Hybrid topic modelling for computational close reading: Mapping narrative themes in Pushkin's Evgenij Onegin

논문 개요

이 연구는 푸슈킨의 서사시 《유진 오네긴》 (Evgenij Onegin) 을 대상으로, 하이브리드 토픽 모델링 (Hybrid Topic Modelling) 프레임워크를 구축하여 계산적 독해 (Computational Close Reading) 를 수행하는 방법을 제시합니다. 저자는 대규모 코퍼스가 아닌 단일 텍스트 내에서 주제의 구조와 시간적 역동성을 분석하기 위해, 비지도 학습인 **잠재 디리클레 할당 (LDA)**과 지도 학습인 **희소 부분 최소 제곱 판별 분석 (sPLS-DA)**을 결합했습니다.

1. 연구 문제 (Problem)

• 단일 텍스트 분석의 한계: 기존 토픽 모델링은 주로 대규모 텍스트 코퍼스의 패턴 발견 (Distant Reading) 에 초점을 맞추어 왔습니다. 그러나 단일 문학 작품, 특히 시와 같은 고밀도 텍스트의 경우, 단어의 공현 (co-occurrence) 만으로는 은유, 운율, 화자의 뉘앙스 등 문학적 의미를 포착하기 어렵습니다.
• 작은 코퍼스의 불안정성: 단일 작품 (약 35 개의 문서 블록) 과 같은 작은 데이터셋에서 LDA 를 적용할 경우, 토픽의 불안정성과 해석의 모호성이 발생할 수 있습니다.
• 해석의 검증 필요성: 비지도 학습으로 도출된 토픽이 실제 문학적 해석 (Close Reading) 과 얼마나 일치하는지를 검증할 수 있는 체계적인 방법론이 부족했습니다.

2. 방법론 (Methodology)

가. 코퍼스 및 전처리 (Corpus & Preprocessing)

• 원문: 푸슈킨의 《유진 오네긴》을 이탈리아어로 번역한 Giuseppe Ghini 의 판본 (2021) 사용.
• 세분화 (Segmentation): 14 행으로 구성된 '오네긴 연 (Stanza)'을 기본 단위로 하되, LDA 의 안정성을 위해 연속된 10~11 개의 연을 하나의 문서 (Block) 로 병합하여 총 35 개의 문서로 구성.
• 전처리:
  • UDPipe 를 활용한 형태소 분석 및 어근 (Lemma) 추출.
  • 품사 필터링: 명사 (NOUN), 고유명사 (PROPN), 형용사 (ADJ) 만을 유지하고, 서술어 역할을 하는 동사 (VERB) 는 제외 (서술적 진행보다는 주제적 정체를 강조하기 위함).
  • 고유명사 정규화 (Tat'jana, Evgenij 등) 및 외래어 (프랑스어 등) 를 일반 토큰으로 처리.
  • 빈도 3 회 미만인 단어 제거.

나. 하이브리드 모델링 프레임워크

1. 비지도 학습 (LDA):

   • 35 개의 문서와 756 개의 어휘로 구성된 문서 - 용어 행렬 (DTM) 에 LDA 적용.
   • 하이퍼파라미터: 토픽 수 $K=5$, $\alpha=2$, $\beta=0.15$로 설정 (짧은 문서 특성을 고려하여 토픽의 혼합을 유도하고 희귀 단어가 지배하는 것을 방지).
   • 안정성 확보: 100 번의 독립적인 Gibbs 샘플링 실행 후, Hungarian 알고리즘을 사용하여 토픽 라벨 정렬 (Alignment) 및 컨센서스 (Consensus) 추정 수행.
   • 유효 토픽 수 ($N_{eff}$): 4.52 로 산출되어 5 개의 토픽이 균일하게 분포됨을 확인.

2. 지도 학습 검증 (sPLS-DA):

   • LDA 로 도출된 토픽을 '지상 진실 (Ground Truth)' 클래스로 간주하고, 이를 분류하는 **희소 부분 최소 제곱 판별 분석 (sPLS-DA)**을 수행.
   • 목적: LDA 토픽이 지도 학습 하에서도 구별 가능한지 확인하고, 각 토픽을 정의하는 **핵심 변별 어휘 (Core-exclusive lemmas)**를 추출.
   • One-vs-Rest (OvR) 전략: 5 개 클래스를 이진 분류기로 변환하여 과적합 방지 및 안정성 확보.
   • 결합: LDA 의 상위 30 개 단어와 sPLS-DA 의 변별 어휘를 비교하여 교차 검증 (Cross-validation) 및 공통 어휘 집합 도출.

3. 서사 허브 (Narrative Hubs) 분석:

   • 연 (Stanza) 단위의 서사적 중요 장면 (예: 타티야나의 편지, 오네긴의 답장 등) 을 '허브'로 정의.
   • 허브 단위의 토픽 분포와 어휘 구성을 정량화하여 서사 구조와 토픽의 매핑을 시각화.

3. 주요 결과 (Key Results)

가. 도출된 5 개의 주제 (Themes)

LDA 와 sPLS-DA 를 통해 도출된 5 개의 일관된 주제는 다음과 같습니다:

1. 자연 및 서정적 이미지 (Natural & lyrical imagery): 겨울, 눈, 숲, 달, 타티야나 등. (타티야나의 내면 세계와 자연의 조화)
2. 개인의 기대 및 열망 (Individual expectations & aspirations): 영광, 꿈, 시간, 삶, 뮤즈 등. (낭만적 자아 성찰과 예술적 열망)
3. 서정적 - 감성적 분출 (Lyrical–sentimental effusion): 사랑, 마음, 꿈, 운명 등. (가장 감성적인 주제, 편지 교환 장면에서 두드러짐)
4. 사회적 및 일상적 환경 (Social & mundane milieu): 발레, 군중, 패션, 예의 등. (상트페테르부르크의 사교계와 가면무도회)
5. 감정과 사회적 관습 (Feelings & social conventions): 친구, 적, 피, 총, 결투 등. (감정과 사회적 명예 규범의 충돌, 비극적 결말)

나. 모델 성능 및 검증

• LDA 안정성: 100 번의 실행에서 토픽 할당 일치율이 100% 에 가까웠으며, Jaccard@30 평균 0.41, Spearman 상관관계 0.91 로 높은 안정성 확보.
• sPLS-DA 분류 성능: 35 개의 작은 샘플에도 불구하고, 교차 검증 기준 **평균 정확도 85%, 균형 정확도 70%**를 기록하여 LDA 토픽이 통계적으로 유의미한 구별력을 가짐을 입증.
• 어휘 수렴: LDA 의 상위 단어와 sPLS-DA 의 변별 어휘가 높은 일치도를 보였으며, 특히 '만남 (incontro)', '운명 (destino)', '시간 (tempo)' 등의 단어가 서사적 전환점에서 핵심 역할을 함을 확인.

다. 서사적 매핑 (Narrative Mapping)

• 편지 교환 장면 분석: 타티야나의 편지 (H5) 와 오네긴의 답장 (H6), 그리고 이후 역할이 바뀐 오네긴의 편지 (H12) 와 타티야나의 답장 (H13) 을 분석.
  • 타티야나의 초기 편지는 '서정적 - 감성적 분출'과 '자연적 이미지'가 지배적이었으나, 최종 답장에서는 '개인의 기대'와 '사회적 관습'으로 주제가 이동하며 성숙과 사회적 규범 수용을 보여줌.
  • 오네긴의 답장은 '서정적 분출'과 '사회적 관습'의 갈등을 동시에 보여주며, 그의 감정의 억압과 고립을 드러냄.
• 결투 장면 (H9): '감정과 사회적 관습' 토픽이 정점을 찍으며, 오네긴과 렌스키의 비극적 충돌을 수치적으로 증명.

4. 주요 기여 (Key Contributions)

1. 단일 텍스트를 위한 하이브리드 프레임워크: 대규모 코퍼스가 아닌 단일 문학 작품에 대해 LDA 와 sPLS-DA 를 결합한 계산적 독해 (Computational Close Reading) 방법론을 정립했습니다.
2. 작은 코퍼스의 안정성 해결: 다중 시드 (Multi-seed) 컨센서스 프로토콜과 sPLS-DA 를 통한 지도 학습 검증을 통해 작은 데이터셋에서의 토픽 모델링 불안정성을 극복했습니다.
3. 해석 가능성의 증대: 단순한 토픽 리스트를 넘어, sPLS-DA 를 통해 도출된 '핵심 변별 어휘'와 '서브-주제 (Sub-themes)'를 매핑하여 문학적 해석을 정량적으로 뒷받침하는 투명하고 재현 가능한 템플릿을 제공했습니다.
4. 서사 구조와의 정합성: 계산적으로 추출된 주제 분포가 푸슈킨의 서사 구조 (특히 편지 교환과 결투 장면) 와 높은 정합성을 보임을 입증하여, 알고리즘적 추론과 문학적 해석의 간극을 좁혔습니다.

5. 의의 및 결론 (Significance)

이 연구는 토픽 모델링이 단순한 '원거리 독해 (Distant Reading)' 도구를 넘어, 작품 내부의 미세한 서사 흐름과 주제를 파악하는 '계산적 독해'의 도구로 활용될 수 있음을 보여줍니다. 특히, 운율이나 음운론적 특징을 배제한 채 어휘적 구조만으로도 복잡한 시적 내러티브의 감정적, 구조적 아크 (Arc) 를 재현할 수 있음을 입증했습니다.

이러한 접근법은 《유진 오네긴》과 같은 고전 문학뿐만 아니라, 다른 고밀도 서사시나 번역 텍스트의 비교 연구에도 적용 가능한 방법론적 표준을 제시하며, 전통적인 문학 비평과 계산적 분석의 융합 가능성을 확장했습니다.