신경언어장애군의 동사 중재를 위한 기계학습(machine learning) 기반 동사 의미역 특징 연구

Abstract

본 연구는 중학교 국어 교과서 말뭉치에서 2항 동사 및 동사의 의미역(주격 행동주, 목적격 피동주)을 추출하고 분석하여 신경언어장애군을 위한 문장 수준의 동사 중재 자극 선정 시 참고할 수 있는 자료를 제시하고자 하였다. 특히 기계학습(machine learning)을 활용하여 동사와 의미역 명사 사이의 의미 거리(semantic distance)를 하나의 수치로 제시하였으며 산출된 동사와 의미역 명사 사이의 기계학습 기반 의미 거리를 한국어 화자들의 의미 거리 평정과 비교하여 검증하였다. 그 결과 (1) 주격 행동주가 목적격 피동주에 비해 유의하게 평균 출현 빈도 및 평균 다양도가 낮았고, (2) 주격 행동주와 동사의 평균 기계학습 기반 의미 거리가 목적격 피동주와 동사의 평균 기계학습 기반 의미 거리보다 유의하게 멀었으며, (3) '주격 행동주-동사' 및 '목적격 피동주-동사' 통사구조에서 기계학습 기반 의미 거리와 정상청년층 Likert 평정척도 기반 의미 거리가 모두 매우 강한 정적 상관관계를 보였다. 즉 본 연구는 정제된 텍스트에서도 주어가 빈번히 생략되는 한국어의 특징을 밝혀 한국어 신경언어장애군의 동사 중재 시 주격 의미역 활용에 대한 고찰이 필요함을 확인하였으며 기계학습 기반 의미 거리를 신경언어장애군의 동사 중재 선정 시 하나의 기준으로 활용할 수 있는 가능성을 확인하였다.;The purpose of this study is to present a list and analyze the characteristics of 2-place verbs with their nominative agent and objective patients extracted from middle school Korean textbook corpus. Also, the machine learning approach was applied to calculate semantic distance between verb and its thematic roles. Calculated machine learning-based semantic distance were verified by analyzing correlation between machine learning-based semantic distance and normal young Korean speakers' Likert scale-based semantic distance. The results are as follows. First, mean frequency of nominative agent was significantly lower than mean frequency of objective patient after eliminate outliers. Also, mean diversity of nominative agent were significantly lower than mean diversity of objective patient. Second, mean of machine learning-based semantic distance between verb and nominative agent was significantly farther than mean of machine learning-based semantic distance between verb and objective patient. Lastly, machine learning-based semantic distance and normal young Korean speakers’ Likert scale-based semantic distance represented very strong positive correlation in both ‘nominative agent-verb’ and ‘objective-verb’ structures. To sum up the results, the tendency of dropping a subject in Korean was proved even in refined textbook sentences which means multiple combination of thematic roles to be considered for verb treatment stimuli. Also, the possibility of machine learning-based semantic distance as a new criterion for selecting sentence-level verb stimuli was confirmed.