텍스트마이닝을 통해 본 구비설화의 지역 간 전승 경향의 유사성 = A study on the similarity of inter-regional transmission trends of oral tales using text mining

국문 초록 (Abstract)

본고는 『한국구비문학대계』와 『증편 한국구비문학대계』 두 자료집을 각각 대상으로 9개 지역에서 전승되는 구비설화의 지역 간 전승 경향의 유사성을 분석하였다. 이를 위해 텍스트마이닝 기법을 활용하여 ‘데이터 수집→지역 정보 전처리→지역 설화 분석→시각화’의 분석 과정을 거쳤다.
먼저 〈한국구비문학대계〉 디지털 아카이브에서 설화 제목 데이터 26,542편을 수집하고 ‘도’ 단위의 행정구역으로 정리되지 않은 지역 정보를 전처리하였다. 그런 다음 데이터를 9개 지역별로 나누고 이들 데이터를 다시 채록 연도를 기준으로 분류하였다. 이러한 전처리를 마친 데이터에서 제목만 모아 만든 말뭉치 형태소를 분석하여 지역별로 빈도수 상위 100개에 해당하는 명사를 추출하였다. 그런 다음 지역 간 구연 비중의 정확한 비교를 위해 추출된 명사 빈도수를 정규화하였다. 여기서 산출된 정규화 값으로 지역 간 코사인 유사도를 계산하여 지역 간 이야기의 분포를 비교하였다. 이는 『한국구비문학대계』에서 추출한 명사 384개, 『증편 한국구비문학대계』 435개를 대상으로 하였다.
분석 과정을 통해 도출된 결과는 9개 지역별로 워드클라우드, 지역 간 코사인 유사도 값의 수치, 코사인 유사도 값을 지도에 시각화한 자료를 통해 제시하였다. 그 결과 『한국구비문학대계』에서는 경기지역에서 전승되는 이야기가 다른 어떤 지역과도 낮은 유사성을 보이면서 전국 지역 가운데 상대적으로 전승 경향이 가장 이질적인 것으로 나타났다. 한편 『증편 한국구비문학대계』의 경우 지역적으로 가장 이질적 전승 경향을 보이는 지역은 충북과 전북이며 경기지역의 경우는 다른 지역과의 유사성이 상대적으로 가장 높은 지역으로 변화한 것으로 확인되었다.

다국어 초록 (Multilingual Abstract)

This paper analyzed the similarities in the inter-regional transmission trends of oral tales handed down in nine regions using two data collections, 『Comprehensive Korean Oral Literature』 and 『Complementary Edition of Comprehensive Korean Oral Literature』. To this end, we used text mining techniques to go through the analysis process of “data collection → local information pre-processing → regional narrative analysis → visualization”.
First, 26,542 tale title data were collected from the digital archive of 〈Comprehensive Korean Oral Literature〉, and regional information that was not organized into administrative districts at the “province” level was preprocessed. The data was then divided into nine regions, and these data were again classified based on the year of recording. Next, the corpus morphemes created by collecting only titles from the preprocessed data were analyzed to extract the top 100 frequencies of nouns by region. Then, the extracted noun frequencies were normalized to accurately compare the proportion of oral speech between regions. The distribution of stories between regions was compared by calculating the cosine similarity between regions using the normalization value calculated here. This targeted 384 nouns extracted from 『Comprehensive Korean Oral Literature』 and 435 nouns from 『Complementary Edition of Comprehensive Korean Oral Literature』.
The results derived through the analysis process were presented through a word cloud for each of the nine regions, the numbers of cosine similarity values ​​between regions, and data visualizing the cosine similarity values ​​on a map. The results indicate that, excluding Jeju, narratives transmitted in the Gyeonggi region show relatively low similarity with those of other regions, making it the most heterogeneous in terms of transmission tendencies across the nation in 『Comprehensive Korean Oral Literature』. On the other hand, in the 『Complementary Edition of Comprehensive Korean Oral Literature』 the regions of Chungcheongbuk-do and Jeollabuk-do exhibit the most heterogeneous transmission tendencies, with Gyeonggi region showing a relatively higher similarity with other regions.