한국어 음소배열제약의 통계적 학습과 적형성 판단 :

박나영

추천

검색

자료유형: 학위논문

저자정보: 박나영 (서울대학교, 서울대학교 대학원)

발행연도: 2020

저작권: 서울대학교 논문은 저작권에 의해 보호받습니다.

이용수10

이 논문의 연구 히스토리 (5)

2023

한국어의 음운변동과 음소배열제약의 관계 탐구

박나영 한말연구 2023.09 학술저널

2020

한국어 후두자질 공기 제약의 통계적 학습과 적형성 판단

박나영 음성음운형태론연구 2020.04 학술저널

한국어 음소배열제약의 통계적 학습과 적형성 판단

박나영 언어학과 2020.01 학위논문

2016

통계적 학습 방법을 이용한 한국어 음소배열제약 탐색

박나영 한국언어학회 학술대회지 2016.06 학술대회자료

2014

한국어 명사의 음소배열제약에 대한 기계학습

박나영 음성음운형태론연구 2014.12 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 논문은 한국어 음소배열제약에 대한 연구로서, 기계 학습(machine learning) 방법을 한국어 어휘부에 적용하여 가능한 모든 제약을 자동으로 학습하였으며, 학습된 제약의 심리적 실재 가능성을 확인하고 있다. ‘음소배열제약’이란 음소 단위의 결합 회피 혹은 선호에 대한 모국어 화자의 직관적 판단을 나타내고, 이 판단은 전통적으로 ‘적형/비적형’이라는 범주적인 관점에서 다루어졌다(예: blick [적형] vs. lbick [비적형], Chomsky & Halle 1965). 그러나 영어 음소배열제약에 대한 연구를 포함한 다수의 최근 연구에서 통계적 방법론을 적용하여 비범주적 문법을 탐색하고, 그 문법의 심리적 실재를 증명하는 데 성공하였다(Coleman & Pierrehumbert 1997, Hayes & Wilson 2008, Albright 2009 등). 이러한 배경에서 본 연구는 비범주성을 중심으로 한국어 음소배열제약의 실체를 체계적으로 탐색하고자 하였으며, 이를 위해 기계 학습 방법과 적형성 판단 조사를 시행하였다.
먼저, 기계 학습을 시행하여 한국어 어휘부에서 유효한 음소배열제약 목록을 제시하였다. 학습 자료는 단일 형태소인 명사 단어로 구성하였고, 어휘 부류의 차이를 고려하여 고유어 어휘 목록과 한자어의 어휘 목록을 구분하여 학습하였다. 학습 모델은 음운론 문법 습득 모델 중 가장 일반적이며 효과적인 ‘최대 엔트로피 음소배열제약 모델(Hayes & Wilson 2008)’을 이용하였다. 학습된 고유어 및 한자어 문법은 과거 한국어 음소배열제약에 대한 연구에서 산발적으로 제시한 제약 및 통계적 경향을 대부분 포함하고 있다. 그 밖에 과거 연구에서 언급된 적이 없는 제약 및 통계적 경향도 새롭게 학습되었다. 결과적으로 특정 현상 및 주제에 집중하면서 통계적으로 분명하지 않은 방식으로 진행된 대부분의 과거 연구와 비교해서, 본 연구는 총체적이고 통계적으로 정당화될 수 있는 문법을 제시하고 있다.
그리고, 어휘부에서 학습된 제약들이 한국어 화자들의 인식에 실재하는지를 확인하기 위하여 ‘후두자질 발생 및 공기 제한’에 초점을 맞추어 적형성 판단 실험을 시행하였다. 실험 결과, 후두자질 발생 및 공기에 대한 인식이 상당 부분 실재하며, 고유어 및 한자어 어휘부 문법 각각이 독립적으로 적형성 판단에 영향을 미친다는 것을 확인할 수 있었다.
본 연구는 한국어 어휘부에서 학습될 수 있는 음소배열제약 목록을 총괄적으로 제공하고 학습된 제약의 심리적 실재 여부를 모국어 화자를 대상으로 직접 조사하였다. 본 연구에서 제시하고 있는 문법은 최적의 한국어 음소배열제약 모델 개발의 기준 모델로 이해될 수 있다.

The present study not only provides a machine-learning-based investigation of Korean phonotactic grammar, but also tests its psychological reality through judgment experiments on native speakers of Korean. Phonotactics refers to language-specific restrictions on segments and segment sequences. Speakers’ phonotactic well-formedness judegments have been mostly described as categorical: e.g., blick [well-formed] vs. lbick [ill-formed]. However, a growing number of studies on phonotactics argue that phonotactic grammaticality is in fact gradient (Coleman & Pierrehumbert 1997, Hayes & Wilson 2008, Albright 2009 and others).
Given these backgrounds, this study provides a systematic investigation of Korean phonotactics, focusing on aspects of gradience. This study is composed of two main parts, learning Korean phonotactic grammars based on Korean lexicons, and testing the learned grammars by conducting judgment experiments on Korean speakers.
In the first part, using a Maximum Entropy Phonotactic Model (Hayes & Wilson 2008), we ran a learning simulation. Native Korean and Sino-Korean lexicons were separately adopted as the training data. Based on the statistical patterns of each lexicon, phonotactic constraints were created with their own weights, the magnitude of which reflects their gradient strength. The resulting native and Sino-Korean grammars confirmed most, if not all, of categorical and gradient phonotactic patterns reported in the previous studies on Korean phonotactics. Furthermore, some previously unreported patterns were found. Thus, this study explores the overall Korean phonotactic constraints that are justified with statistical support, improving on the previous studies that focused on the specific phonotactic patterns and did not provide clear statistical justification.
The latter part of this study concerns the psychological validity of the phonotactics that were learned. Specifically, the well-formedness judgment test about laryngeal co-occurrence restrictions was conducted on native speakers of Korean. The test results suggest that Korean speakers are aware of most of the laryngeal co-occurrence restrictions which are parts in the learned grammars. It is also shown that native and Sino-Korean grammars make independent contributions to explaining speakers’ judgments found in the present experiment.
In sum, this research shows that Korean phonotactic grammars can be learned from the lexicons of Korean, and at least some important parts of the learned grammars are psychologically real. The learned grammars can function as a baseline model for Korean speakers’ knowledge of phonotactics.

#음소배열제약 #비범주적 적형성 #후두자질 공기 제약 #적형성 판단 조사 #최대 엔트로피 음소배열제약 학습 모델

1. 서론 1
2. 이론적 배경 5
2.1. 기술 통계량 5
2.1.1. 관찰 빈도/기대 빈도 비율 6
2.1.2. 전이 확률 10
2.1.3. 요약 12
2.2. 분절음 N-gram 모델 13
2.2.1. 바이그램 모델 13
2.2.2. 음소배열제약 확률 계산기 14
2.2.3. 음절두음-운모 모델 16
2.3. 자질 기반 N-gram 모델 17
2.4. 일반화 이웃 모델 19
2.5. 입력형-출력형 대응 조화 문법 22
2.5.1. 구성 및 상대적 수용도 23
2.5.2. 학습: 점진적 학습자 알고리즘 24
2.6. 최대 엔트로피 음소배열제약 모델 29
2.6.1. 발생 확률 계산 26
2.6.2. 음소배열제약의 학습 과정 27
2.7. 문법 모델 예측: 영어 화자의 적형성 판단과 비교 26
3. 기존연구: 한국어의 음소배열제약 33
3.1. 범주적 음소배열제약(전체 한국어 및 고유어 어휘부) 33
3.2. 비범주적 음소배열제약(전체 한국어 및 고유어 어휘부) 38
3.2.1. 인접 연쇄 38
3.2.2. 비인접 연쇄 42
3.3. 한자어 어휘부 특정 제약 48
3.4. 논의 50
3.4.1. 기존 음소배열제약 탐색 방법의 한계 50
3.4.2. 한국어 화자의 비범주적 적형성 51
3.4.3. 최대 엔트로피 음소배열제약 모델의 도입 필요성 52
4. 학습 55
4.1. 학습 방법 55
4.1.1. 학습 어휘부 55
4.1.2. 자질 목록 57
4.1.3. 학습 조건 60
4.2. 결과 61
4.2.1. 고유어 및 한자어 문법 공통 음소배열제약 61
4.2.2. 고유어 문법 특정 음소배열제약 70
4.2.3. 한자어 문법 특정 음소배열제약 76
4.3. 논의 79
5. 모국어 화자의 적형성 판단 조사 81
5.1. 목적과 대상 81
5.2. 연구 방법 82
5.2.1. 조사 단어 생성 82
5.2.2. 조사 과정 83
5.2.3. 피실험자 84
5.3. 결과 85
5.3.1. 실험 관찰과 문법 예측 비교 86
5.3.2. 격음/경음 발생 유형별 학습 점수와 응답 점수 89
5.4. 논의 94
6. 결론 97
참고문헌 101
[부록1] 학습 제약: 고유어 111
[부록2] 학습 제약: 한자어 116
[부록3] 비단어 목록 121
[부록4] 지시 문항 123
[부록5] 비단어에 대한 비적형성 점수와 응답 점수 127
ABSTRACT 139

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (5)

초록· 키워드

목차

최근 본 자료

댓글(0)