Choosing features for classifying multiword expressions

"구절 사전"이라는 거대하고 혼란스러운 도서관을 정리하려고 한다고 상상해 보세요. 이는 "고양이"나 "달리다" 같은 단일 단어가 아니라, "발을 차다(kick the bucket)", "목표를 세우다(have a goal)", "물속으로 뛰어들다(take a dip)"와 같은 다단어 표현 (MWEs) 들입니다. 어떤 것들은 말 그대로의 의미를 지니지만, 다른 것들은 완전히 다른 의미를 가진 관용구들입니다.

저자 에릭 라포르 (Eric Laporte) 는 컴퓨터가 이러한 구절들을 효과적으로 이해하고 분류하려면 더 나은 filing system 이 필요하다고 주장합니다. 현재 도서관이 엉망인 이유는 사서들 (언어학자와 컴퓨터 과학자들) 이 책들을 분류할 때 "모호한" 라벨을 사용하고 있기 때문입니다. 라포르가 원하는 것은 그 모호한 라벨을 "뚜렷하고 명확한" 라벨로 대체하는 것입니다.

그의 주장을 간단한 비유로 정리해 보면 다음과 같습니다:

1. 문제: 모호한 가위 vs. 뚜렷한 가위

돌무더기를 분류한다고 상상해 보세요.

• "모호한" 접근법: "무거움"으로 분류하려고 합니다. 돌을 들어 보고 추측합니다. "이건 좀 무거운데, 아마 '무거운 돌'인가?" 문제는 사람마다 추측이 다르다는 점입니다. 어떤 사람은 돌이 무겁다고 생각하지만, 다른 사람은 가볍다고 생각합니다. 언어학에서 이는 동사가 "가벼운" (예: "목표를 세우다"에서 have) 것인지, 아니면 "무거운" (예: "기계를 소유하다"에서 have) 것인지 결정하는 것과 같습니다. 이는 직감에 의존하는 문제이며, 컴퓨터는 정답을 일치시킬 수 없는 추측 게임을 싫어합니다.
• "뚜렷한" 접근법: 무게를 추측하는 대신 돌을 저울에 올려놓습니다. 저울은 숫자를 알려줍니다: 5kg 또는 10kg. 이는 명확하고 이분법적인 사실입니다. 언어학에서는 **통사적 연산 (syntactic operations)**을 살펴본다는 뜻입니다. 문장을 수동태로 바꿀 수 있는가? 단어를 제거할 수 있는가? 문장이 여전히 의미가 통하는가?
  • 예시: "그는 농담을 만들었다 (He made a joke)"라고 말할 수 있습니다. 하지만 "그는 너의 농담을 만들었다 (He made your joke)"라고 말할 수는 없습니다 (여기서 '너의'가 다른 사람을 가리킨다면). 이는 엄격하고 검증 가능한 규칙입니다. 누가 들고 있든 항상 같은 결과를 주는 저울과 같습니다.

2. "상관된" 특징의 함정

때때로 연구자들은 돌무더기를 보며 "아, 무거운 것들은 둥글기도 하고, 둥근 것들은 회색이기도 하네. 그냥 '무겁고 둥글고 회색인 돌'이라고 부르자"라고 말합니다.

라포르에게 이는 위험합니다. 두 가지가 종종 함께 발생한다고 해서 그것이 같은 것이라는 뜻은 아닙니다.

• 비유: 구슬 주머니를 상상해 보세요. 대부분의 빨간 구슬은 무겁습니다. 하지만 "빨간 - 무거운 구슬"이라는 범주를 만들면, 실제로는 가벼운 빨간 구슬이나 파란색 무거운 구슬을 실수로 버릴 수 있습니다.
• 언어학적 현실: 연구자들은 종종 서로 다른 문법 규칙들을 "통사적 유연성 (Syntactic Flexibility)"이라는 하나의 큰 라벨 아래에 묶습니다. 라포르에 따르면 이는 실수입니다. 관용구가 단어 순서를 바꿀 수 있다고 해서 수동태로 만들 수 있다는 뜻은 아닙니다. 컴퓨터는 모호한 요약이 아니라 구체적인 규칙을 알아야 합니다.

3. "재현성" 테스트

어떤 규칙이 좋은지 어떻게 알 수 있을까요? 라포르는 재현성 (reproducibility) 개념을 도입합니다.

• 비유: 100 명에게 카드 덱을 "카드가 얼마나 재미있어 보이는가"에 따라 분류해 달라고 요청한다고 상상해 보세요. 100 개의 서로 다른 더미가 나올 것입니다. 이는 나쁜 분류 방법입니다.
• 더 나은 방법: 100 명에게 "무늬가 빨간색인가?"에 따라 카드를 분류해 달라고 요청해 보세요. 100 개의 동일한 더미가 나올 것입니다. 이것이 재현 가능한 특징입니다.
• 핵심: 많은 현재의 분류들은 "재미" (의미에 대한 주관적 느낌) 에 의존합니다. 라포르에 따르면 우리는 "무늬가 빨간색" (객관적이고 검증 가능한 문법 규칙) 만 사용해야 합니다. 파리 출신 언어학자와 뉴욕 출신 언어학자가 구절이 "분해 가능한지 (의미를 분해할 수 있는가)"에 대해 동의하지 못한다면, 그 특징은 컴퓨터 프로그램을 구축하는 데 쓸모가 없습니다.

4. "사전을 확인하라"는 규칙

라포르는 실제 데이터를 보지 않고 언어의 규칙을 추측하려는 경향을 비판합니다.

• 비유: 한 식물학자가 정원에 들어가 잎을 세어 본 적도 없이 식물이 어떻게 보일지 추측하여 식물을 분류하려 한다고 상상해 보세요.
• 현실: 많은 연구자들이 기억하는 몇 가지 예시를 바탕으로 이론을 만들어냅니다. 라포르에 따르면 우리는 사전 (어휘 목록) 의 수천 개 항목을 확인하는 "지루한" 작업을 해야 합니다. 전체 정원을 살펴봐야만 어떤 규칙이 실제로 유효하고 어떤 것이 단순한 예외인지 알 수 있습니다.

5. 새로운 filing system (해결책)

라포르가 제안하는 이 구절들을 분류하는 새로운 방법 (그의 그림 1 과 2 에 표시됨) 은 모호한 감정이 아니라 엄격한 사실에 기반한 결정 트리입니다:

1. 고정된 구절인가? (어휘화됨 vs. 어휘화되지 않음)
2. "지원 동사 (support verb)"를 사용하는가? (이는 감정이 아닌 구체적인 문법 테스트입니다. 예를 들어, "목표를 세우다 (have a goal)"는 지원 동사를 사용하지만, "경주를 뛰다 (run a race)"는 그렇지 않습니다.)
3. 품사는 무엇인가? (명사, 동사, 형용사 등)

그는 심지어 "be" 동사 (예: "화나다 (be angry)"에서) 를 어떤 경우에는 "지원 동사"로 취급하여 "목표를 세우다 (have a goal)"와 같은 구절들과 묶을 것을 제안합니다. 이는 사람들이 익숙한 것과 다를지라도 시스템을 더 일관되게 만듭니다.

결론

이 논문은 직관보다 정밀함을 요구하는 호소입니다.

• 현재 상태: 언어학자들은 "이 구절은 가볍게 느껴진다"와 같은 모호한 감정을 사용하여 컴퓨터에게 가르치고 있습니다.
• 제안된 상태: 언어학자들은 "이 구절은 수동태로 바꿀 수 없다"와 같은 엄격하고 검증 가능한 규칙을 사용하여 컴퓨터에게 가르쳐야 합니다.

라포르에 따르면, 우리가 컴퓨터가 인간의 언어를 이해하기를 원한다면, 인간을 혼란스럽게 하는 "모호한" 범주를 사용하는 것을 멈추고 컴퓨터가 실제로 따라갈 수 있는 "뚜렷한" 범주를 사용해야 합니다. 수천 개의 사전 항목을 확인하는 "지루한" 작업만이 실제로 작동하는 도서관을 구축하는 유일한 방법입니다.