[논문 리뷰] BasqueParl: A Bilingual Corpus of Basque Parliamentary Transcriptions

Nayla Escribano, Jon Ander González외 5명|arXiv (Cornell University)|2022. 05. 03.

Basque language and culture studies인용 수 4

한 줄 요약

이 논문은 2012–2020년 기간 동안의 바스크어 및 스페인어 의회 논의 녹취록을 기반으로 한 1400만 단어 분량의 공개된 双어 문장자료 BasqueParl을 소개한다. 이 자료는 화자, 성별, 정당, 출생 연도 등의 메타데이터, 어간 추출, 명명된 실체 인식(NER)을 포함한다. 연구 결과, 바스크어는 연설에서 자주 사용되지만 핵심 내용을 전달하기보다는 주로 비서적 또는 공식적 기능을 수행하며, 여성은 연설 빈도와 길이 측면에서 부족하게 표현되고 있으나, 2012년 이후로 그들의 어휘 생산량이 크게 증가하여 의회 논의에 대한 참여가 증가하고 있음을 보여준다.

ABSTRACT

Parliamentary transcripts provide a valuable resource to understand the reality and know about the most important facts that occur over time in our societies. Furthermore, the political debates captured in these transcripts facilitate research on political discourse from a computational social science perspective. In this paper we release the first version of a newly compiled corpus from Basque parliamentary transcripts. The corpus is characterized by heavy Basque-Spanish code-switching, and represents an interesting resource to study political discourse in contrasting languages such as Basque and Spanish. We enrich the corpus with metadata related to relevant attributes of the speakers and speeches (language, gender, party...) and process the text to obtain named entities and lemmas. The obtained metadata is then used to perform a detailed corpus analysis which provides interesting insights about the language use of the Basque political representatives across time, parties and gender.

연구 동기 및 목표

• 정치적 논의의 계산 기반 분석을 지원하기 위해 공개된 대규모 바스크어 및 스페인어 의회 녹취록으로 구성된 이중어 문장자료를 구축하기 위해.
• 시간, 성별, 정당에 따라 바스크 정치 논의에서의 언어 사용 패턴, 특히 언어 혼용 패턴을 조사하기 위해.
• 의회 연설 빈도와 길이에 대한 성별 격차를 분석하여 대표성과 언어적 참여도를 평가하기 위해.
• 화자, 성별, 정당, 출생 연도 등의 구조화된 메타데이터, 어간, 명명된 실체를 포함하여 고도화된 NLP 및 사회과학 분석을 위한 문장자료를 풍부화하기 위해.
• 바스크 의회에서의 언어적 행동이 지역 사회의 언어 사용과 정치적 대표성과 얼마나 일치하거나 다름을 보이는지를 경험적으로 밝혀내기 위해.

제안 방법

• 바스크 의회 제2012–2016년 및 제2016–2020년 의회 기간 동안의 녹취록을 수집하고 처리하였다.
• 각 연설 조각의 언어를 자동으로 식별하고 레이블을 붙여 바스크-스페인어 언어 혼용 패턴을 파악하였다.
• 화자 메타데이터(성별, 정당, 출생 연도, 의회 기간)를 포함하여 문장자료를 주석 처리하였다.
• 바스크어 및 스페인어 모두에 신경망 기반 어간 추출 모델을 적용하여 어형을 표준화하였다.
• 기관, 인물, 조직 등의 실체를 추출하기 위해 양 언어에 대해 명명된 실체 인식(NER)을 수행하였다.
• 언어적 특성, 성별 대표성, 정당별 연설 패턴에 대한 통계적 및 종단적 분석을 수행하였다.

실험 결과

연구 질문

• RQ1 의회 토론에서 바스크어와 스페인어의 사용은 시간, 정당, 화자 인구통계학적 특성에 따라 어떻게 변화하는가?
• RQ2 바스크어는 연설의 핵심 내용을 전달하기보다는 공식적 또는 수사적 수단으로 얼마나 자주 사용되는가?
• RQ3 바스크 정치 대표자들 사이에서 연설 빈도와 어휘 수에 대한 성별 격차는 무엇이며, 이는 시간이 지남에 따라 어떻게 변화해 왔는가?
• RQ4 정당 간 언어 사용과 성별 대표성 측면에서 연설 패턴은 어떻게 다름이 있는가?
• RQ5 바스크 의회의 의원들이 보이는 언어적 행동은 바스크 지방의 일반적인 사회언어학적 추세와 얼마나 일치하거나 다름을 보이는가?

주요 결과

• 바스크어는 의회 연설에서 자주 사용되지만, 핵심 내용을 전달하기보다는 주로 공식적인 개회, 종료 및 동료에게 인사하는 데 사용된다.
• 스페인어는 핵심 연설 내용을 전달하는 데 주로 사용되며, 스페인어에서 가장 자주 언급된 실체(Euskadi)는 바스크어에서 가장 자주 언급된 실체보다 거의 4배 더 자주 나타난다.
• 전반적으로 여성은 남성보다 연설 횟수와 어휘 수가 적으며, 의장의 연설을 제외한 후에도 어휘 생산에서 남성과의 격차가 13% 이상 초과한다.
• 연설 횟수에서의 낮은 대표성에도 불구하고 여성의 어휘 생산량은 시간이 지남에 따라 크게 증가했으며, 2012년에는 1/3 미만에서 2020년에는 거의 2/3로 증가했다.
• 정당 EH Bildu는 예외적으로 여성 화자들이 의회의 대표성에 비해 더 높은 언어적 참여도를 보였다.
• 두 정당(PSE-EE 및 PP)은 여성의 어휘 생산 비율이 그들의 화자 대표성에 비해 높은 편이었으며, EAJ-PNV는 여성 어휘 비율에서 10%p의 격차를 보였다.