earticle

영어

In this paper, several experiments ware attempted on the possibility of starting a self-sustaining prosody in our poetry study, beyond the influence of foreign prosody, such as syllabic meter and foot meter. To verify whether it is possible to conduct prosodic research with artificial intelligence, I divided gosijo texts into experimental group which shares a certain typical pattern and non-controlling groups, and tested whether artificial intelligence could classify the two groups only by strengthening prosodic elements in each group. In this process, as a preprocessing method to increase the accuracy of pattern tracking, various methods were used, ranging from experimenting by dividing lines into syllables to phonemic trials and pretreatment to strengthen prosodic elements. Through this, I prepared a pre-processing optimization plan to make rhyme patterns aware of artificial intelligence, and I could also check whether the reinforcement of prosodic elements is involved in AI’s identifying patterns in the sijo text. Next, using Doc2Vec, I investigated how to detect prosody patterns in sentence units, and at the same time, I were able to find out what factors can track prosody patterns. Finally, in order to find out whether repetitive element tracking in text can be traced as an image, an experiment was performed on data converted from Sijo text into images using CNN, a deep learning technology used for image classification. Experiments have shown that artificial intelligence can track rhythmical patterns as well as the first, the second, and the third lines in the gosijo text by reinforcing consonants and vowels related to rhyme, alliteration and casura in a way of overlapping them in text. CNN experiments confirmed how artificial intelligence technology could be used in future research, and predicted that AI technology would be able to find some regularity in visualized letters, just as humans could see text on paper and recognize rhyme.

한국어

본고에서는 음수율, 음보율 등 외래 운율론의 영향을 벗어나 우리 시가 연구에 서 자생적인 운율론을 출발시킬 수 있는 가능성에 대해 몇 가지 실험을 시도하였 다. 인공지능으로 운율 연구를 진행하는 것이 가능한지를 검증하기 위해, 비슷한 시행을 공유하는 실험군과 그렇지 않은 대조군으로 나누고 각각의 시행에 운율적 요소를 강화하는 것만으로 인공지능이 두 집단을 분류할 수 있는지 실험하였다. 이 과정에서 패턴 추적의 정확도를 높이는 전처리방법으로서 시행을 음절 단위로 나누어 실험하는 단계부터 음소 단위 시행 그리고 운율적 요소를 강화시키는 전처 리까지 다양한 방법을 구사하였다. 이를 통해 운율 패턴을 인공지능을 인식하게 하는 전처리최적화 방안을 마련하였고 운율적 요소의 강화가 시조 텍스트의 패턴 파악에 관여하는지의 여부도 확인할 수 있었다. 다음으로 Doc2Vec을 이용하여 문장 단위에서 운율 패턴을 검출할 수 있는 방 안에 대해 알아보았고, 동시에 운율적 패턴을 추적할 수 있는 요소가 무엇인지도 알 수 있었다. 마지막으로 텍스트 상에서의 반복되는 요소 추적이 이미지로도 추 적 가능한 것이지 알아보기 위해 이미지 분류에 사용되는 딥러닝 기술인 CNN을 이용하여 시조텍스트를 이미지로 변환한 데이터를 대상으로 실험하였다. 실험 결과, 텍스트에서 각운, 두운과 관련된 자음, 모음을 중첩시키는 방식으로 강화하고, 어말 휴지를 중첩시켜 운율적 요소를 강화시켜주는 방식만으로도 인공지능은 시조 텍스트에서 초, 중, 종장 구분은 물론이고, 율격적 패턴도 추적하는 것이 가능하였다. 이어진 CNN 실험 결과, 향후 연구에 인공지능 기술이 어떻게 이용될 수 있는지에 대해서도 시각 이미지화 된 시조 시형을 구분할 수 있음을 확인하고, 인간이 종이 위에 시 텍스트를 보고 운율을 파악하듯이 AI 기술로도 시각 이미지화 된 글자들에서 어떤 질서를 찾아낼 수 있으리라는 전망에 이를 수 있었다.