基于机器学习的韩国语新造词透明度探究

赵天锐

摘要：机器学习在诸多学科领域的定量分析中都已经显现出了巨大价值。本文借助sklearn机器学习库，以韩国国立国语院2015年发布的《新词调查报告书》中收录的新造词为对象，根据报告中出现的分类标准为词汇建立特征矩阵。而后运用多种机器学习算法进行特征选择，最终筛选出对韩国语新造词词义理解影响较强的因素。实验结果表明：如果该词为派生词或外来词，该词呈现低透明度的概率更高。

关键词：韩国语;机器学习;新词;逻辑回归;随机森林

中图分类号：TP391        文献标识码：A

文章编号：1009-3044（2021）04-0204-03

Abstract： Machine learning has shown great value in quantitative analysis in many disciplines. This article uses the sklearn machine learning library provided by Python to build a feature matrix for the vocabulary based on the newly coined words included in the "New Word Survey Report" issued by the National Academy of Korean Language in 2015. Then， a variety of machine learning algorithms are used for feature selection， and finally the factors that have a strong influence on the understanding of the meaning of new Korean words are screened out. The experimental results show that if the word is a derived word or a foreign word， the word has a higher probability of showing low transparency.

Key words： Korean; machine learning; new words; logistic regression; random forest

1 引言

新造词研究一直是韩国语词汇学研究的重要领域，长期以来许多国内外学者对收集到的韩国语新词或流行语进行归类分析，从形态结构、语言来源等方面进行归纳总结，以探索新造词生成的内在规律。虽然相关研究取得了丰富的成果，但对新造词的分析存在一定的局限。

首先，研究范围不明晰。在韩国语中”???”，”??”，”???”，”???”等都可以表示“新词”这个概念。许多关于韩国语新词的研究是新词或者流行语，但从流行语兴起到湮灭，其经历的时间往往很短，难以对词汇进行长期研究。因此本文选择韩国国立国语院发布的《新造词调查报告书》（下简称《报告书》）中的新造词作为研究对象，一是清楚界定词汇的选择范围，二是得到韩国国立国语院收录的词汇具有一定的权威性，有使用时间长，影响范围广的特点。其次，对韩国语新词的分析多采用传统语言学中音韵学、词汇学和形态学等视角，定性分析较多，定量分析较少。……