저자식별 (Authorship Attribution)
한 줄 정의: 익명이거나 저자가 불분명한 텍스트를 언어적, 문체적 특징을 분석하여 누가 썼는지를 추정하는 작업입니다.
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.
논문에서는 이렇게 쓰입니다
"저자식별 실험에서는 후보 저자 5명의 기존 저술과 익명 게시글 간 어휘 다양성 지표와 문장 길이 분포를 비교하여 가장 유사한 저자를 추정하였다."
글쓰기 습관의 통계적 유사도를 계산해서 저자를 추정하는 방법을 보여주는 예문입니다.
"기계학습 기반 저자식별 모델이 소규모 텍스트 샘플에서도 준수한 분류 성능을 보였음을 보고하였다."
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.
주의할 점
비교할 텍스트가 짧거나 후보 저자가 유사한 문체를 공유하는 경우 오판 가능성이 높아지므로, 저자식별 결과는 단독 증거가 아니라 보조적 정황으로 활용되는 경우가 많습니다.