[논문 리뷰] Identifying Metaphoric Antonyms in a Corpus Analysis of Finance Articles

Aaron Gerow, Mark T. Keane|arXiv (Cornell University)|2012. 12. 13.

Language, Metaphor, and Cognition참고 문헌 10인용 수 3

한 줄 요약

이 연구는 17,000편 이상의 기사(1,000만 단어 이상)로 구성된 코퍼스 데이터를 분석하여 금융 뉴스에서 은유적 반대어를 조사한다. 동사의 목적어 분포의 분포 유사도를 사용해 'UP'과 'DOWN' 동사의 인간이 식별한 반대어를 예측한다. 결과적으로, 목적어 분포의 코사인 유사도가 가장 흔한 반대어를 87%의 비율로 정확히 예측하며, 이는 은유 이해에 대해 분포 모델이 타당하다는 것을 뒷받침한다.

ABSTRACT

Using a corpus of 17,000+ financial news reports (involving over 10M words), we perform an analysis of the argument-distributions of the UP and DOWN verbs used to describe movements of indices, stocks and shares. In Study 1 participants identified antonyms of these verbs in a free-response task and a matching task from which the most commonly identified antonyms were compiled. In Study 2, we determined whether the argument-distributions for the verbs in these antonym-pairs were sufficiently similar to predict the most frequently-identified antonym. Cosine similarity correlates moderately with the proportions of antonym-pairs identified by people (r = 0.31). More impressively, 87% of the time the most frequently-identified antonym is either the first- or second-most similar pair in the set of alternatives. The implications of these results for distributional approaches to determining metaphoric knowledge are discussed.

연구 동기 및 목표

• 금융 언어에서 'UP'과 'DOWN'과 같은 동사들이 시장 움직임을 묘사할 때 사람들이 은유적 반대어를 어떻게 식별하는지 조사하기 위해.
• 의미적 구조의 분포 유사도가 인간이 식별한 반대어 쌍을 예측할 수 있는지 검토하기 위해.
• 도메인 특화 언어에서 은유 지식을 모델링하는 데 있어 분포 의미론의 효과성을 평가하기 위해.
• 분포 모델이 은유에 대한 인지적 타당성을 갖는지에 대한 경험적 증거를 기여하기 위해.

제안 방법

• 1000만 단어 이상을 포함하는 17,000편 이상의 금융 뉴스 기사 코퍼스를 분석하여 'UP'과 'DOWN' 동사의 목적어 분포를 추출하였다.
• 참가자들에게 자유응답 및 매칭 작업을 실시하여 인간이 식별한 반대어를 수집하는 두 가지 연구를 수행하였다.
• 동사 쌍 간의 목적어 분포 유사도를 코사인 유사도로 계산하여 의미 유사도를 평가하였다.
• 유사도 점수를 활용해 잠재적 반대어 쌍을 순위 매기고, 예측 결과를 인간의 응답과 비교하였다.
• 상위 순위 반대어의 상관관계와 정확도를 측정하여 분포 유사도의 예측 능력을 평가하였다.
• 결과를 적용하여 분포 모델이 언어 내 은유 지식을 포착하는 데 실용적인지 평가하였다.

실험 결과

연구 질문

• RQ1 금융 맥락에서 인간이 'UP'과 'DOWN'의 은유적 반대어로 가장 자주 식별하는 동사는 무엇인가?
• RQ2 의미적 구조의 분포 유사도가 인간이 식별한 은유적 반대어 쌍을 어느 정도 예측할 수 있는가?
• RQ3 동사 목적어 분포 간 코사인 유사도가 인간이 식별한 반대어의 빈도와 어느 정도 상관관계를 가지는가?
• RQ4 분포 모델이 다수의 대안 중에서 가장 자주 선택된 반대어를 신뢰성 있게 예측할 수 있는가?

주요 결과

• 목적어 분포 간 코사인 유사도는 인간이 식별한 반대어 쌍 비율과 중간 정도의 상관관계(r = 0.31)를 보였다.
• 87%의 경우에서 가장 흔히 식별된 반대어가 목적어 분포 기반으로 가장 유사도가 높은 1~2개의 동사 쌍에 포함되었다.
• 가장 자주 식별된 반대어들은 항상 상위 순위의 분포 유사도로 정확히 예측되었으며, 이는 강력한 예측 능력을 시사한다.
• 결과는 도메인 특화 언어에서 은유 지식을 모델링하는 데 있어 분포 의미론이 실용적인 접근법임을 지지한다.
• 본 연구는 금융 담론에서 목적어 분포 유사도가 은유적 반대어 관계의 강력한 지표임을 입증한다.