태그세트 (Tagset)
쉽게 풀면
말뭉치에 품사 정보를 표시할 때 사용하는 약속된 기호 목록이에요. '명사는 NN, 동사는 VB'처럼 각 품사나 문법 범주에 붙이는 표지들의 전체 체계를 가리켜요.
왜 중요한가
품사표지집합은 품사부착(POS tagging) 작업의 정확성과 세밀함을 좌우하는 핵심 설계 요소로, 언어별·이론별로 다른 태그세트를 비교하고 표준화하는 것이 전산언어학의 자동 품사분석 연구에서 중요한 과제로 다뤄집니다. 펜 트리뱅크 태그셋처럼 널리 쓰이는 표준 태그셋이 있으면 서로 다른 연구팀이 만든 코퍼스와 도구 사이에 호환성이 생겨, 여러 코퍼스를 합쳐 분석하거나 태거 성능을 비교하는 것이 가능해진다.
논문에서는 이렇게 쓰입니다
특정 태그세트가 실제 연구 분야에서 표준적으로 사용되는 사례를 소개하고 있다.
언어별로 독자적으로 만들어진 품사표지집합을 서로 비교함으로써, 여러 언어의 자동 분석 결과를 통일된 기준으로 비교할 수 있는지를 검토하는 연구 사례를 보여주는 예문이에요.
조금 더 깊게 보면
품사표지집합은 세분화 정도에 따라 태그 수가 크게 달라지며(수십 개에서 수백 개까지), 세분화된 태그세트는 정보량이 많지만 자동 태거의 정확도를 낮출 수 있어 세밀함과 실용성 사이의 절충이 설계의 핵심 쟁점입니다. 태그셋의 세분성은 목적에 따라 달라져, 형태가 풍부한 언어일수록 격·시제·인칭을 세분화한 태그가 필요하지만 세분성이 지나치면 태거의 정확도가 떨어지고 자료 희소성 문제가 커진다. 교착어인 한국어의 형태소 분석용 태그셋은 어간과 어미, 조사를 세분화해 표시해야 하므로 영어 태그셋보다 범주 수가 훨씬 많아지는 경향이 있어, 언어 유형에 따라 태그셋 설계 원칙이 달라진다.
주의할 점
품사표지집합을 보편적으로 고정된 단일 체계로 오해해서는 안 되며, 말뭉치 구축 목적과 언어적 특성에 따라 서로 다른 태그세트가 설계·사용된다는 점에 유의해야 한다.
동일한 품사 범주라도 태그셋마다 명칭과 경계가 달라, 서로 다른 태그셋으로 만들어진 코퍼스의 통계를 단순 비교하면 오류가 생길 수 있다. 태그셋을 바꾸면 기존에 구축된 주석 코퍼스와의 호환성이 깨지므로, 새로운 태그셋을 도입할 때는 기존 자료와의 변환 규칙을 함께 마련하는 것이 일반적이다.