한국어 반어 탐지를 위한 이종 코퍼스 통합과 활용 가능성 모색 = Integrating Two Distinct Corpora for Korean Irony Detection: Exploring the Potential for Practical Use

국문 초록 (Abstract)

최근 자연어처리(NLP) 기술의 발전과 더불어, 대화형 AI 시스템이 언어의 함축적 의미를 파악하는 능력의 중요성이 부각되고 있다. 이 가운데 반어(irony)와 빈정거림(sarcasm)과 같은 비유적 표현은 문맥 의존성이 높고 표현 방식이 다양하여 자동 탐지가 쉽지 않다. 한편, 이와 같은 언어 현상의 자동 탐지를 위한 학습에 필요한 자원은 충분치 않다. 본 연구는 이러한 언어 현상을 보다 심도 있고 정확하게 처리하고자, 기존에 구축된 두 종류의 한국어 반어 코퍼스, 수작업 기반의 코퍼스와 GPT 기반 자동 생성 코퍼스를 통합하여 단일 코퍼스로 구성하고, 그 특성을 비교·분석하였다. 통합 코퍼스를 활용한 일련의 실험 결과, 각 코퍼스가 반어 표현의 유형과 구축 방식에 있어 본질적인 차이를 지니고 있어 단일 코퍼스로 통합하여 사용하는 데에는 한계가 있음이 확인되었다. 그러나 두 코퍼스 간 반어 표현 유형은 명확히 구분 가능하였으며, 감성 인식과의 다중 과제 학습 결과에서도 상이한 상관관계가 관찰되었다. 이러한 분석을 바탕으로, 본 연구는 코퍼스 병렬 구조 확장 및 표현 방식 변환을 통해 통합형 반어 코퍼스 구축 방안을 제안한다. 또한, 본 연구는 한국어 반어 표현의 정밀한 분석을 위한 언어 자원 개발에 기여하며, 향후 감성 분석 및 대화형 인공지능 등 다양한 NLP 응용 분야에서의 활용 가능성을 제시한다.

다국어 초록 (Multilingual Abstract)

With the recent advancement of NLP technologies, the ability of conversational AI systems to interpret implicit meanings in language has become increasingly important. Among various linguistic phenomena, figurative expressions such as irony and sarcasm pose particular challenges for automatic detection due to their high contextual dependency and diverse surface realizations. However, resources for training models to detect such expressions remain insufficient. This study aims to improve the depth and accuracy of irony detection by integrating two previously developed Korean irony corpora, one of which is based on manual annotation and the other generated automatically using a GPT-based model, into a single unified corpus. Through a series of experiments, we found that each corpus reflects fundamentally different types of ironic expressions and construction methodologies, which limit the effectiveness of their integration into a single resource. Nevertheless, the types of irony in the two corpora were clearly distinguishable, and multi-task learning with sentiment analysis revealed differing correlations depending on the corpus. Based on this analysis, the study proposes strategies for building an integrated irony corpus by extending its parallel structure and transforming expression styles across corpora. This research contributes to the development of linguistic resources for the fine-grained analysis of Korean irony and offers practical implications for various NLP applications such as sentiment analysis and conversational AI.