PREMOVE: A multilayer manually annotated dataset of PREverbed MOtion VErbs in Ancient Greek and Latin

PREMOVE 기술 요약: 고대 그리스어와 라틴어의 다층 수동 주석 처리된 전치 동사(PREverbed MOtion Verbs) 데이터셋

문제 제로 (Problem Statement)
고대 그리스어와 라틴어를 위한 강력한 주석 처리된 코퍼스(예: AGDT, LDT, PROIEL)가 존재함에도 불구하고, 전치 동사(동사 기부에 결합하는 접두사)의 체계적인 교차 언어적 비교 분석을 지원하도록 특별히 설계된 기존의 리소스는 없다. 이전 연구들은 주로 질적 분석이나 개별 전치 동사에 대한 고립된 연구에 의존해 왔으며, 다양한 역사적 단계와 장르에 걸친 전치 동사와 동사 기부 사이의 상호작용 전체를 포착하는 코퍼스 기반의 프레임워크가 부족했다. 더욱이, 이 언어들을 위한 비교 가능한 코퍼스를 구축하는 것은 연대적 불일치(그리스어 텍스트는 기원전 8세기부터 시작되나, 라틴어는 3세기부터 시작됨), 장르적 비대칭성(예: 그리스 비극의 풍부함 대 초기 라틴 비극의 희소성), 그리고 제한된 문학 샘플이 언어 전체를 잘못 대표할 수 있는 "신의 진리 오류(God's truth fallacy)"를 포함한 중대한 방법론적 과제에 직면해 있다.

방법론 (Methodology)
본 논문은 **PREMOVE Base Corpus (PBC)**를 기반으로 구축된 데이터셋인 PREMOVE를 소개한다. PBC는 역사적 기록의 한계를 완화하기 위해 연대적 대표성과 문학적 장르(서사시, 서정시, 역사 서술, 철학, 웅변, 연극, 소설)를 균형 있게 조절하여 선별된 29명의 저자, 35개의 텍스트로 구성된다.

• 대상 선정 (Selection of Targets): 데이터셋은 언어당 8개의 고빈도 운동 동사(예: eo/venio, baínō/gradior, trékhō/curro)와 선택된 16개의 전치사를 결합하는 데 집중한다(라틴어 16개, 고대 그리스어 16개). 전치사는 생산성과 의미적 명확성을 기준으로 선정되었으며, 빈도가 낮거나 대응 관계가 불분명한 것(예: super-, huper-)은 제외되었다.
• 주석 처리 과정 (Annotation Process): 수동 주석 처리는 INCEpTION 플랫폼을 사용하여 수행되었다. 데이터셋은 42개의 레이어에 걸쳐 수동으로 주석이 달린 2,835개의 동사 출현 사례를 포함한다.
• 주석 스키마 (Annotation Schema): 스키마는 다음을 포착한다:
  1. 형태통사적 특징 (Morphosyntactic features): 토큰, 레마(lemma), 형태론적 파싱(Universal Dependencies), 그리고 동사 어간.
  2. 의미론적 특징 (Semantic features): 동작성(Vendlerian classes), 완결성(telicity), 문자적 의미 대 비유적 의미, 그리고 WordNet(WN) 신셋(synset)에 매핑된 의미 역할(Figure, Ground).
  3. 공간 관계 (Spatial relations): 출발지(Source), 목적지(Goal), 경로(Path), 위치(Location)의 인코딩을 포함하며, 여기에는 언어적 표현(전치사, 격, 부사)과 의미 역할이 포함된다.
  4. 메타데이터 (Metadata): 저자, 제목, 장르, 세기, 언어 시기, 그리고 외부 리소스(Perseus Digital Library, PHI Latin Texts, World Historical Gazetteer)와의 연결.
• 신뢰도 평가 (Reliability Assessment): 문장 일부를 대상으로 Cohen's kappa와 Fleiss' kappa를 사용하여 검사자 간 일치도(IAA)를 계산하였다. **전치사 의미(PREVERB SEMANTICS)**의 핵심 레이어는 강한 일치도를 보였다(Fleiss' κ = 0.80). 객관적 레이어(예: 동사 어간, 전치사)는 완벽한 일치도를 달了(κ = 1). 다의적인 동사를 포함하는 의미론적 레이어는 중간 정도의 일치도를 보였는데(κ ≈ 0.33–0.70), 이는 의미 해석의 내재적 복잡성과 WordNet의 세밀함에 기인한다.

주요 기여 (Key Contributions)

1. PREMOVE 데이터셋: 42개의 주석 레이어를 가진 2,835개의 전치 운동 동사 사례를 포함하는 공개된 CSV 형식의 데이터셋이다. 이는 Five Stars 기준을 준수하는 FAIR 준수 데이터셋이며, Oxford Text Archive에 저장되어 있고, Linked Open Data(LOD)로서 LiLa(Linking Latin) 인프라와 연결된다.
2. PrevNet 인터페이스: 사용자가 원시 표 형식의 데이터를 탐색하지 않고도 전치사의 빈도, 의미론, 공간적 사용 및 역사적 분포를 탐색할 수 있게 하는 대화형 웹 플랫폼이다. 이는 의미 분포(예: 전치사 의미의 파이 차트)를 시각화하고 원문 텍스트와 직접 연결한다.
3. 표준화된 주석 가이드라인: 재현성과 다른 언어 및 동사 클래스로의 확장성을 보장하는 공개된 가이드라인을 제공한다.
4. Linked Data와의 통합: 데이터셋은 OntoLex-Lemon 프레임워크와 FrAC 확장을 사용하여 모델링되었으며, 이를 통해 WordNet 신셋 및 LiLa 레마에 연결된 토큰 수준의 증거에 대한 복잡한 SPARQL 쿼리가 가능하다.

결과 (Results)

• 주석 일관성 (Annotation Consistency): 본 연구는 의미 해석(예: 동작성, 동사 클래스)이 역사적 언어에 대해 여전히 도전적인 과제이지만, 전치사 의미의 핵심 주석은 견고하다(κ = 0.80)는 것을 입증한다.
• 데이터 접근성 (Data Accessibility): 데이터셋은 언어 주석을 지리적 데이터(WHG를 통해) 및 어휘 자원(LiLa 및 WordNet을 통해)과 성공적으로 연결하여 학제 간 연구를 촉진한다.
• 계산적 유용성 (Computational Utility): 예비 적용 결과, PREMOVE는 대규모 언어 모델(LLM)을 훈련하고 평가하는 데 귀중한 리소스로 기능함을 보여준다. PREMOVE 데이터로 미세 조정(fine-tuned)된 모델은 제로샷(zero-shot) 또는 퓨샷(few-shot) 설정에 비해 미세한 의미적 구별과 형태론적 민감성이 요구되는 작업에서 향상된 성능을 보인다.

의의 및 주장 (Significance and Claims)
본 논문은 PREMOVE를 전치 운동 동사와 공간 의미론의 실증적 연구를 진전시키기 위한 기초적인 리소스로 규정한다. 그 의의는 다음과 같다:

• 교차 언어 연구 가능화: 고대 그리스어와 라틴어 사이의 전치사 행동을 비교하기 위한 최초의 체계적으로 주석 처리된 리소스를 제공함으로써, 역사 언어학과 계산 문헌학의 공백을 메운다.
• 디지털 인문학 지원: 모델 개발부터 통시적 분석에 이르기까지 다양한 과제를 지원하며, 기존 디지털 인프라(LiLa, Perseus)와 통합되는 기계 판독 가능하고 FAIR 준수적인 데이터셋을 제공한다.
• 학제 간 연구 촉진: 운동과 공간 개념이 고전 텍스트에서 어떻게 인코딩되고 은유적으로 확장되는지 조사하기 위해 언어학, 디지털 인문학, 역사 지리학을 연결한다.
• 확장성: 모듈형 설계와 개방형 가이드라인은 추가적인 언어(현재 개발 중인 이탈리아어 포함) 및 동사 클래스로 프레임워크를 확장할 수 있게 하여, 어휘화 및 문법화 과정에 대한 대규모 비교 연구를 지원한다.

저자들은 대부분의 데이터를 단일 주요 주석자가 처리했다는 점과 역사적 언어의 의미론적 주석에 내재된 주관성을 한계점으로 인정한다. 그러나 높은 정밀도를 달성한 핵심 레이어와 투명하고 재현 가능한 방법론이 향-확장 및 자동 주석 노력을 위한 견고한 토대를 제공한다고 주장한다.