한국어 [형용사 명사] 수식 구문 기반의 의미

서문

제1부
1장 [형용사 명사] 구문 기반 의미 분석 방법
1. 연구의 목적
2. 한국어의 특징적 [A N] 구문 표현의 분석 방법
3. [A N] 구문 기반의 형용사 의미 분석 방법
4. [A N] 표현의 양방향 ΔP 차이와 표현의 빈도 및 결합도

2장 형용사의 의미
1. 서론
2. 유의적 형용사의 의미
3. 형용사 반의어의 의미
4. 결론

3장 형용사 유의어들의 의미 관계
1. 서론
2. 이전의 형용사 유의어 연구
3. 연구 방법: ΔP, 잠재의미분석, 네트워크
4. 유의어 네트워크
5. 유의어 의미의 표시
6. 결론

4장 명사의 의미
1. 서론
2. 명사 유의어의 의미
3. 명사 반의어의 의미
4. 장소/기관 명사
5. 결론

제2부
5장 대표적인 [형용사 명사] 표현
6장 형용사의 특징적 수식 명사
7장 명사의 특징적 수식 형용사

참고문헌
찾아보기

1. 연구의 목적

이 연구는 ‘무거운 책’, ‘아름다운 꽃’, ‘뛰어난 위인’ 등의 [형용사(adjective) 명사(noun)] 수식 구문, 즉 [A N] 구문([A N] construction)을 의미의 관점에서 연구하는 것이다. 다시 말해, [A N] 구문을 이용하여 형용사와 명사의 의미를 분석한다. 그 방법으로, 먼저 코퍼스에 기초하여 한국어 [A N] 구문의 실제 사용에서 통계적으로 의미 있게 많이 사용하는 형용사－명사 쌍을 구한다. 다음으로 [A N] 구문의 사용에 기초하여 연어 분석을 통하여 형용사와 명사의 의미적 특성을 분석한다.

형용사와 명사의 의미를 연구하기 위해, 본 연구는 Firth(1957)의 주장, 즉 단어의 의미는 그것과 함께 나타나는 단어들로써 알 수 있다는 분포 가설(distributional hypothesis)을 따른다. 구체적으로, 형용사가 특징적으로 결합하는 명사들을 찾아서 형용사의 의미 특성을 분석하고, 명사를 특징적으로 수식하는 형용사들을 찾아서 명사의 의미 특성을 파악한다. 그 방법은 코퍼스언어학의 연어(collocation) 연구 방법을 이용하는 것이다(Evert 2008, 2009). 연어를 찾기 위해서는 적절한 통계적 방법을 이용해야 할 것이다. 여기서 중요한 사실은 특정의 형용사 + 명사 표현 속에서 형용사를 중심으로 그 형용사와 결합하는 명사의 연어성의 크기(A→N)가 명사에 대하여 그 명사를 수식하는 형용사의 연어성의 크기(A←N)와 다르다는 것이다.

예를 들어, ‘먼 훗날’의 경우 ‘훗날’을 기준으로 하는 ‘멀다’의(‘멀다’←‘훗날’) 연어성의 크기(연어도)가 ‘멀다’를 기준으로 하는 ‘훗날’의(‘멀다’→‘훗날’) 연어성의 크기보다 훨씬 크다. 달리 말하자면, ‘훗날’이 주어질 때 그 앞에 형용사로 ‘멀다’를 예측하는 것과 ‘멀다’가 주어질 때 그것이 수식하는 명사로 ‘훗날’을 예측하는 것 중 전자가 후자보다 훨씬 쉽다. 반면에 ‘허구한 날’의 경우에는 ‘허구하다’로부터 ‘날’을 예측하는(‘허구하다’→‘날’) 것이 ‘날’로부터 ‘허구하다’를 예측하는(‘허구하다’←‘날’) 것보다 훨씬 쉽다. 따라서 연어성 크기의 차이는 ‘먼 훗날’의 경우와 반대이다. [A N] 구문에서 연어를 추출하는 것은 이러한 방향성, 혹은 비대칭성을 반영하는 적절한 방법을 사용해야 한다(3절에서 구체적으로 논의함).

2. 한국어의 특징적 [A N] 구문 표현의 분석 방법

[A N] 구문에서 A→N, A←N 연어성의 크기를 구분하여 생각하기에 앞서, [A N] 구문 표현을 하나의 결합으로 보고 그 연어도를 고려할 수 있다. 코퍼스에서 형용사와 명사의 결합 자체가 얼마나 특징적인지는 연어성의 정도, 즉 연어도/결합도로 파악된다. 이를 분석하기 위하여 이 연구에서는 대표적인 한국어 코퍼스인 1500만 어절 규모의 세종형태의미분석말뭉치(강범모·김흥규 2009)를 사용한다. 코퍼스(corpus)에서 [A N] 구문 표현을 보기에 앞서, 형용사 중 ‘-하다’ 형용사들을 얻기 위해 먼저 해당 코퍼스에서 명사 어근과 파생접미사 ‘-하’로 분석되는 것을 단어 단위로 변환해야 한다(‘행복+하+ㄴ’ ⇒ ‘행복하+ㄴ’).

일반적으로 코퍼스에서 두 단어의 연어도는 다음과 같이 결정된다. 두 단어가 결합하여 사용되는 표현의 빈도가 높으면 그것의 연어도가 높은 경향이 있지만 빈도만이 연어성을 결정하지는 않는다. 코퍼스에서 [A N] 구문 표현들을 추출하면, 지나치게 빈도가 높고 거의 모든 종류의 명사를 수식하는 ‘없다’와 ‘같다’를 제외하고, 총 290,202회 출현하며(토큰) 그 종류(타입)는 140,872로서 토큰/타입 비율은 2.06이다. 여기서 추출한 [A N] 구문 표현은 ‘행복한 사람’ 같이 형용사가 그것의 바로 뒤에 있는 명사를 수식하는 것들이며 ‘행복한 남자의 아이’와 같이 형용사와 명사 사이에 다른 요소가 있는 것들은 중의성 발생의 가능성 때문에 제외하였다. [A N] 구문의 실례, 즉 형용사－명사 결합 표현 중 가장 빈도가 높은 것들은 ‘많은 사람, 어려운 일, 큰 소리’ 등이다. 이 표현들은 그것을 구성하는 단어들인 ‘많다, 어렵다, 크다’ 및 ‘사람, 일, 소리’의 빈도가 높기 때문에 이 결합 표현들의 빈도가 높아서 연어성이 느껴지고 실제로 연어도(degree of collocation)도 높게 나오는 편이다. 즉 연어도는 빈도를 어느 정도 반영한다. 하지만 ‘이른 아침, 가쁜 숨’의 ‘이르다, 가쁘다’ 및 ‘아침, 숨’의 경우 단어 빈도가 상대적으로 낮고 따라서 ‘이른 아침’과 ‘가쁜 숨’의 빈도가 상대적으로 낮음에도 불구하고 그 연어도가 높다(실제 연어성이 느껴진다). 그것은 이 표현들이 형용사와 명사의 빈도로부터 예상되는 빈도보다 실제로 더 많이 발생하기 때문이다. 엄밀하게 말하자면, 연어 및 연어도를 발견하는 통계적 절차는 기대빈도(expected frequency)와 관찰빈도(observed frequency)를 비교하여 관찰빈도가 기대빈도에 비하여 얼마나 큰가를 고려하는 것이다. 기대빈도(E)와 관찰빈도(O)를 비교하는 통계적 방법은 여러 가지가 있으며 그 방법에 따라 연어도가 다소 다르게 계산된다(Evert 2008, 2009, Gries 2013, Brezina et al. 2015). 연어도를 측정하는 여러 방법 중에서 많이 사용되는 간단한 것들로 상호정보(mutual information, MI), t-점수(t-score), 단순로그공산(simple log likelihood) 방법이 있다(Evert 2009).