Rational Communication Shapes Morphological Composition

기술적 요약: 합리적 의사소통이 형태소 구성을 형성함

문제 제기
인간 언어는 임의의 형태를 발명하는 대신 기존 형태소를 결합하여 어휘를 확장합니다. 의사소통 효율성이 여러 수준에서 어휘 체계를 형성하는 것으로 알려져 있지만 (Gibson 등, 2019), 형태소 구성—동일한 개념에 대해 다른 타당한 대안들 중 하나의 형태소 시퀀스를 선택하는 것—의 구체적인 메커니즘은 여전히 충분히 모델링되지 않았습니다. 이전 연구들은 전역적 어휘 효율성, 단어 형성 패턴, 또는 어휘 내 도입된 형태의 생존에 초점을 맞추어 왔습니다 (Xu 등, 2024). 그러나 특정 역사적 시점에 화자가 경쟁하는 형태소 시퀀스 사이에서 선택하는 과정을 명시적으로 모델링한 적은 없습니다. 핵심 질문은 화자의 생산 비용과 청자의 복원 가능성(의미적 정보성) 사이의 절충이 왜 어떤 언어가 동시대에 이용 가능한 대안들 (예: electric-brain 또는 knowledge-machine) 대신 특정 실증된 구성 (예: computer) 에 정착하는지를 예측할 수 있는지입니다.

방법론
저자들은 합리적 화행 (Rational Speech Act, RSA) 프레임워크 (Frank & Goodman, 2012; Goodman & Frank, 2016) 를 형태소 구성으로 확장하여, 시간 인덱스가 부여된 어휘 ($L_t$) 내에서의 협력적 지시 게임을 통해 단어 형성을 다룹니다.

• 데이터: 이 연구는 WordNet 에서 추출된 4,323 개의 자연 발생 영어 합성어 및 파생어 데이터셋을 활용하며, 1820 년부터 2019 년까지의 등장 연도를 포괄합니다. 어휘는 시간의 흐름에 따른 형태소의 가용성과 빈도를 추적하기 위해 Corpus of Historical American English(COHA) 와 Corpus of Contemporary American English(COCA) 를 사용하여 구축되었습니다.
• 후보 생성: 시간 $t$에서의 각 목표 개념 $c$에 대해 후보 집합 $C(c, t)$가 생성됩니다. 이 집합에는 WordNet 시넷 (synsets) 에서 유도된 형태소 시퀀스, 관계적 이웃, 그리고 시간 인덱스가 부여된 word2vec 공간에서의 최근접 이웃이 포함됩니다. 후보들은 최대 3 개의 형태소로 제한되며, 타당성을 보장하기 위해 의미적 게이트를 통해 필터링됩니다.
• 모델 아키텍처:
  • 문자 그대로의 청자 ($L_0$): 후보 형태소 시퀀스 $u$와 목표 개념 $c$ 간의 호환성을 계산하여 청자의 복원 가능성을 추정합니다. 이는 형태소와 목표 정의 (gloss) 를 임베딩 (Qwen3-Embedding-8B 사용) 하고 코사인 유사도 분포를 평균, 최대값, 표준편차, 엔트로피, 전체 후보 유사도 등 다섯 가지 통계량으로 요약함으로써 수행됩니다.
  • 생산 비용: 시간 인덱스가 부여된 어휘에서 추출된 형태소 특징 (길이, 음소 수, 음절 수, 역사적 토큰/유형 빈도) 의 가법 함수로 모델링됩니다.
  • 화용론적 화자 ($S_1$): 청자의 복원 가능성과 생산 비용 사이의 절충을 통해 발화를 선택합니다. 두 가지 변형이 테스트됩니다:
    • 선형 $S_1$: 표준 RSA 효용 함수 $U = \alpha \cdot \text{Semantic} - \beta \cdot \text{Cost}$를 구현합니다.
    • 비선형 $S_1$: 의미 점수와 비용 점수 간의 상호작용을 포착하기 위해 다층 퍼셉트론 (MLP) 을 사용합니다.
  • 기준 모델: 이 연구는 $S_1$ 모델을 비용만 기반, 의미만 기반, 그리고 RSA 분해를 강제하지 않고 모든 특징을 단일 MLP 에 연결하는 판별식 (Discriminative) 모델과 비교합니다.
• 평가: 모델은 골드 (실증된) 형태소 시퀀스를 샘플링된 부정적 후보들보다 상위에 배치하도록 순위 결정자로 훈련됩니다. 성능은 연도별 층화된 홀드아웃 테스트 세트에서 **평균 역순위 (MRR)**와 **Top-k 정확도 (Acc@k)**로 측정됩니다.

주요 결과

1. 통합 모델의 우위: 의미적 정보성과 생산 비용을 통합한 모델 ($S_1$) 은 단일 요소 기준 모델보다 일관되게 우수한 성능을 보입니다. 판별식 모델이 가장 높은 전체 성능 (MRR = 0.096) 을 달성하여, 단순한 이 요소 RSA 분해를 넘어 추가적인 특징 상호작용이 존재함을 나타냅니다.
2. 화용론적 이점: $S_1$ 모델 (MRR = 0.050–0.053) 은 의미만 기반 (MRR = 0.047) 과 비용만 기반 (MRR = 0.031) 기준 모델보다 현저히 우수한 성능을 보입니다. 특히, $S_1$ 모델이 의미만 기반 기준 모델보다 갖는 이점은 후보 집합이 커질수록 (높은 $k$) 증가합니다. 이는 후보가 적을 때는 의미적 단서가 지배적이지만, 많은 의미적으로 타당한 대안이 존재할 때 생산 비용이 결정 요인이 된다는 것을 시사합니다.
3. 정성적 행동:
   • 비용만 기반 모델은 저렴하지만 의미적으로 정보성이 부족한 짧은 고빈도 조각들 (예: ed+ing) 을 선호합니다.
   • 의미만 기반 모델은 포괄성을 극대화하지만 경제성을 무시하는 중복적이거나 형태적으로 이상한 형태들 (예: cynic+cynic) 을 선택하는 경향이 있습니다.
   • $S_1$ 모델은 이러한 압력들을 성공적으로 균형 있게 조절하여, 불필요하게 길거나 타당하지 않으면서도 의미와 정렬된 후보들을 선택함으로써 골드 시퀀스를 최상위권에 랭크시킵니다.
4. 시간적 강건성: 모델 성능의 상대적 순서는 서로 다른 역사적 훈련 창 (1830–1910) 에서도 안정적으로 유지되어, 의사소통적 절충이 어휘화에서 일관된 요인임을 시사합니다.

의의 및 주장
본 논문은 합리적 의사소통으로서의 형태소 구성에 대한 계산적 설명을 제공한다고 주장합니다. 단어 형성을 RSA 스타일의 선택으로 공식화함으로써, 저자들은 실증된 형태소 형태가 청자의 복원 가능성과 화자의 효율성 모두에 대해 평가될 때 실증되지 않은 대안들보다 체계적으로 더 높은 순위를 차지함을 보여줍니다.

이 연구는 합리적 의사소통 프로그램을 발화 수준의 선택에서 단어의 내부 구조로 확장합니다. 어휘화는 표현력과 효율성 사이의 의사소통적 절충을 반영한다고 주장합니다. 저자들은 RSA 프레임워크가 ( $S_1$ 과 판별식 모델 간의 차이로 입증된 바와 같이) 선택의 "체계적인 부분"만을 포착한다고 인정하지만, 그 결과들은 정보성–비용 절충이 시간이 지남에 따라 언어가 특정 형태소 조합을 선택하는 방식의 근본적인 동인임을 확인시켜 줍니다. 이 연구는 전역 효율성 모델이나 유추 기반 접근법이 명시적으로 다루지 않는 후보 수준 선택을 위한 보완적이고 해석 가능한 분해를 제공합니다.