텍스트마이닝을 활용한 京派와 海派 작품분석: RAG 기반 챗봇 분석 가능성과 한계점
A Text Mining Analysis of 京派 and 海派 Literary Works: Possibilities and Limitations of RAG-based Chatbot Analysis
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 텍스트마이닝 기법의 연장선인 RAG 기반 챗봇을 활용하여 중국 현대문학의 대표적 문학 유파인 京派와 海派를 대상으로, RAG(Retrieval-Augmented Generation) 기반 챗봇을 활용한 문학 분석의 가능성과 한계를 실증적으로 고찰한다. 특히, 비문학 전공자가 자동화된 질의응답 시스템을 통해 문학작품의 인물관계, 감성, 문체를 탐색하는 과정을 통해, 기존의 정성적 해석 중심의 문학 연구에 새로운 방법론적 대안을 제시하고자 한다. 연구에서는 총 35편의 京派·海派 작품을 벡터 임베딩하여 검색 가능한 코퍼스를 구축하고, 이를 기반으로 질문에 응답하는 챗봇 시스템을 설계하였다. 다음으로 GPT 및 Claude와 같은 범용 LLM과의 비교 실험을 통해, 중국문학 영역에 특화된 소형 언어모델(SLM)의 사실 기반 응답 능력과 환각(Hallucination) 감소 효과를 확인하였다. 그 결과, SLM은 실제 문헌에 근거한 응답을 생성함으로써 문학 분석의 정확성과 신뢰도를 높였으며, 데이터 기반 해석의 가능성을 보여주었다. 아울러, RAG 기반 챗봇은 비전공자도 인문학적 통찰을 발휘할 수 있도록 지원하는 ‘해석 보조자’로서의 잠재력을 지닌다는 점에서 학제 간 융합 연구의 새로운 방향을 제시한다.
Abstract
This study empirically examines the potential and limitations of literary analysis using a Retrieval-Augmented Generation (RAG)-based chatbot—a method extending from text mining—focusing on two representative schools of modern Chinese literature: Jingpai(京派) and Haipai(海派). Specifically, the research explores how non-literature majors can utilize an automated question-answering system to investigate character relationships, emotional tone, and stylistic features within literary texts, thereby proposing a methodological alternative to conventional qualitative approaches in literary scholarship. To this end, a searchable corpus was constructed by embedding 35 selected works from Jingpai and Haipai authors into vector representations. A RAG-based chatbot system was then designed to generate answers based on this corpus. Comparative experiments were conducted with general-purpose large language models (LLMs) such as GPT and Claude, alongside a domain-specialized small language model (SLM) fine-tuned on Chinese literature. The findings reveal that the SLM demonstrated superior factual grounding and significantly reduced hallucinations, thus enhancing the accuracy and reliability of literary interpretation. The results indicate that SLMs, when coupled with RAG architecture, can generate responses grounded in actual texts, thereby expanding the possibilities for data-driven literary analysis. Moreover, the RAG-based chatbot functioned as an "interpretive assistant," enabling even non-specialists to derive humanistic insights. This suggests a promising new direction for interdisciplinary research, bridging computational linguistics and the humanities.