인간의 언어는 고정된 규칙의 집합이 아니라, 시간의 흐름과 사회적 상호작용 속에서 끊임없이 진화하는 유기적인 적응 체계입니다. 단어는 탄생하고, 의미가 확장되거나 축소되며, 때로는 전혀 다른 의미로 전이되거나 소멸합니다. 언어학에서 '어휘 의미 변화(lexical semantic change)' 또는 '의미 변화(semantic shift)'라고 명명되는 이 현상은 해당 언어를 사용하는 사회의 문화적, 정치적, 기술적 변화를 반영하는 거울과 같습니다.

예를 들어, 과거 'mouse'는 설치류 동물을 지칭하는 단어였으나, 기술의 발전에 따라 컴퓨터 입력 장치를 지칭하는 의미로 확장되었으며, 최근에는 'woke'와 같이 긍정적인 사회적 각성을 의미하던 단어가 정치적 양극화의 도구로 사용되면서 부정적 의미로 사용되는 현상이 나타나고 있습니다.

​

전통적으로 이러한 의미 변화 연구는 문헌학자들의 직관과 수작업에 의존한 통시적(diachronic) 말뭉치 분석을 통해 이루어졌습니다. 그런데 이러한 접근 방식은 방대한 데이터의 홍수 속에서 미세하고 급격한 변화를 빠르게 포착하는 데 한계를 가질 수밖에 없습니다. 최근 '빅 히스토리컬 데이터(big historical data)'에 쉽게 접근할 수 있게 되고, 자연어 처리(NLP) 기술이 비약적으로 발전함에 따라 의미 변화 연구의 방식도 변화하고 있습니다. 이제 연구자들은 수백 년에 걸친 문학 작품부터 실시간으로 쏟아지는 소셜 미디어 텍스트까지, 방대한 비정형 데이터 속에서 단어의 의미 궤적을 정량적으로 추적할 수 있게 되었습니다.

​

이번 글에서는 의미 변화를 탐지하고 분석하기 위한 방법론의 두 축인 '동적 임베딩(diachronic word embeddings)'과 '텍스트 네트워크 분석(text network analysis)'을 단독 또는 융합적으로 활용하여 실제 사회 현상, 디지털 하위문화, 그리고 비즈니스 생태계 등을 해석한 최근 연구 사례들을 소개하고자 합니다.

전문 보기 >>