접수과제정보
접수번호2026021533
연구요약문
연구목표
(한글 2000자 이내)
본 연구의 목적은 말뭉치 기반 융합 연구를 통해 한국 사회에서 나타나는 혐오 담화(hate speech)를 분석하고, [이주민]‧[성별]‧[지역]의 한국 사회 주요 갈등 영역에서 혐오 담화가 형성되고 확산하는 방식을 연구하기 위해, 한국형 USAS(UCREL Semantic Analysis System) 의미 분석 플랫폼을 구축하고 글로벌 혐오 담화 비교 연구를 수행하는 것이다. 이를 위해 한국어의 유형론적 특성과 문화적 특성을 반영한 한국어 특화 USAS 의미 주석 체계를 설계하고, 규칙 기반 시스템과 신경망 모델을 결합한 하이브리드 태거를 개발한다. 나아가 말뭉치 보조 담화 분석의 방법론(CADA)을 텍스트-이미지 영역으로 확장하여 멀티모달 연구 방법론을 정립한다. 본 연구는 국어학·사전학·자연언어처리 분야의 국내 연구진과 USAS 의미 주석 말뭉치의 원천 기술을 보유한 Lancaster 대학 공동연구진의 협력 체계를 기반으로 수행하며, 세부 목표는 다음과 같다.
1) 한국형 USAS Lexicon의 설계와 구축
한국형 USAS Lexicon 50,000항목 이상을 구축하고, 내용어와 기능어 전반, 다단어 단위 등 텍스트 전체 의미 주석이 가능한 한국어 어휘부를 구축한다. 기존 한국어 의미 주석 말뭉치는 개별 사전에 의존하여 구축됨으로써 데이터 호환과 다국어 비교에 구조적 제한이 있었다. 본 연구는 21개의 대범주와 232개의 극성(+/-), 성별(m/f), 희귀어, 다의어/다면어/품사통용어 부가 체계로 구성된 USAS를 기반으로 한국형 USAS Lexicon을 구축·활용함으로써 이 한계를 극복하고자 한다. 어휘부 확장을 위해 어휘 의미 관계(상·하위어, 유의어 등), 신어 및 미등재어, 다단어 표현, 한국어 고유의 정서적 표현과 혐오 표현, 자체 구축 미등재 혐오 표현 데이터를 포괄한다. 구축된 어휘부는 말뭉치언어학·담화의미분석 분과의 공동연구진이 전수 검토하고, 언어학·사전학·NLP 전문가 간 삼각측량 방법론을 통해 의미 주석의 정확도·일관성·실용성을 확보한다.
2) 한국형 Hybrid Tagger 개발과 Wmatrix 의미 분석 플랫폼 구축
어휘부 기반 규칙 태거는 혐오 담화에서 빈번한 비표준, 비속어, 줄임말, 비유 등에 의한 의미적 미등록어를 분석하는 데 취약하다. 이러한 점을 극복하기 위해 본 연구에서는 한국형 USAS Lexicon과 다국어 신경망 모델을 결합한 하이브리드 태거를 개발한다. 규칙 기반 태거로 약 1,000만 어절의 실버 스탠다드 데이터를 생성하여 신경망 모델의 학습 데이터로 활용하고, 한국어의 유형론적 특성(조사·어미 결합, 문장 성분 생략, 한자어 동음이의어 등)을 고려한 평가 체계를 마련한다. 개발된 태거는 Lancaster 대학과의 협업을 통해 Wmatrix에 한국어 분석 모듈로 탑재·배포함으로써 다국어 대조 연구에 활용할 수 있도록 한다.
3) 멀티모달 혐오 담화 말뭉치 구축 및 시각-언어 통합 CADA 연구 방법론 개발
2)에서 구축한 실버 스탠다드 데이터를 기반으로, [이주민]·[성별]·[지역] 각 100만 어절 규모의 주제 특정적 혐오 담화 골드 스탠다드 말뭉치를 구축하며, 사전학 전문가의 전수 검토를 거쳐 품질을 확보한다. 더불어 다중 매체로 표상되는 혐오 담화의 양상을 고려하여, 뉴스 보도 사진·유튜브 섬네일 등 이미지 자료를 포함하는 멀티모달 말뭉치로 확장한다. 이를 위해 VLM 전문가가 공동 연구진으로 참여하여, 객체 검출·이미지 캡셔닝을 수행하며, 텍스트-이미지 통합 담화 분석 방법론을 개발한다. 이를 통해 텍스트 분석만으로는 충분히 규명하기 어려운 혐오 담화의 시각적 의미 생성과 확산 양상까지 포착하고자 한다.
4) 한국어 혐오 담화의 보편성·특수성 분석
동일한 USAS 주석 체계로 분석된 영어, 중국어 등 혐오 담화와의 대조 분석을 통해 한국어 혐오 담화의 보편성과 특수성을 규명하고, 인문학 주도의 해석 가능한 담화 연구 모델을 제안한다.
기대효과
(한글 2000자 이내)
본 연구는 범언어적 의미 주석 체계를 기반으로 한국어의 유형론적·문화적 특성을 반영한 주제 특정적 의미 분석 체계와 말뭉치를 구축한다는 점에서 기존 연구와 차별성을 갖는다. 동시에 명사 및 동사 중심의 단어 항목을 대상으로 한 기존 의미 주석을 넘어 의미 단위로서의 텍스트 전체, 즉 형태소, 단어, 다단어 표현까지 주석 대상 항목으로 설정하였다는 점, 그리고 혐오 담화의 중요한 매체로서의 이미지를 포괄하는 멀티모달 분석 방법론을 도입하여 기존 말뭉치언어학의 연구 범위를 확장하는 새로운 시도를 포함한다. 본 연구가 달성하고자 하는 기대효과를 성과 목표 및 성과 활용 방안으로 정리하여 제시하면 다음과 같다.
- 과업 기간 내의 구체적 성과 목표
1) 의미 분석 시스템 개발 및 확산: 다국어 연계 한국어 의미 분석 시스템 개발을 위해 산출된 중간 및 최종 결과물로서의 한국형 USAS와 한국형 Wmatrix를 개발하여 공유하는 것을 목표로 한다.
2) 국제적 통용 성과로서의 검증: 의미 분석 시스템 및 분석 데이터 구축의 과정에서 산출된 연구 결과들을 바탕으로, 과업 기간 중 국제학술대회 4회 이상 발표, 국제학술지 총 6건 이상의 게재를 달성하고자 한다. USAS·Wmatrix 기반 연구는 현재까지 10개 이상 언어에 적용되어, 담화 연구 및 의미 기반 NLP 연구에서 활발히 논의되고 있다. 본 연구는 Lancaster 대학 공동연구진과의 협업을 통해 한국형 USAS 구축 방법론과 다국어 비교 분석 결과를 국제학술지에 공동 게재함으로써, 연구 성과를 국제적으로 검증받고자 한다.
3) 글로벌 융합 연구 네트워크 수립과 융합 연구 인력 양성: 1), 2)의 성과물 산출 과정에서 파생되는 결과물을 연구진 주관의 학술대회 및 세미나 등을 통해 공유하고 심화, 검증하는 과정을 통해 글로벌 융합 연구 네트워크를 확장한다. 동시에 한국형 의미 분석 시스템의 고도화 과정에서 도출된 차별적 방법론과 성과를 영상 및 텍스트 교육 자료로 제작하여, 온·오프라인 플랫폼을 통해 글로벌 융합 연구 인력 양성에 활용한다. 본 연구의 개별 성과물은 연구 기관 및 산업계에 적용할 수 있는 데이터 분석 모형과 국가 및 지자체의 문제 해결 기반 자료로서, 인문학적 분석 역량과 자연언어처리 기술을 겸비한 융합 연구 분야의 신진 전문 인력을 양성하는 실질적 교육·훈련 경로로서 활용할 수 있다. - 연구 성과 활용 방안
1) [학문적 기여] 어휘 온톨로지를 기반으로 한 데이터 분석 연구 모형 활용: 범언어적 시스템을 활용하여 주제 특정적·언어 특정적 의미 분석 시스템 및 말뭉치를 상대적 저비용·고효율의 체계로서 고안하는 것을 목적으로 한다. 그에 따라 도출되는 데이터 및 분석 모형은 도메인 및 텍스트 유형 변화에 강건한 의미 주석 모형 및 멀티모달 데이터 분석 모형으로서, 의사소통 생성과 관련한 언어학·인공지능 등의 연구 분야와 산업 분에서 활용할 수 있을 것으로 기대한다.
2) [사회 문제 해결] 갈등 관리 문제 해결을 위한 정책 수립의 기반 자료 및 방법론 활용: 본 연구를 통해 구축되는 한국형 USAS 의미 주석 시스템과 혐오 담화 말뭉치는 성별, 지역, 직업 등의 집단 간의 갈등 분석을 가능하게 하여 사회적 갈등 해소를 위한 실질적 기반 자원으로서 활용 가능하다. 예컨대 방송통신심의위원회의 비명시적 혐오 표현 심의 기준 정비, 국가인권위원회의 언어 데이터 기반 혐오 실태 정량 진단 등에 본 연구의 성과물이 실질적 근거 자료로 활용될 수 있다.
3) [인재 양성] 국제적 연구 역량을 갖춘 말뭉치 기반 융합 연구 인재 양성: 한국어학·대조언어학·사전학·자연언어처리 분야의 국내 연구진과 다국어 의미 분석 시스템 원천 기술을 갖는 영국 연구진 4인이 협력하여, 말뭉치언어학, 담화의미분석, 자연언어처리 세 분야의 융복합 하위 분과를 구성한다. 각 분과는 박사급연구원 및 연구보조원 등의 신진연구자들로 구성된다. 구체적 연구 산출물의 심화 개발 과정과 온·오프라인 공유 가능한 성과물을 통해 데이터 및 말뭉치 기반의 글로벌 융합 인재를 양성하는 실질적 경로로 활용 가능하다.
연구요약
(한글 2000자 이내)
한국 사회의 혐오 담화는 온라인 플랫폼을 중심으로 급속히 확산되며 심각한 사회적 갈등을 야기하고 있음에도, 기존 연구는 혐오 여부의 이진 분류나 특정 표현 목록 구축에 머물러 온 측면이 있다. 본 연구는 인문‧사회과학 방법론으로서의 말뭉치언어학의 사회적 역할을 모색하기 위한 융합 연구로서, [이주민], [성별], [지역]의 주제 특정적 혐오 담화를 수집·가공하고, 영국 Lancaster 대학 UCREL NLP 그룹과의 국제 공동 연구를 통해 언어학 주도의 해석 가능한 융합 연구 모형을 구축하는 데 목표를 둔다. 본 연구팀은 2023년 7월부터 지금까지 약 2년 6개월에 걸쳐 USAS 체계 이해, 영·한 대응쌍 추출 파이프라인 개발, 10,000여 개 항목의 예비 Lexicon 구축 및 47,787개 후보군 추출 등 예비 연구를 축적해 왔으며, 이를 직접적 기반으로 삼아 다음의 4단계 추진 전략을 수립하였다.
1단계(한국형 USAS Lexicon 구축): 기존 국제 공동 연구를 통해 구축한 10,000개 규모의 USAS 어휘 항목을 50,000개 이상으로 확장한다. 한영 병렬 말뭉치에 Sentence Aligner(XLM-RoBERTa)를 적용하여 형태 단위 엔그램 대응쌍을 추출하고, 미연결 항목에 대해서는 LLM 보조 주석을 활용한다. 이와 함께 어휘 의미 관계 목록, 신어·미등재어(남길임 외 2021~2025), 다단어 표현(MWE), 자체 구축 혐오 표현 데이터(DF 혐오 데이터 12,000개) 등 기구축 어휘 자원을 체계적으로 통합하며, 한국어 고유의 정서 표현과 문화 어휘도 포괄한다. 주석 품질은 언어학·사전학·NLP 전문가 간 삼각측량 방법론을 통해 검증한다.
2단계(한국어 USAS Hybrid Tagger 개발·배포): Lexicon 기반 규칙 태거(Rule-based Tagger)와 실버 스탠다드 데이터로 학습한 신경망 태거(Neural-based Tagger)를 각각 개발한 뒤, 두 태거의 장점을 결합한 하이브리드 태거를 구현한다. 혐오 담화에서 높은 빈도로 출현하는 비표준형, 자소 표현, 비유·환유에 의한 의미적 미등록어를 신경망 태거가 Back-off 모델로 처리함으로써, 규칙 태거만으로는 확보하기 어려운 정밀도와 재현율의 균형을 확보한다. 교착어로서 한국어의 특성(조사·어미 결합, 문장 성분 생략, 한자어 동음어 등)을 고려한 별도의 평가 체계를 마련하고, Top-5 Accuracy 80% 이상을 목표로 Lancaster 대학 개발팀과 협업하여 Wmatrix 플랫폼에 한국어 모듈을 탑재·배포한다.
3단계(한국어 멀티모달 혐오 담화 말뭉치 구축): 약 1,000만 어절 규모의 참조 말뭉치(실버 스탠다드)와 [이주민], [성별], [지역] 각 100만 어절, 총 300만 어절 규모의 주제 특정적 혐오 담화 말뭉치를 구축하고, 사전학 전문가의 전수 검토를 거쳐 고품질의 골드 스탠다드 데이터를 확보한다. 뉴스 보도 사진, 유튜브 섬네일 등 이미지를 포함하는 멀티모달 말뭉치로 확장하고, VLM 전문가와의 협업을 통해 객체 인식·이미지 캡셔닝을 수행하며, Open Images Dataset 객체 분류 체계와 USAS 의미 주석 체계를 매핑하여 텍스트-이미지 통합 분석 방법론을 개발한다.
4단계(주제 특정적 담화 연구 및 글로벌 혐오담화 비교 분석): 멀티모달 말뭉치를 활용하여 핵심어·핵심 의미 범주·핵심 이미지 태그·연어 분석 등 정량적·정성적 담화 분석 방법론을 도출한다. 이를 통해 소규모 텍스트에 기반한 질적 분석과 특정 표현 중심의 기존 담화 분석 방법론을 확장하고, 대규모 말뭉치 기반의 의미 범주별 자동 주석을 포함하는 담화 분석 모형을 제시한다. 나아가 USAS의 동일한 주석 체계로 기분석된 영어·중국어 혐오 담화와 비교 분석을 수행하여 한국어 혐오 담화의 보편성과 특수성을 규명하고, 혐오 담화의 실제 구조와 확산 메커니즘에 대한 해석 가능한 근거를 제공하는 인문학 주도 담화 연구 모델을 제안한다. 최종적으로 구축된 플랫폼과 데이터셋을 학계에 전면 공개하여 연구 성과를 확산하고 그 실효성을 입증한다.
키워드(Keyword)
(한글 250자 이내)
혐오 담화, 주제 특정적 말뭉치, 한국형 USAS, 의미 주석, 의미 주석 말뭉치, 하이브리드 의미 태거, 말뭉치 보조 담화 분석
키워드
(영어 500자 이내)
hate speech, domain-specific corpus, Korean USAS(UCREL Semantic Analysis System)), semantic annotation, semantically annotated corpus, hybrid semantic tagger, corpus-assisted discourse analysis(CADA)
닫기