추가 적립 안내

이 책은 한국어 형용사가 명사를 수식하는 양상과 그 의미에 관한 연구로서, 한국어 구문 및 구문 요소의 심층적 의미 분석의 일부이다. 연구 방법으로는 코퍼스 기반의 통계적 방법을 사용한다.
형용사의 의미를 그것이 특징적으로 수식하는 명사들을 이용하여 분석하고, 명사의 의미를 그것을 특징적으로 수식하는 형용사들을 이용하여 분석한다. 그 방법은 연어의 비대칭성을 고려한 연어 분석이다. 예를 들어, ‘먼 훗날’에서, ‘훗날’에 대한 ‘멀다’의 연어도가 ‘멀다’에 대한 ‘훗날’의 연어도보다 크다.
이 책은 또한 각 형용사가 특징적으로 수식하는 명사들, 각 명사를 특징적으로 수식하는 형용사들, 그리고 대표적인 [형용사 명사] 표현들의 목록을 포함한다.

이 책의 연구는 ‘아름다운 노래’ 같이 한국어 형용사가 명사를 수식하는 구문의 양상과 그 의미에 대한 연구로서, 한국어의 구문 및 구문 요소의 심층적 의미 분석의 일부이다. 이를 위하여 코퍼스, 즉 언어 사용 자료 기반의 통계적인 방법을 사용한다. 이것을 ‘코퍼스 기반 통계적 의미론’ 또는 ‘코퍼스 의미론’(corpus semantics)이라고 부를 만하다.
1970년대 이후 언어 의미를 연구하는 큰 방향은 형식의미론(formal semantics)과 인지의미론(cognitive semantics)이다. 형식의미론은 문장의 의미를 그것이 세계에 비추어 참인 논리적 조건으로 가정하고, 문장 요소의 의미를 그것이 문장 의미에 기여하는 방식으로 분석한다. 이러한 방식으로 형식의미론이 의미의 조합성(합성성)을 잘 포착할 수 있지만, 전통적 의미 연구의 대상인 개별 단어의 의미 내용은 제시하기 힘들다. 인지의미론은 인지적 대상, 즉 마음속의 의미인 개념을 바탕으로 해석구조, 범주화, 은유 등 여러 의미 현상을 설명한다. 인지의미론을 포함한 인지언어학의 기본 가정인 사용기반 접근법은 코퍼스 의미론의 연구 방법이기도 하다.
본 연구는 언어의 사용 속에서 구문과 그 요소의 의미를 연구한다는 점에서 인지적 의미론과 연결된다. 하지만 지금까지 인지의미론 연구들이, 사용기반을 표방하면서도, 대부분 직관에 기초했던 것과는 달리, 본 연구는 코퍼스에 기초하여 통계적으로 연구한다는 면에서 전통적 인지의미론과 구별된다. 아울러 본 연구는 구문의 독립적 의미를 연구한다는 면에서 구문문법(construction grammar)과도 연결된다.
사물의 상태 또는 속성을 기술하는 형용사의 의미가 가장 잘 드러나는 구문이 형용사의 명사 수식 구문, 즉 [A N] 구문이다. 따라서 [A N] 구문을 이용하여 형용사 의미를 연구하는 것이 좋은 방법이다. 이 책의 연구는 단어의 의미를 그것과 함께 나타나는 단어들로써 알 수 있다는 Firth의 분포 가설을 따른다. 먼저 수식 구문에 나타나는 특징적 형용사－명사 대응 쌍을 연어(collocation) 분석 방법을 사용하여 분석한다. 또한 형용사의 의미를 그것이 특징적으로 수식하는 명사들을 이용하여 분석하고, 명사의 의미를 그것을 특징적으로 수식하는 형용사들을 이용하여 분석한다. 이것은 형용사에 대하여 명사가 갖는 연어도와 명사에 대하여 형용사가 갖는 연어도가 다른 방식, 즉 비대칭적 연어도를 필요로 한다. 예를 들어, ‘먼 훗날’에서, ‘훗날’에 대한 ‘멀다’의 연어도가 ‘멀다’에 대한 ‘훗날’의 연어도보다 크다. 이를 위하여 연어의 비대칭성 혹은 방향성을 포착하기 위한 방법을 모색하고 이용한다. 나아가 네트워크 분석 등을 통하여 비슷한 뜻의 단어들, 즉 유어어들 사이의 의미 관계를 분석한다.
이 책은 또한 각 형용사가 특징적으로 수식하는 명사들, 각 명사를 특징적으로 수식하는 형용사들, 그리고 대표적인 [형용사 명사] 표현들의 목록을 포함한다. 필요한 정보를 찾기 위한 일종의 사전으로 사용될 수 있다.
이 연구를 가능하게 해준 한국연구재단에 감사한다. 아울러 연구의 과정에서 여러모로 도움을 준 현숙, 민, 이진 등 가족들에게 고마움을 표한다.

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).