[논문 리뷰] Topic Modeling Genre: An Exploration of French Classical and Enlightenment Drama

Christof Schöch|arXiv (Cornell University)|2021. 03. 24.

Computational and Text Analysis Methods인용 수 14

한 줄 요약

이 논문은 프랑스 고전기 및 계몽주의 극문학 문체에 토픽 모델링을 적용하여 주제적 구조와 장르 특화된 패턴을 규명한다. 연구는 하위장르 간에 뚜렷한 토픽 프로파일을 드러내며, 주제 기반 클러스터링이 전통적인 장르 분류와 의미적으로 일치함을 보여주어 프랑스 극의 주제적 발전에 대한 새로운 정량적 통찰을 제공한다.

ABSTRACT

The concept of literary genre is a highly complex one: not only are different genres frequently defined on several, but not necessarily the same levels of description, but consideration of genres as cognitive, social, or scholarly constructs with a rich history further complicate the matter. This contribution focuses on thematic aspects of genre with a quantitative approach, namely Topic Modeling. Topic Modeling has proven to be useful to discover thematic patterns and trends in large collections of texts, with a view to class or browse them on the basis of their dominant themes. It has rarely if ever, however, been applied to collections of dramatic texts. In this contribution, Topic Modeling is used to analyze a collection of French Drama of the Classical Age and the Enlightenment. The general aim of this contribution is to discover what semantic types of topics are found in this collection, whether different dramatic subgenres have distinctive dominant topics and plot-related topic patterns, and inversely, to what extent clustering methods based on topic scores per play produce groupings of texts which agree with more conventional genre distinctions. This contribution shows that interesting topic patterns can be detected which provide new insights into the thematic, subgenre-related structure of French drama as well as into the history of French drama of the Classical Age and the Enlightenment.

연구 동기 및 목표

• 프랑스 고전기 및 계몽주의 극문학 텍스트에서 주제 모델링이 의미적 패턴을 드러낼 수 있는지 조사하기 위해.
• 다른 극적 하위장르가 독특한 주요 토픽과 토픽 진행 패턴을 보이는지 확인하기 위해.
• 주제 기반 클러스터링이 기존 문학 장르 분류와 일치하는지 평가하기 위해.
• 특히 다뤄지지 않은 텍스트 코퍼스에서 극의 장르 분석에 정량적 접근을 기여하기 위해.
• 계산적 주제 분석을 통해 프랑스 극의 역사적 및 주제적 발전을 탐구하기 위해.

제안 방법

• 연구는 고전기 및 계몽주의 시기의 프랑스 극문학 텍스트 코퍼스에 대해 잠재적 디리히레트 분포(Latent Dirichlet Allocation, LDA) 주제 모델링을 적용한다.
• 텍스트는 불필요한 요소를 제거하고 일관된 토큰화 및 불용어 필터링을 위해 정규화된다.
• 안정적이고 해석 가능한 주제 군집을 식별하기 위해 다양한 주제 수로 주제 모델을 훈련시킨다.
• 각 극의 주제 점수를 추출하여 주제 분포 기반으로 계층적 응집형 클러스터링(Hierarchical Agglomerative Clustering, HAC)을 수행한다.
• 결과로 생성된 클러스터를 전통적인 장르 분류(예: 비극, 희극, 비극희극 등)와 비교하여 일치도를 평가한다.
• 주제의 해석은 상위 단어와 주제의 일관성 분석을 통해 정성적 분석을 수행하며, 주제 분포의 시각화 자료로 지원된다.

실험 결과

연구 질문

• RQ1 주제 모델링을 사용할 때 프랑스 고전기 및 계몽주의 극에서 어떤 유형의 의미적 주제가 도출되는가?
• RQ2 다른 극적 하위장르가 독특한 주요 주제와 주제 진행 패턴을 보이는가?
• RQ3 주제 기반의 극 클러스터가 기존의 문학 장르 카테고리와 어느 정도 일치하는가?
• RQ4 프랑스 극의 주제 패턴은 고전기 및 계몽주의 시기의 광범위한 지적 및 문화적 흐름을 어떻게 반영하는가?
• RQ5 주제 모델링은 극문학에서 장르 관련 주제적 구조를 식별하고 분석하는 데 신뢰할 수 있는 방법이 될 수 있는가?

주요 결과

• 비극은 명예, 운명, 도덕적 갈등과 같은 강한 주제를 보이며, 희극은 사회적 관계, 속임수, 가정 생활을 중심으로 한 주제를 강조하는 등 하위장르 간에 뚜렷한 주제 프로파일이 확인되었다.
• 주제 모델링은 고전기와 계몽주의 시기 사이의 주제적 전환을 성공적으로 포착하여 철학적 및 윤리적 고민의 변화를 반영했다.
• 주제 점수 기반 클러스터링은 전통적인 장르 분류와 매우 유사한 극의 군집을 생성하여 이 방법의 해석적 잠재력이 검증되었다.
• 가장 일관성 있는 주제들은 항상 해석 가능했으며, 당시의 주요 주제적 관심사인 덕목, 권력, 이성과 일치했다.
• 동일한 하위장르에 属하는 극들은 주제 유사성 기반으로 서로 클러스터링되는 경향이 있었으며, 이는 이 코퍼스에서 주제적 구조가 장르의 안정적 지표임을 시사한다.
• 본 연구는 주제 모델링이 수작업 분석만으로는 쉽게 파악하기 어려운 미묘한 주제적 패턴을 드러낼 수 있음을 입증한다.