사전 정의 공간의 계층 구조

초록

본 연구는 사전의 정의 관계를 그래프로 모델링하여, 전체 단어의 약 10%에 해당하는 ‘grounding kernel(GK)’을 추출하고, 이 GK 내부에 핵심 집합(KC)과 주변 층을 구분한 계층적 구조를 제시한다. 정의 거리와 심리언어학적 변수(습득 연령, 구체성, 이미지화 가능성, 빈도) 사이의 강한 상관관계를 발견함으로써 인간의 정신 어휘가 어떻게 조직되는지를 탐구한다.

상세 분석

이 논문은 사전 정의를 유향 그래프(directed graph)로 변환하는 방법론을 제시한다. 각 단어를 정점(vertex)으로, 정의에 사용된 단어를 향하는 간선을(edge)로 설정함으로써, “정의망”이라는 구조를 만든다. 이 정의망에서 모든 정점이 서로 도달 가능하도록 하는 최소의 정점 집합을 찾는 것이 ‘grounding kernel(GK)’이다. GK는 전체 사전의 약 10%에 불과하지만, 이 집합만 알면 나머지 90%의 단어를 순차적으로 정의할 수 있다.

GK 내부를 더 세밀히 분석하면, 강하게 연결된 성분(strongly connected component)들이 존재한다. 특히, 가장 큰 강연결성 성분을 ‘kernel core(KC)’라 명명하고, KC에 속하지 않는 나머지 GK 단어들을 ‘surrounding layer’라 부른다. 이 두 층 사이에는 정의 거리(definitional distance)라는 개념을 도입하여, KC에서 시작해 정의망을 따라 외부 단어까지 도달하는 최소 단계 수를 측정한다. 정의 거리가 짧을수록 해당 단어는 KC에 가깝고, 정의가 직관적이며 학습이 용이하다는 가설을 검증한다.

심리언어학적 변수와의 상관분석 결과, KC에 속한 단어들은 평균적으로 습득 연령이 낮고(concrete), 구체성(concreteness)과 이미지화 가능성(imageability)이 높으며, 구어·문어 빈도 모두에서 높은 값을 보인다. 반대로 정의 거리가 멀어질수록 이러한 특성은 점진적으로 감소한다. 이는 인간이 어휘를 습득할 때, 먼저 구체적이고 빈번히 사용되는 핵심 어휘를 내면화하고, 이를 기반으로 추상적이고 드물게 쓰이는 단어를 정의해 나간다는 ‘grounding hypothesis’를 실증적으로 뒷받침한다.

또한, 정의망의 위상 구조가 언어 학습 모델에 적용될 경우, 최소한의 ‘핵심 어휘’만을 사전에 가르쳐도 학습 효율을 크게 향상시킬 수 있음을 시사한다. 이는 언어 교육, 어휘 학습 소프트웨어, 그리고 인공지능 기반 자연어 처리 시스템에서 사전 구축 및 어휘 확장 전략을 재설계하는 데 중요한 통찰을 제공한다.