용하여해당용례를모두추출하였고, 동사별검색결과를별도의트리뱅크형태의개별파일로 ( 예. ask.tre) 저장하였다. 예 컨대 [ 그림 4] 와같이저장할경우, [ 그림 5] 에제시된문장구조정보가모두저장된 다. [ 그림 5] 의수형도는동사 ask 가 NP 인 me 를간접목적어 (IO) 로취하고, CL( 절 ) 10 한심사자께서는 WordNet 의문형정보를이용하여하위범주화틀을가져올수도있음을지적한바있다. 물론이역시가능한방법가운데하나이다. 그러나본고의목적은실제의언어자원을일반화코퍼스로상정하고그빈도정보를이용하여선택선호도를측정함을목적으로하기때문에, 이방식을사용하지않았다. 130

19 송상헌 최재웅 영어 동사의 의미적 유사도와 논항 선택 사이의 연관성 [그림 4] ICECUP III - Text searching / saving [그림 5] ICE-GB 수형도 인 what you say 를 직접목적어 (OD) 로 취하고 있다는 것을 보여준다. 이 수형도가 저장되는 형태는 아래와 같다. <ICE-GB:S1A-020 #107:1:B> PU,CL(main,imp,ditr,infin,-su) VB,VP(ditr,infin,do,neg) OP,AUX(do,infin,neg) {Don t} * MVB,V(ditr,infin) {ask} ** OI,NP NPHD,PRON(pers,sing) {me} OD,CL(depend,indrel,montr,pres,preod) OD,NP NPHD,PRON(nom) {what} SU,NP 131

20 언어와정보 제 14 권제 1 호 NPHD,PRON(pers) {you} VB,VP(montr,pres) MVB,V(montr,pres) {say}... 수형도에서하위범주화틀정보를추출하기위해서는, 문장수형도별로해당 동사에서출발하여관련정보를거두는방법을사용하였다. 예를들어위에주어진 수형도에서우선다섯번째줄의 ask 를출발점으로한다. 일단그것의최대투사인 (VB,VP) 로올라간뒤에그최대투사와같은수준의절점, 즉자매절점 ((OI,NP), (OD,CL)) 중에서논항이될수있는범주를모두찾아모으는방식으로진행하는알 고리즘을활용하였다. 아래는그알고리즘이다. 결과적으로각수형도및동사 ( 파일 ) 별로모든논항분포와그빈도정보를추출할수있었다. 1: ARGS = [ OD, OI, CO, CS, CI, CT, PROI, NOOD ] 2: N i = {PARSED TEXT i, DEPTH i } 3: T = {N 1, N 2,...} 4: num = 1 5: for nd in T: 6: if nd has *: 7: tmp = num - 1 8: do until N tmp is the maximal projection of nd 9: if PARSED TEXT tmp is relevant to ARGS and 10: SF += PARSED TEXT tmp 11: tmp = cnt + 1 DEPTH tmp is equal to DEPTH tmp : do until N tmp is the maximal projection of nd 13: if PARSED TEXT tmp is relevant to ARGS and 14: SF += PARSED TEXT tmp 15: tmp = num : num = num + 1: DEPTH tmp is equal to DEPTH tmp - 1 그런데 ICE-GB 자체의특성및일부한계로인하여, 하위범주화틀추출과정에 제기된몇가지문제점이있었던바, 다음소절에서는그러한점을논의해본다. 4.2 하위범주화틀추출상의한계및제약 주어. 영어문장에서주어는거의필수적으로존재한다는점에서동사별하위범주화논의에서는변수라기보다는상수처럼간주될수있다. 따라서본고에서는일단주어를포함시키지않았다. 특히 [ 그림 5] 의 ask 경우에서와같이명령문등에서는주 132

21 송상헌 최재웅 영어 동사의 의미적 유사도와 논항 선택 사이의 연관성 어가 표면에 등장하지 않더라도 주어가 없는 것으로 간주할 수는 없다는 점을 감안하 였다 관계절 및 의문사 의문문. 관계절의 경우 논항 중 하나가 표면에서는 생략된 구조이므로 일반적으로 코퍼스에서 논항을 추출하는데 있어 적지 않은 문제가 있다. 그러나 ICE-GB 에서는 이동한 논항의 선행사도 다른 논항과 마찬가지로 자매절점 형 태로 표시되어 있기 때문에 역시 일괄 추출이 가능하다. 한편 의문사 의문문의 경우도 ICE-GB 상 자동으로 의문사를 찾는 것이 가능하므로 역시 자료 추출 범위에 포함 시 켰다. 다만 관계사나 의문사가 생략된 구문은 배제하였다. [그림 6] My tape recorder which I had at that time. (S1A-047 #92) 사격보어. 잘 알려져 있듯이 영어에서는 명사구나 절 이외의 요소가 필수 요소 로 요구되는 경우들이 있다. 예컨대 put 의 경우 아래에서 보듯 목적어 명사구는 물론 장소보어도 요구된다 (Levin, 1993). (8) a. John put the book on the desk. b. *John put on the desk. c. *John put the book. 이 점 역시 ICE-GB 수형도상 구분이 가능하도록 되어 있어서 일괄 처리가 가능 하다. 위의 장소보어는 다른 부사구와는 달리 (CO,PP) 로 표기되어 있으므로, 필수 논항으로 추출하는데 아무런 문제가 없다. 실제 ICE-GB 에서 가져온 예는 [그림 7] 과 같다. 133

22 언어와 정보 제14 권 제1 호 [그림 7] So I needed to put a tag on me. (S1A-060 #203) 수동태 구문. 수동태 구문의 경우 주어자리의 논항은 해당 구문을 능동태로 변 형하였을 경우의 목적어 중 하나와 서로 상응하는 것으로 간주되고 있다. 그런데 어느 목적어와 상응하는지를 ICE-GB 에서의 수동태 구문의 수형도 만으로는 파악이 가능 하지 않다. 즉, 수동태 구문에서는 자동으로 일괄 논항 요소들을 추출하는 것이 쉽지 않은 듯 하다. 그렇다고 표면형에 의존해서만 추출할 경우 전체적으로 수치상 왜곡이 커질 것으로 판단되었다. 따라서 수동태 구문은 본고에서의 논의에서 모두 배제하였다. ICE-GB 의 통계에 따르면 전체 VP 중에서 수동태인 경우가 10% 를 약간 상회한다. 4.3 선택 선호도 이 소절에서는 ICE-GB 에서 추출된 수형도의 하위범주화 틀을 대상으로 각 동사가 어 떠한 하위범주화를 가지는가에 대한 계량적 검토를 시도한다. 앞 3 절에서 최종적으로 선택된 군집 177 개에 속한 동사는 총 437 개이다. 이들 동사들을 대상으로 하여 앞 4.1 절과 4.2 절에서 검토된 방법론에 따라 ICE-GB 에서 해당 수형도와 관계된 하위범주 화를 모두 추출하였다. 선택 선호도는 이들을 대상으로 하여 계산된다. 선택 선호도를 측정하는 가장 일반적인 모형은 Resnik (1996) 에서 제시된 이른바 Kullback-Leibler Divergence 모델이다 (Manning and Schu tze, 2002). 이 모델의 연 산은 다음 수식에 의하여 이루어 진다. 아래 수식에서 S 는 선호 강도 ( strength )를 v 는 해당 동사 ( verb ), 그리고 sf 는 하위 범주화 틀 ( subcategorization frame )을 각각 의미한다. 한편, P (A B) 는 B 가 일어났다는 조건 하에 A 가 일어나는 확률을 말한다. 134

23 영어 동사의 의미적 유사도와 논항 선택 사이의 연관성 송상헌 최재웅 S(v, sf i ) = i v)+1 P (sf i v)log P (sf q(sf ) i (7) i v)+1 ΣP (sf i v)log P (sf q(sf i ) 위 수식은 어떠한 동사에 속한 각각의 하위범주화가 어느 정도의 비율로 출현하 는가에 대한 선호 관계를 드러내는데, 아래는 그 예시로서 regard 의 선택 선호도에서 상위 3 개를 보여준다. [표 10] regard 의 선택 선호도 하위범주화 선택 선호도 Σ 1st CO,PP / OD,NP nd CO,PP rd CO,PP / NOOD,CL 상위 3 개의 선택 선호 강도에서 모두 일관되게 CO,PP 가 출현하고 있으며, 이는 동사 regard 가 취하는 가장 일반적인 형태의 논항 구조인 regard NP1 as NP2 구성 과 일치한다. [그림 8] 은 실제로 ICECUP 에서 검색한 해당 하위범주화 틀의 예시이다. [그림 8] Does he regard that as a serious problem? (S1B-052 #22) 이러한 방식을 따라 검출된 하위범주화의 선택 선호도를 437 개 동사를 대상으로 모두 계산한 다음, 그 결과를 주어진 177 개 군집에 따라 재정렬하였다. 아래는 그 일 부를 보여준다. 서론에서 살핀 ask 와 wonder 두 동사가 의미적으로는 같은 군집에 속해 있으나, 그 하위 범주화의 선택 선호도 양상이 서로 상이함을 알 수 있다. 135

24 언어와 정보 제14 권 제1 호 [표 11] 선택 선호도 예시 군집번호 동사 하위범주화 1 하위범주화 2 하위범주화 3 launch OD,NP NILL open OD,NP CO,AJP/OD,NP address OD,NP NILL ask CT,CL OI,NP OD,CL/OI,NP question OD,NP OD,CL wonder OD,CL OD,NP couple OD,NP NILL 0 pair NILL 0 NILL 0 0 NILL 5. 연관성 정도 검토 여기에서는 앞 3 절과 4 절에서 논의되고 추출된 결과를 조합하여 그 연관성을 검토 하고자 한다. 양자의 연관성은 6 가지로 구분이 되는데, 각각은 VS ( very strong ), S ( strong ) A ( average ), W ( weak ), VW ( very weak ) 그리고? 로 표지 되었다. S 의 경우에는 군집을 이룬 동사의 하위범주화 선택 선호도가 서로 강한 연관성을 보이 는 경우이며, A 은 중간 정도의 연관성을, 그리고 W 은 약한 연관성을 보이는 경우에 해당한다. 끝으로? 는 어떤 어휘가 ICE-GB 에서 동사로 사용된 용례가 없음을 말하는 데, 예컨대 위 [표 11] 에서 pair 가 이에 해당한다. 문제는 이들 각각을 판별하는 기준을 마련하는 것이다. [그림 9] 및 [그림 10] 을 통 해 본고에서 선택한 일치도 측정 기준을 비유적으로 설명하기로 한다. [그림 9] 그리고 [그림 10] 은 일치도 정보를 포함하는 가상의 틀에 해당한다. [그림 9] A 와 B 의 분포 어떠한 공간 안에 A 와 B 의 분포가 [그림 9] 에서 나타난 바 같이 정사각형의 형태 로 존재한다고 가정하자. 이때 양자가 얼마만큼의 분포를 공유하는가의 문제는 [그림 9] 에서 패턴으로 표시된 부분처럼 둘의 공통 부분, 다시 말해 교집합에 해당하는 영역의 면적을 구하는 문제와 같다. 이때, 오른쪽의 그림처럼 A 가 B 에 포함되는 형태로 존재 한다면, 이 경우 교집합은 A 의 분포와 같고, 따라서 둘 가운데 작은 값을 취하는 A 의 136

25 영어 동사의 의미적 유사도와 논항 선택 사이의 연관성 송상헌 최재웅 면적이 곧 공유되는 부분에 해당한다. 이를 본 소절의 연관성 포착에 적용하여 보기로 하자. [그림 10] 공유 분포 추정 [그림 10] 에서 A, B, C 각각은 a, b, c, d 가운데 세 항목을 대상으로 값을 취하며 그 각각의 분포는 위 그림과 같다. 이때, a, b, c, d 각각은 각 하위범주화 틀에 해당한다고 가정하자. 이 때, A, B, C 가 공통으로 취하는 영역의 값을 취한다면, 이는 [그림 10] 과 마찬가지로 a, b, c, d 각각에서 최소의 값을 보이는 항목을 선택하여, 그 값들의 합을 구하는 것과 동일하다. 위 [그림 10] 에서는 a 는 C 에서 3 을 취하고, b 는 A 에서 2 를 취하며, c 와 d 의 경우에는 공통의 영역이 없어 0 의 값을 가진다. 결과적으로 공통 부분의 면적은 5 가 될 것이다. 논항 관계의 전체 일치도 계산은 이러한 방식에 의거하여 계산된다. 5 단계로 구 분된 각 연관성 정도는 0.2 단위로 분할되는데, 예컨대, VS 는 0.8 이상의 일치도를 보이는 경우를 말한다. 이는 다시 말해, 어떤 어휘군이 서로 VS 의 관계성을 가질 때, 그 해당 어휘를 같은 군집에 속하는 다른 어휘로 치환하였을 경우, 그 바뀌어진 문장이 의미적으로도 상통하고 또한 통사적으로도 정문일 확률이 80% 이상임을 의미한다. 앞 의 [표 11] 을 그 일치도의 여부에 따라 관계성을 기술하면 [표 12] 와 같다. 이때, pair 는 동사로서의 쓰임이 없기 때문에, 군집 68 의 경우 관계성은? 로 명시되고 당연히 그 일치도 역시 0 으로 결정된다. [표 12] 선택 선호도 예시 번호 일치도 VS VW 관계성? 동사 하위범주화 1 하위범주화 2 하위범주화 3 launch OD,NP NILL open OD,NP CO,AJP/OD,NP address OD,NP NILL ask CT,CL OI,NP OD,CL/OI,NP question OD,NP OD,CL wonder OD,CL OD,NP couple - pair NILL OD,NP NILL NILL 0 0 NILL 0 이에 따라 수집된 관계성에 대한 분포는 아래 표와 같다. 우선 군집을 기준으로 하여 그 연관성을 포착하여 보면 아래와 같이 VS 및 S 의 관계, 다시 말해 유사한 의 미로 묶인 동사군이 하위범주화 틀을 공유할 확률이 큰 경우는 전체의 35% 에 속하며, 137

26 언어와 정보 제14 권 제1 호 [표 13] 군집별 관계성 (A) 군집개수 % Σ VS % 12.99% S % 35.03% A % 52.54% W % 73.45% VW % 93.22%? % 100% 다시 W 이하 및? 의 관계를 제외하고 나면 약 52% 의 합치를 보인다. 동사를 기준으로 정렬하였을 경우에는 [표 13] 보다 약간 낮은 확률을 보이고 있 는데, 이는 아래 표에 나타난 바와 같이 W 에 속하는 군집이 대체로 소속된 동사의 개수가 비교적 많기 때문이다. [표 14] 동사별 관계성 (B) 동사개수 (B)/(A) % Σ VS % 10.76% S % 31.35% A % 46.91% W % 69.57% VW % 93.82%? % 100% 이번에는 구체적인 자료를 검토해 본다는 차원에서, [표 12] 에 나온 예를 일부 살펴 보도록 하자. 우선 VS 에 속한 그룹의 launch, open 이 실제로 출현한 예문은 아래 (9), (10) 과 같다. (9) a. Well after the preamble we can now launch into the evidence of Egyptian art for this period (S2A-052 #61) b. Top scientist will launch country s space age project. (W2C-017 #91) (10) a. How late s Wombles open up. (S1A-011 #185) b. Open the wine. (S1A-065 #317) 위에서 (9a, 10a) 및 (9b, 10b) 각각은 서로 동일한 논항 구조로 실현되어 있다. 각각의 실현 양상은 -, OD,NP 에 해당한다. 138

27 송상헌 최재웅 영어동사의의미적유사도와논항선택사이의연관성 반면 VW에속한 (2) 의 ask, wonder 는위 [ 표 11] 에드러난바와같이그논항실현양상이판이하다. ask 가아래 (11) 에서차례로예시된바와같이 CT,CL (0.2673), OI,NP (0.2409), OD,CL/OI,NP (0.1577) 등의비교적고른분포의다양한논항실현양상을보인다면, wonder 는대개의경우 (12a) 와같이 OD,CL (0.8442) 로고정되어있음을알수있다. (11) a. They asked me to cover for them. (W2F-006 #143) b. Tomaso had asked his wife. (W2F-016 #39) c. And don t ask me what it s called because I couldn t tell you. (S1A-016 #144) (12) a. I wonder what it is. (S1A-054 #93) b. I was wondering that. (S1A-023 #280) 기존이론적논의에나온예문 (2) 와본연구의결과로정리된 [ 표 11] 및예문 (11)-(12) 를비교해볼때, 본고에서의연구가어떤차별적기여를할수있는지를 ask 와 wonder 를통해좀더구체적으로설명할수있다. (2) 가동사별하위범주화유형 (type) 을보여주는데그치고있는반면, 본고의결과는유형뿐만아니라그유형이개별적으로어떤빈도로쓰이고있는지, 그리고상대적으로어떤분포적특질을지니는지를상세하게보여주고있다. 두번째로, (2d) 에서는 wonder 가명사성어휘를직접목적어로취하는경우를비문으로파악하고있으나, (12b) 와같은구문이코퍼스에서는출현하고있다는점은, 그리고그것이상대적인비중이작지않다는점은, 연구자자신의직관에만의존하는연구의한계의한면을보여주고있다. 거기에더해서 wonder 가명사구를직접목적으로취할수있다는것을받아들인다면, (2) 에제시된 ask 와 wonder 사이의분포적차이는사라지게되고마치 ask 와 wonder 가동일한하위범주화를취하는것으로인식될것이다. 그러나본고의연구결과에따르면 wonder 가명사구를직접목적어로취한다해서, 그것이곧 ask 와 wonder 가유사한하위범주화적특성을띤다는결론을내릴수는없다는점을명시적으로제시하고있다. 즉, 하위범주화틀에다가선택선호도를결합할경우, 이론적연구에서처럼하위범주화만고려한경우와는전혀다른결론이나올수있다는점을보여주고있다. 이러한점들은본논문에서의연구가기존이론적연구에비해한차원추가된측면을고려하고있다는점과, 아울러기존연구에비해훨씬더세밀한분류를가능케해준다는점을입증해준다. 139

28 언어와 정보 제14 권 제1 호 5.1 일치도의 점진성 [표 13] 및 [표 14] 의 원형 도표를 보면 범주별로 분포가 고른 편이다. 일치도의 전체 분포를 시각적으로 보다 잘 보여주기 위해 의미 유사도와 하위범주화 선택 선호도 사 이의 일치 정도를 막대 도표로 변환해 볼 수 있다. [그림 11] 은 177 개 군집에 대한 각 일치도를 역순으로 정렬하여 이를 도표로 나타낸 것이다. 가운데 굵은 점선으로 표시된 것은 전체 값의 추세선을 나타낸다. 추세선이 드러내는 분포적 특징은, 각 일치도 값이 매우 점진적이라는 점과 아울러, 경계절점을 명확히 규정하기가 쉽지 않다는 점이다. [그림 11] 일치도의 점진적 분포 실제로 몇몇 섬 제약 역시 점진적인 (squish) 분포를 드러낸다는 점은 Fodor (1983) 등에서도 논의된 바 있으며, Kluender (1998) 를 위시한 연구에서도 본고의 구분법과 유사하게 강한 ( strong ) 제약과 약한 ( weak ) 제약이라는 다소 상대적인 개념을 통해 제약의 분포 특성을 파악하려 한 바 있다. 나아가, 최근의 Hofmeister and Sag (In Press) 등에서는 주요 통사적 제약들이 가지는 넓은 범위의 문법성 스펙트럼 설명하기 위해 처리율 (Processing Account) 과 같은 개념을 도입하고 있다. 이를 본 연구에 적용하자면, 위에서 말하는 일치도 역시 참 또는 거짓의 개념이라기보다는 처리율상의 정도성 차이로 파악하는 것이 타당하다 하겠다. 즉, launch, open 등의 이른바 강한 일치를 보이는 군집은 논항구조의 동일성이 쉽게 발견되는 반면, ask, wonder 등의 이른바 약한 일치를 보이는 군집은 그렇지 못하다고 정리할 수 있다. 6. 결론 본고에서는 영어 동사의 논항 구조와 의미 사이의 연관성 정도에 대하여, 유사 의미 동사가 하위범주화적 특성도 공유하는가라는 관점에서 검토를 하였다. 구체적으로는 의미적으로 유사한 동사 묶음을 최대한 찾아낸 뒤에 그 묶음 별로 동사 사이의 하위범 주화 일치도가 어느 정도인지를 판정하였고, 그러한 결과는 매우 상세한 표로 제시되었 140

29 송상헌 최재웅 영어동사의의미적유사도와논항선택사이의연관성 다 11. 그표에근거해추가분석을해본결과, 일치도의분포가점진적인성격을띠고있으며, 의미적유사성이하위범주화상의유사성으로모두반영되는것은아니라는점을확인할수있었다. 어떤동의어동사묶음의경우엔하위범주화상의유사성이큰반면, 반대로의미적으로유사한동사들인데도하위범주화상특성이공유되지않는경우들도있었다. 그러한분포가점진적인특성을지니고있다는점은, 문법의주요현상들이점진적인분포를보인다는최근의언어학적연구결과들과도부합된다. 특히본연구는하위범주화에대한유형뿐만아니라각유형이얼마나잦은빈도로쓰이고있는지, 그리고그러한빈도가상대적으로어떻게평가되는지에따라동사별하위범주화특성을고려해보아야한다는점을보이고있다. 본연구에서는전산언어학적인방법론을최대한반영하였다. 12 직관에의존하는전통적인언어학적연구방법론을취할경우엔, 개별어휘에대한꾸준한분석작업을통해본고가출발점으로삼은의문에답을할수있을것이다. 그러나개인의직관에의존한연구및분류는뚜렷한한계가있다. 특히소수의연구자가대규모자료를처리하는데는그것에드는시간과자원을감당하기어렵고, 무엇보다도객관적인검증이쉽지않다는문제점이있다. 13 따라서이러한개별적, 예시적, 직관적연구방법론을대체할수있는객관적인방법론, 아니면적어도최소한그러한기존방법을보완할수있는방법을이용한연구가필요하다. 잘알려져있다시피, 이미구축되어공개된코퍼스및언어자원을이용한최근의전산언어학적방법론이이에대한한가지답이될수있다. 이러한방법론을취할경우, 1차자료의수집과정리가연구자와분리된다. 그결과, 연구자자신의직관에는극히제한적으로만의존하게되고, 따라서혹시라도연구자의이론적성향에따라자료수집과판정이좌우될가능성을원천적으로피할수있다. 본연구역시이러한전산언어학적인방법론을취하여의미와하위범주화사이의연관성에대한한가지탐구방식및그결과를제시하고있다. 특히의미유사도나하위범주화선택선호도등을모두수치화하여세밀한계산및비교, 해석등이가능하도록하였다는점이본연구의특징이라고할수있다. 이러한연구결과및특징에도불구하고, 본연구는문제를해결한것이상으로더많은의문을제기하고있다. 그중하나는, 어휘별의미적분화, 즉어휘가여러어의 (sense) 를가질수있다는점을충분히고려할수없었고, 따라서그러한면에서의한 11 전체표는아래의주소에서다운로드받을수있다 본연구의각단계에서는해당목적에따라 ANSI C++, Perl, Python 등의프로그래밍언어가활용되었다. 우선의미적유사도측정과관련하여서는 WordNet::Similarity 를바로이용하기위해 Perl 을사용하였으며, 군집화알고리즘은산술연산이매우많은관계로실행속도가빠른 ANSI C++ 로구현하였다. 끝으로선택선호도및일치도계산은텍스트처리에능동적인 Python 으로구현하였다. 이가운데, 주어진데이터에독립적일수있는모듈은의미유사도측정프로그램과군집화프로그램이다. 이들역시앞서언급한고빈도어휘유사도목록과함께아래의주소에소스전체가공개되어있다 13 이는 annotate automatically, correct manually 라는전산언어학일반에서입증된최적방법론과궤를같이한다 (Marcus, Marcinkiewicz, and Santorini, 1993). 141

30 언어와정보 제 14 권제 1 호 계가본연구에어떤형태로영향을끼쳤는지가확인되어야한다 ( 3.2). 다른하나는선택선호도를바탕으로한하위범주화일치의정도를계산하는방식의타당성이다. 거기에더해의미적유사성을결정하는데사용한척도 (z-score) 가과연타당한것인지에대한추가검증도필요하다. 그밖에도, 본연구가매우세밀한절차와다량의계산을바탕으로한것이기때문에, 단계별, 계산식별대안의여지는충분하다. 또한근본적으로본고가활용한언어자원, 즉 ICE-GB, WordNet, COBUILD 등이지니는내적한계를벗어날수없다는점도본고의한계중하나라할수있다. 이러한문제점과의문점들은그하나하나가흥미로운쟁점이면서추가연구가필요한주제라할수있다. 또한그러한한계에도불구하고본연구에서타당성이일부객관적으로입증되는연구결과가나왔다는점은, 본연구와같은방식의추후연구필요성을뒷받침하고있다고본다. 본연구성과의응용분야는이론언어학적인연구와전산언어학적연구로구분된다. 우선이론언어학적으로는그동안연구자의직관을통해구축된언어자료 ( 예컨대, (Levin, 1993)) 의실효성에대해서검증을하고, 이를통해보다실제자원에기반한결과물을얻어낼수있을것이다. 뿐만아니라, 앞서 5.1절에서살펴본바와같이처리율에따른문법성스펙트럼을경험적으로확인할수있는바탕을제공한다 (Hofmeister and Sag, In Press). 반면전산언어학적연구로는본고에서정리된동사의의미별군집및선택선호도관계표를바탕으로하여어의중의성해소 (Word Sense Disambiguation), 의미역자동부착 (Semantic Role Labeling), 및기계번역등의성능향상을도모할수있다 (Erk, 2007; Chan, Ng, and Chiang, 2007). 14 < 참고문헌 > Banerjee, Satanjeev and Ted Pedersen Extended Gloss Overlaps as a Measure of Semantic Relatedness. In Proceedings of the 18th International Joint Conference on Artificial Intelligence, Acapulco, Mexico. Budanitsky, Alexander and Graeme Hirst Evaluating WordNet-based Measures of Lexical Semantic Relatedness. Computational Linguistics 31, Chan, Yee Seng, Hwee Tou Ng, and David Chiang Word Sense Disambiguation Improves Statistical Machine Translation. In Proceedings of the 45th Annual Meeting of the Association of Computational Linguistics, Prague, Czech Republic. Erk, Katrin A Simple, Similarity-based Model for Selectional Preferences. In Proceedings of the 45th Annual Meeting of the Association of Computational Linguistics, Prague, Czech Republic. 14 현재필자들이다음단계로구상하고있는연구대상은크게두가지이다. 하나는마찬가지의연구를한국어에적용하는것이며, 다른하나는한국어및영어의결과물을기반으로해서구문분석기및기계번역의성능을개선하는것이다. 전자의경우 WordNet 은 KorLex( 를, 일반화코퍼스는세종구문분석말뭉치를대상으로한다. 후자의경우에는규칙기반과통계기반으로나누어구문분석기와영 - 한 / 한 - 영기계번역환경에각각결과를적용해볼것이다. 142

31 송상헌 최재웅 영어동사의의미적유사도와논항선택사이의연관성 Fodor, Janet D Phrase Structure Parsing and the Island Constraints. Linguistics and Philosophy 6, Hofmeister, Philip and Ivan A. Sag. In Press. Cognitive Constraints and Island Effects. Language 86. Jiang, Jay J. and David W. Conrath Semantic Similarity based on Corpus Statistics and Lexical Taxonomy. In Proceedings of International Conference Research on Computational Linguistics (ROCLING X), Taiwan. Jurafsky, Daniel and James H. Martin Speech and Language Processing (second edition). Pearson Prentice Hall, Upper Saddle River, NJ. Kaufman, Leonard and Peter J. Rousseeuw Finding Groups in Data : An Introduction to Cluster Analysis. Wiley, New York. Kluender, Robert On the Distinction between Strong and Weak Islands: a Processing Perspective. In Peter Culicover and Louise McNally (eds.), Syntax and Semantics 29: The Limits of Syntax. Academic Press, San Diego, CA, pp Lasnik, Howard, Juan Uriagereka, and Cedric Boeckx A Course in Minimalist Syntax: Foundations and Prospects. Wiley-Blackwell, Malden, MA. Lesk, Michael Automatic Sense Disambiguation Using Machine Readable Dictionaries: how to Tell a Pine Cone from an Ice Cream Cone. In Proceedings of the the 5th Annual International Conference on Systems Documentation, Toronto, Ontario, Canada. Levin, Beth English Verb Classes and Alternations: A Preliminary Investigation. The University of Chicago Press, Chicago, IL. Lin, Dekang Principle Based Parsing without Overgeneration. In Proceedings of the 31st Annual Meeting of the Association for Computational Linguistics, Columbus, Ohio. Manning, Christopher D Automatic Acquisition of a Large Subcategorization Dictionary from Corpora. In Proceedings of the 31st Annual Meeting of the Association for Computational Linguistics, Columbus, Ohio. Manning, Christopher D. and Hinrich Schütze Foundations of Statistical Natural Language Processing. MIT Press, Cambridge, MA. Marcus, Mitchell P., Mary A. Marcinkiewicz, and Beatrice Santorini Building a Large Annotated Corpus of English: the Penn Treebank. Journal of Computational Linguistics 19, Nelson, Gerald C., Sean Wallis, and Bas Aarts Exploring Natural Language: Working with the British Component of the International Corpus of English (Varieties of English Around the World). John Benjamins Publishing Co., Amsterdam, The Netherlands. Pedersen, Ted Empiricism Is Not a Matter of Faith. Computational Linguistics 34, Pedersen, Ted, Siddharth Patwardhan, and Jason Michelizzi WordNet::Similarity - Measuring the Relatedness of Concepts. In Proceedings of the 19th National Conference on Artificial Intelligence, Boston, MA. 143

32 언어와정보 제 14 권제 1 호 Resnik, Philip Using Information Content to Evaluate Semantic Similarity. In Proceedings of the 14th International Joint Conference on Artificial Intelligence, Montreal, Quebec, Canada. Resnik, Philip Selectional Constraints: An Information-Theoretic Model and its Computational Realization. Cognition 61, 송상헌 전지은 최재웅 영어 형용사 + 전치사구 구문의의미적제약 : ICE-GB 와 WordNet 을활용한통계적검증. 언어와언어학 41, 접수일자 : 2010 년 5 월 7 일 게재결정 : 2010 년 5 월 24 일 144