코퍼스 데이터에서 한국어 관형어미 구성 주석: 관계절 식별을 넘어서
Annotating Korean adnominal ending constructions in corpus data: Beyond relative-clause identification
한국어 초록
한국어 관형어미 ETM은 관계절형 수식어, 형용사형 및 서술격 형식, 의존명사 구성, 어휘화된 표현 등 다양한 명사 수식 구성에서 나타난다. 본 논문은 ETM이 관계절 구조의 직접적인 표지가 아니라, 여러 관형 구성이 공유하는 형태론적 실현체임을 주장한다. 우리는 술어 유형, 보조적 구조, 논항 구조적 호환성, 핵심 명사 제약, 어휘화 패턴을 기준으로 이들 구성을 구별하는 코퍼스 기반 유형론을 제안한다. 이 유형론을 KLUE 의존 트리뱅크에 대한 구성 민감 주석 층(layer)으로 운용화하였으며, 순서가 있는 규칙 기반 절차를 통해 구현하고 수동 검증(validation)으로 평가하였다. 생산적인 관계절형 용법은 분석된 사례의 39.4%를 차지하였으며, 나머지는 주로 형용사형, 서술격형, 의존명사형, 양상형, 시제형, 연어 구성으로 이루어진다. 이 결과는 한국어 관계절형 수식이 관형 형태론만으로는 식별될 수 없음을 보여준다.
원문 초록
The Korean adnominal ending \texttt{ETM} occurs in diverse noun-modifying constructions, including relative-clause-like modifiers, adjectival and copular forms, bound-noun constructions, and lexicalized expressions. This paper argues that \texttt{ETM} is not a direct marker of relative-clause structure, but a morphological exponent shared by several adnominal constructions. We propose a corpus-based typology that distinguishes these constructions using predicate type, auxiliary structure, argument-structural compatibility, head-noun restriction, and lexicalized patterns. We operationalize the typology as a construction-sensitive annotation layer for the KLUE dependency treebank, implemented through an ordered rule-based procedure and evaluated by manual validation. Productive relative-clause-like uses account for 39.4\% of the analyzed instances; the remainder consists mainly of adjectival, copular, bound-nominal, modal, temporal, and collocational constructions. The findings show that Korean relative-clause-like modification cannot be identified from adnominal morphology alone.
제출 이력
확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.
- arXiv:2607.03681v1제출 시각 미확인
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
Meet UD_Czech-PDTC: A Large and Genre-Rich Treebank in Universal Dependencies
언어 재생성: 재구성에 대한 정보 국소성 효과 탐구
Language Re-generation: An investigation into information locality effects on reconstruction
정보 국소성(information locality)은 구문적으로 관련된 단어들이 서로 가까이 나타나는 경향으로, 인간의 언어 처리와 언어 모델 학습 모두에 영향을 미친다. 언어 모델이 불가능한 언어(impossible language)를 습득할 수 있는지에 대한 선행 연구가 있었지만, 언어 모델이 그러한 입력으로부터 자연어를 복원할 수 있는지, 그리고 이것이 언어 모델의 귀납적 바이어스에 대해 무엇을 드러내는지는 아직 불분명하다. 우리는 학습 가능성 기반 접근법을 재구성 프레임워크로 보완함으로써 이 문제를 다룬다: 불가능한 언어로 사전학습된 GPT-2 모델을 미세조정하여 세 가지 유형의 교란(perturbation)으로부터 자연스러운 영어를 재구성한다. 우리의 결과에 따르면, 복원된 구조는 원본 텍스트보다 짧은 의존성 길이(dependency length)를 나타내며, 이는 제약 없는 언어 모델 생성에서 관찰되는 국소성 선호를 반영하고 학습 가능성 실험만으로는 드러나지 않는 아키텍처 바이어스의 정량적 특징을 제공한다. 복원 난이도는 국소성 교란의 정도에 따라 증가한다. 구조적 복원(의존성 Triple F1)은 표면적 복원(정확 일치)과 분리되며, 전역 셔플링(global shuffling) 하에서 유창성은 충실한 재구성과 분리된다. 문장 길이는 성능을 추가로 조절하는데, 긴 문장은 지역 구조가 보존될 때 복원을 촉진하지만 전역 셔플링 하에서는 완전한 붕괴를 초래한다. 마지막으로, 복원 난이도는 교란 유형 전반에 걸쳐 학습 가능성 난이도를 추적하며, 이는 정보 국소성이 두 현상 모두를 지배하는 공통 제약임을 시사한다.
AfriSUD: 아프리카 언어 모델 평가를 위한 의존 구문 트리뱅크 컬렉션
AfriSUD: A Dependency Treebank Collection for Evaluating Models on African Languages
언어적 다양성과 전 세계적 중요성에도 불구하고, 아프리카 언어는 자연어 처리(NLP)를 지원하는 연구와 자원에서 여전히 과소대표되어 있습니다. 우리는 사하라 이남 아프리카 전역의 주요 어족과 지역을 포괄하는 9개의 다양한 아프리카 언어에 대한 최초의 대규모 구문 주석 트리뱅크 컬렉션인 AfriSUD를 소개하여 이 격차를 해소하는 것을 목표로 합니다. 표면 구문 보편 의존 관계(SUD) 프레임워크를 사용하여, 본 커뮤니티 주도의 연구는 교착과 성조와 같은 유형론적 핵심 특징을 포착하는 고품질의 원어민 검증 데이터를 제공합니다. 우리는 비트랜스포머 기준 모델, 다국어 사전학습 인코더, 대규모 언어 모델(LLM)을 포함하여 AfriSUD에서 품사 태깅과 의존 구문 분석을 위해 다양한 모델을 평가했습니다. 결과는 상당한 구문 격차를 보여줍니다. 모델이 9개 언어 전반에서 여전히 명확한 한계를 보이는 것으로 나타났으며, 이는 기존 아키텍처가 아프리카 언어 구문의 구조적 다양성을 완전히 포착하지 못하고 있음을 시사합니다.
Understanding and Tackling Label Errors in Individual-Level Nature Language Understanding
사전학습 언어 모델 시대의 의미역 할당 체계적 서베이
A Systematic Survey of Semantic Role Labeling in the Era of Pretrained Language Models
의미역 할당(SRL)은 텍스트 내 술어-인수(predicate-argument) 구조를 이해하고 하위 응용을 가능하게 하는 자연어 처리(NLP)의 핵심 과제이다. 광범위한 연구에도 불구하고, 통합적 관점에서 해당 분야를 비판적으로 종합하는 포괄적 서베이는 여전히 부족하다. 본 서베이는 기존 연구를 정리하는 것을 넘어 여러 기여를 한다. 우리는 모델 아키텍처, 구문 특징 모델링, 응용 시나리오, 멀티모달 확장을 축으로 SRL 연구를 분류하는 통합 4차원 분류체계를 제안한다. 구문 특징이 언제, 왜 도움이 되는지에 대한 비판적 분석을 제공하며, 구문 보조 접근법이 구문 비사용 대안 대비 일관된 이득을 제공하는 조건을 밝힌다. 대규모 언어 모델(LLM) 시대의 SRL에 대한 최초의 체계적 논의를 제공하며, LLM과 전문 SRL 시스템의 상보적 역할을 검토하고 하이브리드 접근의 방향을 제시한다. SRL 서베이의 범위를 시각, 비디오, 음성 모달리티를 포함한 멀티모달 설정까지 확장하고, 이러한 모달리티 간 평가의 구조적 차이를 분석한다. 문헌은 ACL Anthology, IEEE Xplore, ACM Digital Library, Google Scholar에 대한 체계적 검색을 통해 수집하였으며, 2000년부터 2025년까지의 출판물을 대상으로 명시적 포함·제외 기준을 적용하여 약 200편의 핵심 참고문헌을 도출하였다. SRL 벤치마크, 평가 지표, 패러다임 모델링 접근법을 도메인 전반의 실용적 응용과 함께 논의한다. 대규모 언어 모델과 더 넓은 NLP 영향력 속에서 변화하는 SRL의 역할을 다루며, 향후 연구 방향을 분석한다.
Vision Language Action Models in Robotic Manipulation: A Systematic Review
토론
이 논문과 연결된 포럼 글이 아직 없습니다.