Computational lexical analysis of Flamenco genres

이 논문은 자연어 처리와 머신러닝 기법을 활용하여 2000 여 편의 플라멩코 가사를 분석하여 장르별 어휘적 특징과 의미 장을 규명하고, 장르 간 거리 측정을 통해 플라멩코 스타일 간의 역사적 연관성과 진화 과정을 정량적으로 규명한 연구입니다.

핵심

🎵 1. 연구의 배경: "음악은 들리는 것만으로는 부족해"

플라멩코는 유네스코가 인정한 인류 무형문화유산입니다. 하지만 지금까지 이 음악의 가사 (노래 내용) 를 분석할 때는 전문가들의 '직관'이나 '경험'에 의존해 왔습니다. 마치 요리사의 입맛으로만 요리의 맛을 평가하는 것과 비슷하죠.

하지만 이 연구팀은 **"컴퓨터가 수천 개의 가사를 읽어서, 각 장르의 특징을 숫자로 증명해 보자!"**라고 생각했습니다.

🔍 2. 연구 방법: "음악 장르를 구별하는 '단어 지문'"

연구팀은 2,000 개 이상의 플라멩코 가사를 수집했습니다. 그리고 **자연어 처리 (NLP)**라는 기술을 사용했습니다.

• 비유: 각 플라멩코 장르 (예: 부레리아스, 솔레아 등) 는 마치 서로 다른 마을과 같습니다.
  • 어떤 마을은 '바다', '배', '여행'이라는 단어를 자주 쓰지만,
  • 다른 마을은 '신', '영혼', '슬픔'이라는 단어를 많이 씁니다.
• 컴퓨터의 역할: 컴퓨터는 이 마을들 (장르들) 이 사용하는 **단어들의 패턴 (지문)**을 분석합니다. "아, 이 가사에 '바다'와 '카디스'라는 단어가 자주 나오네? 이건 확실히 '알레리아스' 장르의 노래구나!"라고 자동으로 분류하는 것입니다.

📊 3. 주요 발견 1: "단어만으로 장르를 맞힐 수 있을까?"

컴퓨터는 머신러닝 (기계 학습) 모델을 훈련시켜 가사만 보고 장르를 맞추게 했습니다. 결과는 놀라웠습니다.

• 성공률: 대부분의 경우, 컴퓨터는 가사의 단어만 보고도 85~90% 이상의 정확도로 어떤 장르인지 맞췄습니다.
• 의미: 이는 플라멩코의 각 장르가 단순히 리듬이나 멜로디뿐만 아니라, 노래에 담긴 '단어의 세계'에서도 뚜렷하게 구분된다는 것을 의미합니다.

🧩 4. 주요 발견 2: "혼동되는 장르들 (역사적 연결고리)"

컴퓨터가 가끔 실수하는 부분도 흥미로웠습니다. 컴퓨터가 "이건 A 장르인가, B 장르인가?"라고 헷갈려 했던 부분들이 사실은 역사적으로 깊은 연관이 있는 장르들이었습니다.

• 예시:
  • **솔레아 (Soleá)**와 부레리아스 (Bulerías): 컴퓨터가 자주 혼동했습니다. 실제로는 부레리아스가 솔레아를 빠르게 변형시킨 것이라는 역사적 설이 있습니다.
  • **탕고스 (Tangos)**와 티엔토스 (Tientos): 역시 서로 매우 비슷하게 분류되었습니다. 티엔토스는 탕고스를 느리게 변형한 것이라는 게 정설입니다.
• 결론: 컴퓨터는 음악 이론이나 역사책을 읽지 않았지만, 단어의 사용 패턴을 통해 이 장르들이 '친척 관계'임을 알아챈 것입니다.

🌳 5. 네트워크 분석: "플라멩코 가문의 가족 나무"

연구팀은 각 장르 사이의 '단어 거리'를 계산하여 네트워크 지도를 그렸습니다.

• 비유: 플라멩코 장르들을 하나의 거대한 가족으로 생각해보세요.
  • **부레리아스 (Bulerías)**는 이 가족의 중앙에 있는 큰 나무처럼 다른 모든 장르와 연결되어 있습니다. (가장 다양한 단어를 쓰기 때문)
  • **알레리아스 (Alegrías)**는 가장 멀리 떨어진 외진 오두막처럼 다른 장르들과는 단어가 많이 다릅니다. (카디스 지역의 축제 분위기가 강해서)
  • **시구리아스 (Seguiriyas)**와 **솔레아 (Soleá)**는 가장 가까운 친척처럼 단어가 매우 비슷합니다. (로마니 (집시) 문화와 깊은 슬픔을 공유하기 때문)

이 지도를 통해 연구팀은 "아, 마라가 지방에서 온 '말라게냐스'와 '판당고스'는 서로 매우 가깝구나", "집시 문화가 강한 장르들은 한 무리를 이룬다"는 사실을 수치로 증명했습니다.

💡 6. 결론: "컴퓨터가 들려주는 플라멩코의 이야기"

이 연구는 단순히 "컴퓨터가 노래를 분류했다"는 것을 넘어, 플라멩코 가사가 어떻게 집시의 역사, 슬픔, 사랑, 그리고 지역 문화를 담아내고 있는지를 보여줍니다.

• 집시 (Gitano) 문화: '집시', '어머니', '영혼' 같은 단어가 자주 등장하며, 특히 슬픔과 고통을 다룰 때 로마니 (집시) 언어가 섞여 나옵니다.
• 지역색: '카디스', '바다', '벽' 같은 단어는 특정 지역의 축제 분위기를, '전쟁', '교황' 같은 단어는 역사적 사건을 반영합니다.

한 줄 요약:

"컴퓨터가 수천 편의 플라멩코 가사를 읽어서, 각 장르가 사용하는 '단어 지문'을 분석한 결과, 이 음악들이 서로 어떻게 다른지, 그리고 어떤 역사적 가족 관계를 맺고 있는지 밝혀냈다."

이처럼 컴퓨터라는 새로운 렌즈를 통해 우리는 수백 년 된 전통 음악이 가진 숨겨진 구조와 아름다움을 더 깊이 이해할 수 있게 되었습니다.

기술 요약

논문 개요

이 연구는 유네스코 인류무형문화유산으로 등재된 스페인 안달루시아의 전통 음악인 **플라멩코 (Flamenco)**의 가사 (lyrics) 를 대상으로 자연어 처리 (NLP) 및 머신러닝 기법을 적용하여, 가사의 어휘적 특성을 통해 각 장르 (Palo) 를 분류하고 그 간의 역사적, 문화적 관계를 정량적으로 규명하는 것을 목표로 합니다. 기존에 주로 정성적 분석이나 음악적 특징 (리듬, 선율) 에 의존하던 플라멩코 연구의 공백을 메우고, 가사 텍스트 마이닝을 통해 장르 분류와 진화 관계를 규명하는 새로운 접근법을 제시합니다.

1. 연구 문제 (Problem Statement)

• 정량적 연구의 부재: 플라멩코는 구전으로 전승되는 전통으로, 악보나 체계적인 가사 데이터베이스가 부족하며, 장르 분류가 주로 청자의 주관적 경험과 해석에 의존해 왔습니다.
• 가사 분석의 부재: 기존 컴퓨테이셔널 플라멩코 연구는 춤의 생체역학, 리듬 유사성 분석, 음악 데이터베이스 구축 등에 집중되어 있었으나, 가사의 내용 (콘텐츠) 을 분석한 연구는 전무했습니다.
• 연구 질문 (RQ):
  1. 가사의 어휘 (Lexicon) 만으로 플라멩코의 장르 (Palo) 를 분류할 수 있는가? 각 장르의 특징적인 어휘는 무엇인가?
  2. 어휘적 유사성을 기반으로 주요 플라멩코 장르 간의 관계는 어떻게 되는가?

2. 방법론 (Methodology)

연구진은 Norman P. Kliman 의 웹사이트에서 수집된 2,216 개의 플라멩코 가사 코퍼스 (가장 많이 표현된 8 가지 주요 장르: Bulerías, Soleá, Seguiriyas, Fandangos, Tangos, Tientos, Malagueñas, Alegrías) 를 분석 대상으로 삼았습니다.

• 데이터 전처리:
  • 구두점 및 악센트 제거, 고유명사와 일반 명사 구분, 대소문자 통일, 불용어 (Stop words) 제거.
  • 지리적/종교적 이름의 분리된 단어 통합 (예: "Santa Ana" $\rightarrow$ "SantaAna").
• 어휘 풍부도 분석:
  • Vocabulary Size ($|V|$): 각 장르별 고유 단어 수 분석.
  • Standardized Type-to-Token Ratio (sTTR): 텍스트 길이에 따른 편향을 보정하여 어휘 다양성을 정량화.
• 머신러닝 분류 모델 (Palo Classification):
  • Multinomial Naive Bayes (MNB): 텍스트 분류에 널리 사용되는 알고리즘을 적용.
  • TF-IDF: 단어의 중요도를 반영하기 위해 Term Frequency-Inverse Document Frequency 벡터를 사용하여 문서를 표현.
  • 학습/검증: 데이터를 85% (학습) 와 15% (검증) 로 분할하여 100 회 반복 학습을 통해 정확도 (Accuracy) 와 혼동 행렬 (Confusion Matrix) 을 분석.
• 특징 어휘 추출 (Essential Lexicon):
  • MNB 모델이 계산한 각 단어의 조건부 확률 $P(w|C)$를 기반으로, 특정 장르에 가장 특징적인 '필수 단어 (Essential words)'를 추출하고 이를 통해 의미장 (Semantic fields) 을 규명.
• 장르 간 관계 분석:
  • Cosine Distance: 각 장르의 가사 집합을 문서 벡터로 간주하여 어휘적 거리를 계산.
  • 네트워크 분석 및 계층적 클러스터링: 거리 행렬을 기반으로 계층적 클러스터링 (Dendrogram) 과 최소 신장 트리 (Minimum Spanning Tree, MST) 를 구성하여 장르 간의 계보적 관계를 시각화.

3. 주요 결과 (Key Results)

A. 장르 분류 정확도 (RQ1)

• 높은 분류 성공률: MNB 모델을 통해 가사의 어휘만으로 주요 8 개 장르를 높은 정확도로 분류할 수 있음을 입증했습니다.
  • Seguiriyas: 91% (가장 높은 정확도)
  • Alegrías: 88%
  • Soleá: 85%
  • Fandangos, Bulerías: 75% 이상
  • Tangos, Tientos: 상대적으로 낮은 정확도 (각각 50%, 61%)
• 혼동 (Confusion) 의 의미: Tangos 와 Tientos, Soleá 와 Bulerías, Malagueñas 와 Fandangos 사이에서 높은 혼동률이 관찰되었습니다. 이는 단순히 분류 오류가 아니라, 역사적으로 밀접한 관련이 있는 장르들임을 시사합니다. (예: Tientos 는 Tangos 의 느린 변형, Bulerías 는 Soleá 의 가속화 버전이라는 기존 이론과 일치).

B. 특징 어휘 및 의미장 (Characteristic Lexicon)

각 장르마다 고유한 어휘 패턴이 존재하며, 이는 해당 장르의 문화적, 역사적 배경을 반영합니다.

• Alegrías: 지리적 배경 (Cádiz, Navarra), 축제, 기쁨과 관련된 어휘 (mar, Cádiz, alegría).
• Seguiriyas & Soleá: 심오한 고통, 종교, 집시 (Gypsy) 문화와 관련된 어휘 (Dios, alma, libertad, desgracia). 특히 Caló(스페인 집시 방언) 어휘 (duquelas, camelar 등) 가 특징적으로 나타남.
• Bulerías: 집시 문화, 가족, 사랑, 그리고 다양한 지명 (Seville) 이 혼합된 다채로운 어휘.
• Fandangos & Malagueñas: 사랑, 슬픔, 죽음, 종교적 주제. Fandangos 는 'mujer'(여자), 'querer'(사랑하다) 등 사랑 고백에 집중된 어휘가 두드러짐.
• Tangos & Tientos: 전쟁 (guerra), 종교적 인물 (Virgen, Humildad), 지리적 장소 (Triana, Utrera) 와 관련된 어휘.

C. 장르 간 관계 및 네트워크 (RQ2)

• Cosine Distance 분석: Alegrías 는 다른 모든 장르와 가장 먼 거리를 보이며 가장 독립적인 어휘 구조를 가짐. 반면, Tangos 와 Tientos (거리 0.26), Bulerías 와 Soleá (거리 0.28) 는 매우 가까운 관계를 보임.
• 최소 신장 트리 (MST) 분석: 4 개의 주요 가지 (Branch) 로 나뉘며 Bulerías가 모든 가지를 연결하는 허브 (Hub) 역할을 함.
  1. 집시 스타일 (Seguiriyas, Soleá)
  2. 말라가 (Málaga) 기원 (Malagueñas, Fandangos)
  3. Tangos 계열 (Tangos, Tientos)
  4. Alegrías (독립적)
• 이 구조는 기존 음악학적 이론 (Tientos 의 Tangos 에서의 분화, Malagueñas 와 Fandangos 의 공통 기원 등) 을 정량적으로 지지함.

4. 주요 기여 및 의의 (Contributions & Significance)

1. 정량적 분류 체계의 확립: 플라멩코 장르 분류가 음악적 특징뿐만 아니라 가사의 어휘적 특징만으로도 객관적으로 가능함을 증명했습니다. 이는 주관적 분류의 한계를 극복하는 계기가 됩니다.
2. 문화적 통찰의 제공: 계산적 분석을 통해 각 장르가 지닌 역사적, 지리적, 민족적 (집시 문화) 배경을 어휘 수준에서 구체적으로 규명했습니다. 특히 Caló 어휘의 분포를 통해 집시 문화와의 깊은 연관성을 데이터로 입증했습니다.
3. 장르 진화 및 관계 규명: 머신러닝과 네트워크 분석을 통해 장르 간의 계보적 관계를 시각화하고, 기존 학설을 검증하거나 새로운 연결 고리를 발견했습니다.
4. 무형문화유산 연구의 새로운 패러다임: 구전 전통인 플라멩코와 같은 무형문화유산을 분석하기 위해 NLP 와 머신러닝을 적용한 선구적인 사례로, 다른 전통 음악 연구에도 방법론적 모델을 제공합니다.

5. 결론 및 한계

이 연구는 플라멩코 가사의 어휘적 다양성이 단순한 텍스트가 아니라, 안달루시아의 역사와 문화적 정체성을 담보하는 복잡한 시스템임을 보여주었습니다. 다만, 데이터셋의 불균형 (일부 장르의 과대표, 일부 장르의 부재) 과 전처리 과정의 한계 (불용어 제거 기준 등) 는 향후 연구에서 보완해야 할 점으로 지적되었습니다. 그럼에도 불구하고, 이 연구는 전통 음악의 디지털 인문학적 분석 (Digital Humanities) 에 있어 중요한 이정표가 되었습니다.