저자식별 (Authorship Attribution)
쉽게 풀면
사람은 글을 쓸 때 자신도 모르게 특정 단어를 자주 쓰거나, 문장을 짧게 끊어 쓰거나, 특정 접속사를 즐겨 쓰는 등의 버릇을 가지고 있습니다. 저자식별은 이런 습관적인 글쓰기 패턴을 여러 텍스트에서 비교해서, 정체가 알려지지 않은 글의 작성자를 후보군 중에서 좁혀가는 작업입니다. 마치 필체 대신 어휘 습관으로 사람을 찾아내는 셈입니다.
왜 중요한가
익명 협박 메일, 표절 의혹이 있는 논문, SNS상의 명예훼손 게시글 등 저자가 숨겨진 텍스트를 둘러싼 법적 분쟁이 늘면서, 저자식별은 법과학과 법언어학 연구에서 중요한 응용 분야로 자리잡고 있습니다. 협박 이메일이나 익명 게시글처럼 저자가 신원을 숨기려는 문건에서, 다른 물증이 없는 상황에도 저자 후보를 좁히는 독립적인 단서를 제공할 수 있습니다.
논문에서는 이렇게 쓰입니다
글쓰기 습관의 통계적 유사도를 계산해서 저자를 추정하는 방법을 보여주는 예문입니다.
인공지능 모델을 활용한 저자식별 연구 성과를 설명하는 예문입니다.
조금 더 깊게 보면
저자식별에서는 흔히 기능어(조사, 접속사 등) 사용 빈도, 평균 문장 길이, 어휘 다양성 지표 같은 문체적 지표(stylometry)를 특징으로 추출하여 통계적 분류 모델이나 기계학습 모델에 입력합니다. 비교 대상 텍스트가 많고 길수록 판별의 신뢰도가 높아지는 경향이 있습니다. 특정 저자의 글에서 반복적으로 나타나는 어휘 빈도, 문장 길이 분포, 기능어(조사·접속사 등) 사용 패턴을 통계적으로 계량화해 저자 미상의 글과 비교함으로써 저자일 가능성이 높은 후보를 좁혀 나가는 방식으로 이루어집니다. 최근에는 통계 기법 외에도 대규모 언어 자료를 학습한 계산언어학적 모델을 활용해 저자 특유의 문체적 지문을 찾아내려는 시도도 이루어지고 있습니다.
주의할 점
비교할 텍스트가 짧거나 후보 저자가 유사한 문체를 공유하는 경우 오판 가능성이 높아지므로, 저자식별 결과는 단독 증거가 아니라 보조적 정황으로 활용되는 경우가 많습니다.
글의 주제나 장르가 다르면 같은 저자라도 어휘 선택이 크게 달라질 수 있어, 비교 대상 글들의 주제와 형식을 최대한 맞추어야 분석 결과의 신뢰도가 높아집니다.