어간 (stem)
쉽게 풀면
어미가 붙기 바로 전 형태예요. '먹었다'에서 '먹-'이 어간이고, '-었다'가 붙습니다. 옷을 입기 직전의 몸이라고 생각하면 이해가 쉽다. 어근에 이런저런 파생 장식을 덧붙여 만든 결과물이 어간이고, 이 어간에 마지막으로 시제나 높임 같은 문법 옷(굴절어미)을 입히면 비로소 완성된 단어가 된다. '먹이었다'처럼 파생접사 '-이-'가 이미 붙은 뒤에 어미 '-었다'가 결합하는 경우, '먹이-' 전체가 어간이 되어 어근 '먹-'보다 범위가 넓어진다.
왜 중요한가
굴절 패러다임을 기술할 때 굴절접사가 직접 결합하는 기준 단위로 쓰이며, 불규칙 활용이나 어간 교체(예: 영어의 'sing-sang-sung') 현상을 분석하는 데 필수적인 개념입니다. 자연어처리에서 다양한 활용형을 하나의 기본 형태로 되돌리는 어간추출 기술의 이론적 근거가 되어, 형태론 연구와 정보검색의 색인 처리 연구 양쪽에서 다뤄집니다.
논문에서는 이렇게 쓰입니다
파생을 거친 결과물이 새로운 굴절 기반, 즉 어간으로 기능하게 됨을 보여주는 예문이다.
한국어 용언의 어간이 어미와 결합하는 방식에 따라 규칙과 불규칙으로 나뉜다는 점을 설명한 문장이다.
조금 더 깊게 보면
언어에 따라 어간이 여러 이형태를 가질 수 있어(어간 이형태 교체) 어근과 정확히 일치하지 않는 경우가 많으며, 어기와의 경계도 이론적 관점에 따라 달라집니다. 어간은 굴절 패러다임 전체에서 일정하게 유지되는 경우도 있지만, 언어에 따라 시제나 인칭에 따라 형태가 바뀌는 복수 어간 체계를 갖기도 한다. 자연어처리의 스테밍(stemming) 알고리즘은 규칙적으로 접미사를 잘라내는 방식이어서 'universe'와 'university'를 모두 'univers'로 축소하는 등 언어학적으로 부정확한 어간을 산출하기도 하며, 이 때문에 사전 기반의 표제어추출(lemmatization)이 대안으로 함께 쓰인다.
주의할 점
어간은 항상 어근과 같지 않다. 파생접사가 여러 번 결합된 경우 최종 어간은 어근보다 형태적으로 훨씬 복잡할 수 있다. 자연어처리의 단순 어간추출 알고리즘은 언어학적으로 정확한 어간을 항상 찾아내는 것은 아니라는 점도 함께 유의해야 한다. 어간 이형태 교체가 심한 언어(예: 한국어 'ㅂ' 불규칙 용언)에서는 하나의 어휘소가 여러 표면 어간을 갖게 되므로, 형태소 분석기 설계 시 이를 별도로 등재해야 한다.