트리뱅크 (Treebank)
쉽게 풀면
문장마다 통사구조(구절구조나 의존관계)를 사람이 직접 분석해서 표시해 놓은 대규모 말뭉치예요. 나뭇가지 모양의 통사 구조가 나무처럼 생겨서 '트리뱅크'라는 이름이 붙었어요.
왜 중요한가
구문분석말뭉치는 통사 파서(parser)를 훈련하고 평가하는 데 필요한 정답 자료(gold standard)를 제공하며, 펜 트리뱅크처럼 널리 쓰이는 자료는 전산언어학의 통사 분석 연구와 통계적 파싱 모델 개발에서 핵심 자원으로 활용됩니다. 의존구문 트리뱅크는 유니버설 디펜던시(Universal Dependencies)처럼 여러 언어에 공통된 주석 체계를 적용해 언어유형론적 비교와 다국어 파서 개발을 동시에 지원하는 자원으로 확장되었다.
논문에서는 이렇게 쓰입니다
구문 분석 연구에서 표준 자료로 널리 활용되는 대표적인 트리뱅크 사례를 소개하고 있다.
사람이 직접 통사구조를 표시해 놓은 구문분석말뭉치를 컴퓨터 파서 훈련과 성능 평가의 기준 자료로 활용하는 전산언어학 연구 사례를 보여주는 예문이에요.
조금 더 깊게 보면
구문분석말뭉치는 구절구조 문법에 기반한 트리뱅크와 의존문법에 기반한 트리뱅크로 나뉘며, 주석의 일관성을 검증하는 절차와 언어별 주석 지침(annotation guideline)의 표준화가 구축 과정의 핵심 과제입니다. 구절구조 트리뱅크는 구성소 사이의 위계적 포함 관계를 나무로 표시하는 반면 의존 트리뱅크는 단어 사이의 지배-피지배 관계를 직접 표시해, 어순이 자유로운 언어를 분석할 때는 의존 표상이 더 선호되는 경향이 있다. 트리뱅크 구축 과정에서 주석자 사이의 이견은 별도의 조정 절차(adjudication)를 거쳐 최종본으로 확정되며, 이 조정 기록 자체가 해당 언어의 통사 분석에서 어떤 지점이 논쟁적인지를 보여주는 자료가 되기도 한다.
주의할 점
구문분석말뭉치의 주석을 절대적으로 옳은 유일한 분석으로 오해해서는 안 되며, 특정 문법 이론과 주석 지침에 따라 구축된 하나의 표상 방식이라는 점을 이해해야 한다. 트리뱅크 구축에는 방대한 인력과 시간이 들어 언어별 규모 편차가 크므로, 저자원 언어의 파서 성능이 낮은 것은 알고리즘의 한계가 아니라 학습 자료 부족 때문인 경우가 많다.