Three Buddhist Vocabularies: Computational Stylometry of the English Pali Canon across Sutta, Vinaya, and Abhidhamma

기술 요약: 영어 팔리 경전의 계산 문체론(Computational Stylometry)

문제 제기
불교 텍스트에 대한 계산적 분석이 시작되었으나, 기존 연구들은 주로 팔리어의 특정 부분집합(예: 팔리어 수타 피타카의 키워드 추출)에 국한되어 왔다. 세 가지 주요 구분(수타, 비나야, 아비담마) 전체를 아우르는 통합적인 교차 코퍼스 계산 분석은 부족한 실정이다. 또한, 기존 연구들은 서로 다른 비나야 전통(테라바다 대 무라사르바스티바다) 간의 어휘 구조를 체계적으로 비교하거나, 동일한 원전 텍스트에 대한 거의 한 세기에 걸친 영어 번역의 변화를 분석하지 못했다. 본 논문은 영어로 된 전체 티피타카 코퍼스에 대한 기술적, 어휘적 수준의 분석을 제시함으로써 이러한 공백을 메우고자 한다.

연구 방법론
본 연구는 다섯 가지 주요 출처로부터 구성된 약 134,831개의 텍스트 세그먼트로 이루어진 코퍼스를 구축한다:

1. 수타 피타카(Sutta Pitaka): 비쿠 수자토(Bhikkhu Sujato)의 CC0 번역본(bilara-data)에서 추출한 114,591개의 문장 단위 세그먼트.
2. 비나야 피타카(Vinaya Pitaka): 브라흐말리(Bhikkhhi Brahmali)의 2026년 번역본에서 추출한 7,923개의 단락 단위 세그먼트; I.B. 호너(I.B. Horner)의 1938년 번역본에서 추출한 2,826개 세그먼트; 84000 무라사르바스티바다(Mulasarvastivada) 번역본에서 추출한 7,229개 세그먼트; 그리고 예비적인 185개 세그먼트의 다르마굽타카(Dharmaguptaka) 코퍼스.
3. 아비담마 인접(Abhidhamma-adjacent): 아비담마 어휘의 대리물로서 11세기 편찬서인 *아비담맛타 상가하(Abhidhammattha Sangaha)*의 영어 번역본 3종에서 추출한 2,077개 세그먼트.

분석에는 네 가지 주요 계산 지표가 사용된다:

• 지프 순위-빈도 분석(Zipf Rank-Frequency Analysis): 상위 200개 단어에 대해 OLS 적합 파워-로 법칙 지수를 적용하여 이상적인 지프 기울기(-1)로부터의 편차를 측정함.
• 어휘 다양성(MATTR-500): 코퍼스 크기와 세그먼트 방식(문장 단위 대 단락 단위)의 차이를 제어하기 위해 500단어 윈도우를 사용하는 이동 평균 유형-토큰 비율(Moving Average Type-Token Ratio).
• 숫자 밀도(Numeral Density): 32개 항목의 숫자 목록과 일치하는 토큰의 백분율.
• 어휘 중첩(Vocabulary Overlap): 공유 어휘를 측정하기 위한 자카드 유사도(Jaccard similarity) 및 시즈케비츠-심프슨 중첩 계수(Szymkiewicz-Simpson overlap coefficient). 후자는 코퍼스 크기 불균형으로 인한 편향을 완화하기 위해 사용됨.

모든 분석은 기술적 점 추정치이며, 공식적인 유의성 검정이나 가설 검정은 수행되지 않는다.

주요 결과

1. 지프 구조: 네 가지 주요 코퍼스 모두 강력한 지프 분포($R^2 > 0.989$)를 보인다. 테라바다 비나야가 이상적인 기울기(-0.949)에 가장 가깝고, 상가하(Sangaha) 코퍼스가 가장 많이 벗어나 있다(-0.876). 이러한 편차는 "평평한 머리(flatter head)"라는 특징을 보이는데, 이는 "의식(consciousness)"과 같은 기술 용어가 상위 10위 이내(8위에 등장)에서 문법적 입자들을 대체하는 현상이며, 수타나 비나야에서는 나타나지 않는 현상이다.
2. 어휘 다양성: 원시 TTR(Type-Token Ratio)은 수타가 비나야보다 다양성이 낮다고 시사했으나, 이는 세그먼트 방식의 차이(문장 단위 대 단락 단위)에 기인한 것이었다. MATTR-500으로 측정했을 때, 수타(0.399)와 테라바다 비나야(0.400)는 거의 동일하다. 반면, 상가하 코퍼스는 크기 제어 하위 샘플링을 통해 확인된 바와 같이 진정으로 더 다양하다(0.560). 이러한 높은 다양성은 수타에서 발견되는 정형화된 반복보다는 개별 범주를 정의하는 편찬서 특유의 형식을 반영한다.
3. 숫자 밀도: 상가하 코퍼스는 정신적 및 물질적 범주를 체계적으로 열거하는 특성에 따라 가장 높은 숫자 단어 밀도(3.26%)를 보인다. 무라사르바스티바다 비나야가 그 뒤를 잇는다(2.76%). 수타(2.09%)와 호너의 1938년 비나야(1.62%)는 이보다 낮다.
4. 전통 간 중첩: 테라바다와 무라사르바스티바다 비나야는 20.0%(자카드)의 어휘를 공유하며, 49.1%(중첩 계수)를 공유한다. 이는 2천 년간의 별도 발전 과정에도 불구하고 상당한 법적 유산을 공유하고 있음을 나타낸다. 다르마굽타카 코퍼스는 작은 규모로 인해 낮은 자카드 값(0.082)을 보이지만, 높은 중첩 계수(0.816)를 보여 대부분의 제한된 어휘가 테라바다 전통 내에 포함되어 있음을 시사한다.
5. 번역 변화: 동일한 비나야 텍스트에 대한 브라흐말리(2026)와 호너(1938)의 번역을 비교하면 어휘 중첩이 24.2%에 불과하다. 진단적 변화로는 jhana에 대한 "musing"(호너) 대 "absorption"(브라흐말리), parajika에 대한 "defeat"(호너) 대 "expulsion"(브라흐말리) 등이 있다. 이러한 차이의 약 20%는 용어적 변화가 아닌 철자 변이 및 누락된 섹션에 기인한다.

의의 및 주장
본 논문은 이전의 계산적 발견(특히 Zigmond, 2020)을 팔리 원전에서 영어 번역본으로 확장하여, 세 가지 피타카가 번역된 상태에서도 계산적으로 구별됨을 입증한다고 주장한다. 연구진은 아비담마 인접 코퍼스의 독특함이 아비담마 피타카 자체 때문이 아니라, 열거를 통해 높은 어휘 다양성을 생성하는 아비담맷타 상가하의 특정한 "편찬 형식" 때문이라고 설명한다.

저자들은 이 작업을 기술적 토대로 설정한다. 본 논문은 구조적, 어휘적 차이를 기록하지만, 더 깊은 교리적 질문(예: 비나야 규칙의 진화 또는 마하야나로의 아비담마 범주 흡수)에 답하는 것은 아니라고 명시한다. 대신, 이 결과들을 다르샤나 그래프(Darshana Graph)(Bose, 2026a)를 이용한 개념 수준 분석을 위한 필수적인 어휘적 기준선으로 프레임화하며, 특히 새로운 코퍼스들을 포함하도록 IS_PREVOR_OF 및 NEGATES 엣지를 확장하는 것을 목표로 한다. 모든 코드와 데이터는 다르샤나 그래프 데이터셋의 오픈 소스 확장으로서 공개된다는 점을 강조한다.