[논문 리뷰] Can we track the geography of surnames based on bibliographic data?

Nicolás Robinson‐García, Ed Noyons외 1명|arXiv (Cornell University)|2015. 03. 18.

China's Ethnic Minorities and Relations참고 문헌 14인용 수 4

한 줄 요약

이 논문은 두 가지 통계적 방법을 통해 문헌 데이터를 활용해 성씨의 지리적 기원을 추론하는 것을 제안한다: 가장 빈도가 높은 기원 국가에 성씨를 할당하는 방법과 쿨백-라이블러 발산을 사용하는 방법, 그리고 지니 지수를 활용한 평가 방법. 이 방법은 과학적 이주 흐름과 성씨 기원 추적에 유망한 결과를 보이며, 향후 검증이 필요하다.

ABSTRACT

In this paper we explore the possibility of using bibliographic databases for tracking the geographic origin of surnames. Surnames are used as a proxy to determine the ethnic, genetic or geographic origin of individuals in many fields such as Genetics or Demography; however they could also be used for bibliometric purposes such as the analysis of scientific migration flows. Here we present two relevant methodologies for determining the most probable country to which a surname could be assigned. The first methodology assigns surnames based on the most common country that can be assigned to a surname and the Kullback-Liebler divergence measure. The second method uses the Gini Index to evaluate the assignment of surnames to countries. We test both methodologies with control groups and conclude that, despite needing further analysis on its validity; these methodologies already show promising results.

연구 동기 및 목표

• 문헌 데이터베이스가 성씨의 지리적 기원을 추론하는 데 사용될 수 있는지 조사하는 것.
• 빈도 및 분포 패턴 기반으로 성씨를 국가에 할당하는 통계적 방법론을 개발하고 테스트하는 것.
• 통제된 테스트 그룹을 활용해 성씨-지역 간 연결의 신뢰성과 정확도를 평가하는 것.
• 성씨 기반 지리적 추론을 통한 신규 응용 분야, 예를 들어 과학적 이주 흐름 분석을 가능하게 하는 것.

제안 방법

• 첫 번째 방법은 성씨-국가 데이터베이스에서 가장 빈도가 높은 기원 국가에 성씨를 할당하는 것으로, 쿨백-라이블러 발산을 사용해 성씨 분포와 국가별 분포 간의 거리를 측정한다.
• 두 번째 방법은 지니 지수를 적용하여 성씨 할당이 국가 간에 얼마나 집중되어 있는지 평가하며, 성씨가 특정 국가와 강하게 연관되어 있는지 확인한다.
• 정확도를 검증하기 위해 기원이 알려진 성씨로 구성된 통제 그룹을 사용한다.
• 직접적인 민족적 또는 유전적 데이터가 필요 없이, 기존의 문헌 데이터(예: 저자 소속 및 출판 기록)를 활용해 성씨 기원을 추론한다.
• 쿨백-라이블러 발산은 관측된 성씨 분포와 각 국가별 기대 분포 간의 비유사도를 정량화하는 데 사용된다.
• 지니 지수는 성씨 할당이 국가 간에 얼마나 불균형하게 분포되어 있는지를 평가하며, 높은 값은 특정 국가에 집중되어 있음을 나타낸다.

실험 결과

연구 질문

• RQ1 문헌 데이터가 성씨의 지리적 기원을 신뢰성 있게 추론할 수 있는가?
• RQ2 쿨백-라이블러 발산이 성씨를 가장 가능성이 높은 기원 국가에 할당하는 데 얼마나 정확한가?
• RQ3 지니 지수가 성씨-국가 간 연관성의 특이성을 어느 정도 반영하는가?
• RQ4 이러한 방법을 저자 소속에 적용했을 때 과학적 이주 패턴을 탐지할 수 있는가?
• RQ5 기원이 알려진 성씨 그룹을 대상으로 테스트했을 때 이 방법들이 어떻게 성능을 발휘하는가?

주요 결과

• 쿨백-라이블러 발산 방법은 분포 패턴을 비교함으로써 성씨의 가장 가능성이 높은 기원 국가를 성공적으로 식별한다.
• 지니 지수는 성씨 할당의 집중도를 효과적으로 측정하여 특정 국가와의 강한 연관성을 나타낸다.
• 통제 그룹을 대상으로 테스트한 결과, 두 방법론 모두 성씨의 지리적 기원 할당에 있어 유망한 결과를 보였다.
• 본 연구는 문헌 데이터가 성씨 지리 추적을 위한 타당한 대체 자료로 활용될 수 있음을 입증한다.
• 다소 유망한 결과가 있었지만, 저자들은 방법론의 강건성을 확인하기 위해 향후 추가 검증이 필요하다고 지적한다.