문자 그대로 입니다. 말그대로 "문자 그대로" 어떤 말을 자주 하는지 알아보겠습니다.
어떤 단어를 많이 사용하는지 한 번 헤아려 봤습니다. 한국어와 같은 교착어에 속하는 언어들은 조사를 분석해서 "목적어로 많이 쓰는 단어" , "부사로 많이 쓰는 단어"를 헤어려 볼 수 있겠습니다만, 일단은 뭉뚱그려서 헤어려 봤습니다. 동음이의어나 장음/단음 등 문자로 구별안되는 것은 문맥해석은 하지 않고 그냥 같은 것으로 봐버렸습니다.
간단한 프로그램을 하나 짜서, 일단 시험삼아 짧은 글들을 대상으로 헤아려 봤습니다. 항상 자주 등장하는 "그" "저" "것" "수" 같은 한 글자짜리 의존명사 따위가 어느 글이든 가장 많이 나오기 마련입니다. 그래서 두 글자 짜리 단어만 대상으로 해서,
현진건의 명작 [B사감과 러브레터] 를 헤아려 보면,
처녀 14
하고 10
사내 10
소리 9
학생 7
얼굴 7
편지 6
등으로, "처녀"가 14회 사용되는 단어로 가장 많이 나옵니다.
한편, 얼마전에 일간스포츠에 연재된 "역대 국제 인질극 구출사례" 시리즈 의 원고를 대상으로 헤아려 보면,
인질범들 92
인질 87
특공대 87
이들 59
했습니다 55
사건 51
이스라엘 46
정부 43
당시 40
작전 39
인질극 37
인질들 37
됩니다 37
모습 34
협상 34
비행기 32
건물 32
등으로, 항상 반복해서 거의 대명사처럼 사용된, 인질범들, 인질이 가장 많이 사용되었고, 특공대 라는 단어도 마찬가지로 많이 사용했음을 알 수 있습니다.
이제 드디어, 듀나게시판 차례 입니다. 얼마되지 않지만, 메인게시판 에서 최근 500개 글을 대상으로 헤아려 보았습니다.
우선, 전체에서 가장 많이 사용된 10단어는,
[듀나 메인게시판]
입니다. 한 글자짜리 단어를 빼버리고 순위를 뽑아보면,
[듀나 메인게시판]
이렇습니다.
구체적으로 순위를 살펴보겠습니다.
[듀나 메인게시판]
1 영화 417
2 사람 191
3 정말 167
4 이런 165
5 하고 152
6 그런 143
7 너무 131
8 그리고 131
9 하지만 127
10 생각 124
11 그런데 124
12 그냥 120
13 사람들 116
14 사실 108
15 다른 105
16 있다 105
17 있습니다 96
18 보고 96
19 이렇게 93
20 지금 92
21 그래서 91
22 정도 91
23 가장 88
24 우리 86
25 역시 84
26 디워 80
27 보면 78
28 자신 77
29 그렇게 75
30 때문 73
역시 영화가 1위, "사람"이 2위 입니다. 최근 500게시물 대상이기 때문에, 최근의 화제거리들이 많이 반영되어 "디워"도 26위에 자리잡고 있습니다.
이제, 리뷰게시판을 살펴보겠습니다. 리뷰게시판은 최근 500개면, 상당히 옛 게시물까지 거슬러 올라가는 것이기 때문에, 비교적 최근화제에 휘둘리지 않는, 그리고 리뷰에 항상 자주 쓰이는 단어들이 나오리라 예상됩니다. 또 리뷰게시판의 글들은 보통 글이 상당히 길기 때문에 훨씬 더 많은 단어들이 보입니다.
[듀나 회원 리뷰 게시판]
한 글자짜리 단어를 빼버리고 순위를 뽑아보면,
[듀나 회원 리뷰 게시판]
이렇습니다.
구체적으로 순위를 살펴보겠습니다.
[듀나 회원 리뷰 게시판]
1 영화 5014
2 있습니다 2364
3 이야기 2141
4 장면 1562
5 사람 1540
6 주인공 1377
7 합니다 1347
8 이런 1325
9 그리고 1253
10 모습 1244
11 것입니다 1205
12 그런 1022
13 사람들 1004
14 있다 976
15 다른 942
16 하지만 939
17 대한 935
18 자신 899
19 때문 886
20 하고 811
21 부분 773
22 감독 770
23 가장 728
24 사실 720
25 정도 717
26 정말 688
27 역시 685
28 느낌 683
29 그래서 619
30 그냥 617
역시 "영화"가 압도적으로 1위고, 메인게시판 과는 달리, "사람"이라는 단어보다 "이야기", "장면" 이라는 단어가 더 많이 쓰이고 있습니다. 22위에 자리잡은 "감독"이라는 단어가 새로 보이고, 메인게시판에는 "그냥" 이라는 단어가 12위인데, 리뷰게시판에는 30위 입니다.
그렇다면, 이런 경향은 다른 게시판과 듀나게시판이 어떤 뚜렷한 차이를 보이는 것이겠습니까?
비교를 위해서, 일단 DC인사이드의 영화 갤러리의 최근 500게시물을 대상으로 단어를 헤아려봤습니다.
[DC인사이드 영화 갤러리]
한 글자짜리 단어를 빼버리고 순위를 뽑아보면,
[DC인사이드 영화 갤러리]
이렇습니다.
구체적으로 순위를 살펴보겠습니다.
[DC인사이드 영화 갤러리]
1 영화 159
2 디워 58
3 국제 51
4 초청 45
5 영화제 44
6 그냥 41
7 진중권 40
8 미국 40
9 근데 35
10 심형래 35
11 감독 33
12 사람 29
13 진짜 28
14 너무 27
15 있다 25
16 그리고 24
17 그런 24
18 그렇게 22
19 정말 21
20 지금 21
21 자신 21
22 이런 20
23 하지만 20
24 하고 19
25 사람들 19
26 한국 18
27 보고 18
28 이렇게 17
29 보면 16
30 그런데 16
역시 영화가 단연 1위 인데, 짧고 빠르게 글이 쏟아진 특성상 "디워"가 2위이고, "국제" "영화제" "초청" 이라는 단어가 매우 자주 언급된 바 있습니다. 듀나게시판에는 순위권에 없는 "진짜" 라는 단어가 13위에 자리잡고 있습니다. 이것은 평어/경어의 차이일 수도 있을 것입니다. "정말 재미있었습니다" 라고 자주 쓰게 되고, "진짜 재밌었다" 라고 쓰기 쉬우니 말입니다.
이렇게 자주쓰이는 단어들을 헤아려보는 것은, 언어 자체에 대한 분석 부터, 자연어 해석의 여러 분야에 재밌게 쓰인 일입니다. 간단하게 순위 경향을 일종의 지문처럼 수치화해서, 어떤 게시판의 "듀나성향"이나 "DC성향"을 비교해 보거나, 구글뉴스 같은 곳 처럼 문서의 분류나 포집에 사용하기도 하니 말입니다.
계산에 사용한 매우 간단한 프로그램의 자바 소스코드는 여기 http://blogfile.paran.com/BLOG_263294/200708/1187061063_wordas.jar 에 있습니다. |
|
