문법은 화성 의미는 금성 분포유사성 네트워크 스펙트럼 분석

초록

본 논문은 영어 어휘의 구문적 유사성 네트워크와 의미적 유사성 네트워크를 스펙트럼 분석을 통해 비교한다. 구문 네트워크는 계층적 구조와 뚜렷한 커뮤니티가 혼합된 형태를 보이며, 의미 네트워크는 여러 작은 커뮤니티와 큰 코어가 존재하지만 명확한 커뮤니티 구분이 약하다. 이러한 차이는 언어 처리 모델에서 구문과 의미를 다르게 다루어야 함을 시사한다.

상세 분석

본 연구는 두 종류의 분포유사성 네트워크(DSN)를 구축한 뒤, 라플라시안 행렬의 고유값 스펙트럼을 분석함으로써 전역 토폴로지를 정량화하였다. 구문 DSN은 단어를 주변 단어들의 POS 태그 패턴에 기반해 연결했으며, 의미 DSN은 동시출현 빈도와 PMI 기반 가중치를 사용해 구축하였다. 라플라시안 고유값 분포를 보면 구문 네트워크는 소수의 큰 고윳값이 급격히 떨어지는 ‘갭(gap)’을 보이며, 이는 강한 커뮤니티와 그 사이의 계층적 연결을 의미한다. 반면 의미 네트워크는 고윳값이 비교적 평탄하게 분포하고, 첫 번째 고윳값 이후 큰 차이가 없으며, 이는 네트워크가 하나의 거대한 코어와 여러 작은 클러스터가 얽혀 있는 구조임을 나타낸다. 모듈러리티와 커뮤니티 검출 결과 역시 일치한다. 구문 DSN은 모듈러리티가 0.45 정도로 뚜렷한 커뮤니티 구조를 가지고, 각 커뮤니티는 명사구, 동사구 등 문법적 역할에 따라 구분된다. 반면 의미 DSN은 모듈러리티가 0.22 수준으로 낮고, 클러스터는 의미적 동의어 집합이나 특정 주제 영역에 국한된다. 또한, 의미 네트워크의 코어 노드들은 고빈도 기능어와 다의어가 차지하고 있어, 의미적 다중 연결성을 강화한다. 이러한 차이는 구문 정보가 상대적으로 제한된 차원(문법 규칙)에서 작동하고, 의미 정보는 풍부하고 다차원적인 연관성을 포함한다는 언어학적 가설을 실증적으로 뒷받침한다. 연구 결과는 단어 임베딩, 의미역 추출, 구문 파싱 등 다양한 NLP 파이프라인에서 구문과 의미를 별도 모델링하거나, 서로 다른 정규화 전략을 적용해야 함을 시사한다.