딥러닝 기반 독일어 연어 표현의 분석과 확장 - 워드 임베딩과 마스크드 언어 모델을 활용하여
Deep-Learning-basierte Analyse und Erweiterung deutscher Kollokationen - Mithilfe von Worteinbettungen und maskierten Sprachmodellen
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
연어는 단순한 단어의 병치가 아니라, 특정 단어들이 비정형적, 비대칭적으로 결합하는 경향성을 보이는언어학적 단위로서, 의미ㆍ통사적으로 긴밀하게 결속된다는 특징을 지닌다. 이러한 언어학적 특성은 자연스러운 의미 해석과 유창한 발화를 가능하게 하므로, 외국어 교육은 물론 언어 이해 및 생성 연구에서도핵심적인 분석 대상이 된다. 특히 외국어로서의 독일어 교육에서 어휘는 가장 기본적인 학습 요소이며, 학습자는 개별 단어가 아니라 실제 언어 사용에서 빈번하게 등장하는 다단어 표현을 습득함으로써 말하기와쓰기 등 실제 의사소통 능력을 효과적으로 향상시킬 수 있다. 이에 본 연구는 딥러닝과 같은 전산언어학적기법을 활용하여, 연속하는 두 단어로 이루어진 독일어 연어 표현을 추출, 분석, 확장하고자 하였다. 먼저마스크드 언어 모델을 이용하여 문맥 기반의 자연스러운 연어 표현을 추출하고자 하였다. 다음으로 워드임베딩과 벡터 연산을 활용하여 연어 표현의 조합적 특성과 문맥적 합성성을 분석하였다. 마지막으로, 마스크드 언어 모델을 기반으로 기존의 연어 표현을 구성하는 각 구성 요소 자리에 등장할 수 있는 표현을탐색하여 대체가능한 표현 또는 신규 연어 표현으로 확장하고자 하였다. 이를 통해 실제 독일어 사용과교육용 연어 목록 간의 간극을 좁히고 연어 사전 구축, 동의 표현 리스트 생성 등 교육적 활용 가능성을모색한다.
Abstract
Kollokationen stellen linguistische Einheiten dar, bei denen bestimmte Wörter miteinander kombiniert werden und eine enge semantische sowie syntaktische Bindung aufweisen. Diese linguistischen Eigenschaften ermöglichen sowohl eine natürliche Bedeutungsinterpretation als auch eine flüssige Sprachproduktion. Daher sind Kollokationen ein zentraler Untersuchungsgegenstand in der Fremdsprachendidaktik. Insbesondere im Deutschunterricht als Fremdsprache bilden Wortschatz und mehrwortige Ausdrücke die grundlegenden Lerneinheiten. Lernende können durch den Erwerb solcher Kollokationen ihre kommunikativen Kompetenzen in Sprechen und Schreiben effektiv verbessern, statt einzelne Wörter isoliert zu lernen. Aus diesem Grund zielt die vorliegende Studie darauf ab, mithilfe computerlinguistischer Verfahren wie Deep- Learning-Methoden deutsche Kollokationen zu extrahieren, zu analysieren und zu erweitern. Zunächst wurden in dieser Studie zweigliedrige Kollokationen aus einem auf DaF-Texten basierenden deutschen Korpus mithilfe eines maskierten Sprachmodells (Masked Language Model, MLM) extrahiert. Dabei konnten unter anderem die Kollokationen ‘vor allem’, ‘bitten um’, ‘mich für’, ‘fühle ich’, ‘wie möglich’, ‘Damen und’, ‘finde es’, ‘ein paar’, ‘Problem haben’, ‘Wir treffen’ sowie ‘Du bist’ identifiziert werden. Durch den Vergleich der bidirektionalen Wahrscheinlichkeiten dieser Kollokationen wurde der asymmetrische Abhängigkeitsgrad zwischen den beiden konstituierenden Wörtern sowohl auf syntaktischer als auch auf semantischer Ebene analysiert. Zur weiteren Untersuchung wurden die extrahierten Kollokationen mithilfe von Clustering-Verfahren vertieft analysiert. Anschließend wurde eine auf distributioneller Semantik basierende computer linguistische Analyse der Kollokationen durchgeführt. Dabei wurden Worteinbettungen und Verfahren zur Berechnung von Vektorähnlichkeiten eingesetzt, um den Additive Compositionality Score (ACS) und den Inter-contextual Compositionality Score (ICS) der Kollokationen zu berechnen. Auf diese Weise konnte die semantische und inter kontextuelle Kompositionalität der Kollokationen untersucht werden. Abschließend wurde auf der Grundlage eines maskierten Sprachmodells untersucht, welche Ausdrücke an den jeweiligen Positionen der die Kollokationen konstituierenden Wörter auftreten können, um bestehende Kollokationen durch ersetzbare und neue Ausdrücke zu erweitern. Dies ermöglicht die automatische Generierung neuer Kollokationskandidaten, die in den bestehenden DaF-Lehrwerken nicht auftauchen. Auf diese Weise kann die Lücke zwischen tatsächlicher Sprachverwendung und pädago gisch genutzten Kollokationslisten geschlossen werden. Darüber hinaus eröffnen sich Potenziale für den Aufbau von Kollokationswörterbüchern und Listen synonymischer Ausdrücke.