"DongraebakuiSemanticData"의 두 판 사이의 차이

연구 목적

중국 春秋 시기에 발생한 여러 사건들은 동아시아 지역에서 역사적 전거로 많이 활용되었다. 식자층들은 春秋左傳을 통해 春秋 시기에 발생한 사건과 이에 대한 윤리적 해석을 학습하였고, 이에 더해 東萊博義, 史記列傳 등 춘추 시기에 대해 비평한 다른 서적들도 적극적으로 수용하였다. 여조겸이 저술한 東萊博義는 주장과 근거가 드러나는 논설의 형태를 띠고 있어서 과거 시험에 대비한 수험서로 많이 활용되었다. 그러나 東萊博義의 역할은 단순한 과거 수험서에서 그친 것이 아니라, 당시 지식의 보편적 기반으로 작용하였다. 따라서 역사적 전거로 춘추 시대의 일화를 들 때에도 그 기반에 東萊博義의 영향이 어느 정도 존재하였다고 볼 수 있다. 따라서 東萊博義가 활발하게 수용되었던 조선 시기 식자층의 윤리관 및 사상적 저변을 이해하기 위해서는 춘추 시기 역사적 사건과 인물에 대해서 어떻게 인식하고 있는지를 파악해야 한다. 그러나 이러한 인식을 엿볼 수 있는 주된 자료라 할 수 있는 春秋 時代에 대한 논평문은 문집 중에서도 雜書 등에 흩어져 있어 한눈에 확인이 어렵다. 춘추 시대의 사건에 대한 비판견해를 다각도로 파악하고자 하던 선행연구가 있었으나 단편적인 사건을 가지고 분석하는 데에 그쳤고 많은 사건들에 대한 인식을 종합적으로 분석하지는 못하였다. 조선 시기에 존재한 춘추 시대에 대한 전체적인 인식을 연구하려면 많은 양의 데이터가 필요하고, 또 이를 시각적으로 구현하여 분석할 필요가 있다. 따라서 본 연구에서는 春秋 代 여러 사건과 사건에 대한 논평을 시멘틱 데이터로 구현하여 이러한 문제를 해결하고자 한다.
본 연구에서는 ①春秋 時代에 발생한 사건을 개별 노드로 구성하고, ②이 사건들에 대한 東萊博義, 한국문집총간 내 문집에 수록된 논평을 링크로 연결함으로써 ③사건-사건의 등장인물-논평의 관계망을 시각적으로 구현하고자 한다. 이러한 시각적 구현을 통해 ①春秋 時代에 일어난 여러 사건과 이에 대한 인식을 파악하고 분석할 수 있다. 또한 ②역사적 사건 속 인물에 대한 평가를 관계망 형태로 구현하였기 때문에 특정 인물에 대한 다양한 의견과 논의를 발견하는 것도 가능하다. 부수적으로, ③어떤 사건이나 인물이 함축하고 있는 가치가 있다면 해당 가치에 대한 인식을 탐구하는 후속 연구나 ④춘추 시기 인물들의 네트워크를 분석하는 후속 연구에서도 본 데이터를 활용하고자 한다.

연구 대상

연구 방법

온톨로지 설계

온톨로지 다이어그램

클래스(Class)

관계(Relation)

속성(Attribute)

데이터 샘플링

샘플 데이터 적용 네트워크 그래프

데이터 샘플링 결과 분석

샘플 데이터에 사용할 사건은 채중살옹규^[1]를 사용하였다. 이 사건이 함축하고 있는 문제의식(여성은 남편과 아버지 중 어느 쪽을 택해야 하는가?)이 명확하고, 이로 인해 많은 논평이 존재하였기 때문이다.
샘플 데이터에서 알 수 있듯이, 본 사건에 대한 논평은 주로 역사인물 '옹희'를 다루고 있다. 옹희는 남편이 친아버지를 살해하려 하는 상황에서 선택해야 하는 당사자였다. 여기에서 옹희는 아버지를 선택하여 남편을 죽게 하는데, 이에 대해 동래박의에서는 채중이 졸렬한 인물이라 비판하는 한편 옹희에 대해서는 비교적 가치중립적으로 묘사한다. 그러나 조선의 여러 문집에서는 모두 옹희의 선택을 잘못된 것이라 비난하고 있으며, 이에 대해 언급하지 않은 동래박의 텍스트에 대해서도 비판한다. 이에 대한 대안으로 옹희가 자결하거나 양쪽을 모두 말리는 방식을 사용해야 한다고 하는데, 여기에서 '둘 중 하나를 고르는' 상황 자체를 용납하지 못하는 당시의 인식을 엿볼 수 있다.
이러한 방식으로 춘추 시대의 여러 사건을 분석한다면 소기의 연구 목적처럼 조선 식자층의 역사 인식을 분석하는 데 본 데이터를 활용할 수 있을 것이다.

연구 데이터

데이터의 범위

총 1,097개의 개별 Node와 1,791개의 Link 데이터를 구축하여 분석에 사용하였다.

데이터 수집 및 처리 방법

○ 데이터 가공 과정에서 사용한 기준

• 인물 데이터에서의 기준
  

- 인물 데이터에서의 대표명칭은 인물의 본명을 사용하되, 검색의 편의를 위하여 인물이 즉위한 제후/군주였을 경우에는 국적+시호를 대표 명칭으로 사용하였다(eg. 정 장공)
- 인물이 사건 내에서 등장하고 분명한 역할을 수행하나 본명이 명확하지 않을 때에는 사건에 언급된 명칭을 그대로 사용하였다. (eg. 송나라 사신)

• 사건 데이터에서의 기준
  

- 『동래박의』 내에서 언급되는 개별 사건을 하나의 사건으로 데이터화하였으며, 좌전 내 여러 기사들을 붙여서 동시에 언급하고 등장 인물 및 사건의 양상이 일관성이 있다고 판단한 경우 하나의 사건으로 처리하였다.

• 논평 데이터에서의 기준
  

- 하나의 텍스트를 하나의 논평으로 처리하였다.
- 하나의 텍스트 안에서 여러 사건을 다루는 경우에도 하나의 논평으로 처리하였다.
- 춘추좌전 내에서 논평이 등장하는 경우에는 춘추좌전의 기준을 따라 魯나라의 연호를 사용하였다. 논평의 제목을 왕명-년도-전의 순서로 명명하였다.
ex ) 노 은공 3년 전 11

• isRelatedTo

- 해당 사건 내에서 1) 이름이 등장하며 2) 행위가 있는 경우 등장인물로 처리하였다.
- 사건 내에서 행위 없이 대화 속에서 언급만 되는 경우에는 등장인물로 처리하지 않았다. 다만 해당 인물의 존재가 사건의 진행에 영향을 미치는 경우에는 등장인물로 처리하였다.

• covers
  

- 논평 내에서 사건이 언급되는 경우 사용하였다.
- 논평 내에서 특정 사건을 매개로 평을 진행할 때 사용하였다.

• refersToPositively
  

- 논평 내에서 '개인의 의견으로' 인물의 성품 혹은 특정 행위를 긍정적으로 묘사하는 경우 사용하였다.

• refersToNeutrally
  

- 논평 내에서 인물의 공과 과를 종합적으로 언급하는 경우 사용하였다.
- 논평 내에서 인물에 대한 평이 존재하되 긍정적, 부정적인 가치 판단을 찾기 어렵다고 판단한 경우 사용하였다.

• refersToNegatively
  

- 논평 내에서 '개인의 의견으로' 인물의 성품 혹은 특정 행위에 대해 부정적으로 묘사하는 경우 사용하였다.

○ 데이터 수집 과정에서 사용한 기준

• 조선문집논평 데이터
  

- 한국고전종합DB 상에서 1) 동래박의, 춘추좌전에 나타난 인명을 그대로 검색하여 나온 텍스트 데이터를 수집하고 2) DB 세부검색 디렉토리에서 잡저, 論을 설정한 후 '春秋' '左氏曰' 키워드로 검색하여 나온 텍스트 데이터를 수집한 후 1), 2)의 데이터를 직접 읽고 검토하여 내용이 교감이나 고증학에 중점된 것, 특정 사건을 언급하지 않고 다른 논의에 인물명만 언급한 것을 제외하였다.

• 춘추좌전논평 데이터
  

- 춘추좌전 내에서 글자로 평한 것(포폄)은 논평 데이터에서 제외하였다.
- 좌전 내에서 '君子~'가 들어간, 명확하게 좌구명의 견해라고 볼 수 있는 기사만 추출하여 춘추좌전논평 데이터를 구성하였다.

연구 결과

Cypher Query 작성

● 문제의식1: 정 장공(Person)을 부정적으로 언급(Relation)한 논평(Comment)의 저자(Create)를 출력.
○ 질의어(문제의식1) 작성
- 정 장공을 선택해서 출력: match (a:Person) where a.name='정 장공' return a
- 인물을 부정적으로 언급한 논평 출력: match (a:Person) - [r:refersToNegatively] -> (b:논평) return a, r, b
- 논평과 그 저자를 출력:match (a:논평) - [r:creator] -> [b:Person] return a, r, b
- 최종 정리: match (a:Person) where a.name='정 장공' - [r:refersToNegatively] -> (b:논평) - [s:creator] -> [c:Person] return c
- 실제 적용: match (a:Person{name:'정 장공'})-[r:refersToNegatively]-(b:`논평`)-[s:contains]-(c:`권차`)-[p:hasPart]-(d:`문헌`)-[q:creator]-(e:Person) return a,b,c,d,e

● 문제의식2: 여조겸(Person)이 작성한 논평(Comment)에서 긍정적으로 언급된(Relation) 인물(Person)이 등장(Relation)한 사건(Episode)을 출력
-문제의식의 맥락: 동래박의 내 논평에서 긍정적으로 언급한 인물이 등장한 사건을 출력
○ 질의어(문제의식2) 작성
- 동래박의를 선택해서 출력 : match (a:문헌) where a.name='동래박의' return a
- 동래박의 내 논평을 출력 :
1) 동래박의 내 모든 권차를 출력 : match (a:문헌) where a.name='동래박의' - [r:hasPart] -> [b:권차] return a, r, b
2) 동래박의 내 모든 권차의 모든 논평을 출력 : match (a:권차) - [r:contains] -> [b:논평] return a, r, b
3) 정리 : match (a:문헌) where a.name='동래박의' - [r:hasPart] -> [b:권차] - [s:contains] -> [c:논평] return c
- 논평에서 긍정적으로 언급한 인물 출력 : match (a:논평) - [r:refersToPositively] -> [b:인물] return a,r,b
- 인물이 등장한 사건을 출력 : match (a:Person) -[r:isRelatedTo]-[b:사건] return a,r,b
- 최종 정리 : match (a:문헌) where a.name='동래박의' - [r:hasPart] -> [b:권차] - [s:contains] -> [c:논평] -> [p:refersToPositively] -> [d:인물] -> [q:isRelatedTo]-[e:사건] return a,b,c,d,e

● 문제의식3: 살해 사건(a:살해)에 등장한 인물(Person)을 긍정적으로 언급한 모든 논평을 출력
-문제의식의 맥락: (역 : 모든 논평에서 긍정적으로 언급된 인물 중 살해 사건과 연관된 인물 출력) = 살해 사건에 연관되었는데도 긍정적으로 평가받은 인물이 누가 있는가?
○ 질의어(문제의식3) 작성
- 논평에서 긍정적으로 언급한 인물 출력 : match (a:논평) - [r:refersToPositively] -> [b:Person] return a,r,b
- 살해 사건 출력 : match (a:`사건`) where a.type=`살해` return a
- 살해 사건에 등장한 인물 출력 : match (a:`사건`) where a.type=`살해` - [r:isRelatedTo] - (b:Person) return a, r, b
- 최종 정리 : match (a:논평) - [r:refersToPositively] -> (b:Person) - [s:isRelatedTo] - (c:`사건`) where c.type='살해' return a,r, b
- 실제 사용 : match (a:`논평`)-[r:refersToNegatively]-(b:Person)-[s:isRelatedTo]-(c:`사건`{type:'살해'}) return a,b,c

이외에도, 본 데이터베이스에서는 Query를 활용해 이러한 자료를 손쉽게 추출할 수 있다.
1) 조선 문집 내 논평에서 언급한 인물 출력

2) 특정 인물이 등장하는 모든 사건 출력 match (a:'인물')-[r:isRelatedTo]-(b:'사건') return a,r,b

3) 특정 인물이 등장하는 모든 논평 출력 match (a:'인물')-[r:]-(b:'논평') return a,r,b

분석 결과

1. 전체 그래프 분석
문헌 『동래박의』를 중심에 두고, 권차 내 논평들이 다루는 사건과 등장인물이 네트워크의 많은 분량을 차지한다. 논평의 시멘틱 데이터를 구축하고자 하였던 초기 의도에 맞게 인물 논평에 대한 관계어를 (긍정:파랑 중립 :초록 부정:빨강) 눈에 띄는 색상과 굵은 선으로 강조하여 가중치를 두었다. 많은 사건에 연관된 네트워크의 중심에 있는 인물은 크게 ①송 양공, ②진 문공, 3제 환공, 4정 장공, 5 관중 등을 들 수 있다. 네트워크의 중심에 위치할수록 다른 사건들과 연계성이 높고, 멀수록 비교적 독립적으로 발생한 사건이라고 볼 수 있다. 이를 이용해 전체 그래프 상에서 수행한 분석은 다음과 같다.

1) 다른 사건들과 연결된 인물과 그렇지 않은 인물

• 사건 '채중이 옹규를 죽이다' (상단 노란색으로 표시) 의 등장인물 채중과 옹희에게는 모두 논평이 존재하고 이 논평은 주로 부정적으로 작성되었다. 그러나 데이터를 분석하면 이 사건에 연루된 두 사람을 비판한 양상이 서로 다르다는 것을 알 수 있다. 채중에 대한 비평에서 채중은 주로 다른 인물과 함께 언급되고, 옹희는 독립적으로 언급되고 있다. 또한 채중의 경우 다른 사건과도 연관되어 있고 이러한 사건으로 인한 비평이 존재하는 반면 옹희는 그렇지 않다. 채중이 연관된 사건의 속성이 주로 내정인 것으로 보아 채중이 비판받은 이유도 이러한 정치적 의사결정으로 인한 것으로 보아야 한다. 그러나 옹희의 경우 이 한 가지 사건에만 연결되어 있는데, 옹희를 언급한 논평들에서는 다른 인물들을 언급하지 않는다. 이로 보아 옹희의 경우 이 사건에서 보인 개인적 속성으로 인해 비판받는다고 보는 것이 타당하다. 따라서 본 데이터를 분석하면 채중에 대한 비평이 정치적 의사결정 및 윤리에 연관되어 있는 반면 옹희에 대한 비평은 개인적 의사결정과 연관되어 있다는 결론을 낼 수 있다.
  

2) 네트워크의 중심에 있는 인물
네트워크의 중심에 있는 인물은 세 가지 유형으로 나눌 수 있다.
① 다른 개체와 많이 연결되어 있으면서 비평문이 많은 인물

② 다른 개체와 많이 연결되어 있으나 비평문이 상대적으로 적은 인물

③ 다른 개체와 많이 연결되어 있지 않으나 비평문이 많은 인물

3) 네트워크를 통해 도출한 논평객체 인물의 세부 유형
2)의 결과를 토대로, 데이터 분석 결과를 통해 평론의 대상이 되는 인물의 몇 가지 전형적인 유형도 유추할 수 있다.
① 악인형 인물 : 주로 시해 사건에 연관되어 있으며 비교적 명확히 가해의 입장에 있고 동기 역시 부도덕하다. 모든 논평에서 비판을 받는다. ex) 주우, 우보, 경보
② 복합형 인물 : 주로 네트워크의 중심에 위치하였으며, 여러 사건에 연관되어 있다. 긍정 평가와 부정 평가가 혼재하나 부정적 평가가 더 많은 경향이 있다. 이 인물들은 연관되어 있는 사건이 많기 때문에 어떤 경우에는 긍정, 어떤 경우에는 부정적으로 평가받는 경우가 많다. 주로 군주가 많으나 관중과 같은 이름이 높은 권신도 해당 유형이 될 수 있다. ex) 제 환공, 진 문공, 관중, 정 장공
③ 긍정형 인물 : 주로 내정 사건과 연관되어 있으며 도덕성의 관점에서 좋은 평가를 받는다. 대부분의 논평에서 긍정평가를 받는다. 그러나 유독 동래박의의 논평에서는 ③의 인물에 대해 부정적으로 평가하는 경향이 있다. ex) 석작, 자어, 개추(개자추) : 이에 대해서는 2.에서 추가적으로 서술하고자 한다.
④ 무능형 인물 : 1, 2, 3에 해당되지 않아 별개의 경우로 분류하였다. 이 인물은 모든 논평에서 비판을 받는다는 점에서 1과 유사한 점이 있지만 가해의 입장에 있지 않다는 점이 다르다. 자신의 무능으로 불러온 결과로 인해 비판을 받는다. ex) 송 양공, 옹희

2. 논평 데이터의 분석
2-1. 논평 전체 데이터의 분석
2-2. 논평 개별 데이터의 분석
2-3. 논평 간 상호 비교

3. Query 활용 분석 결과
1) 어떤 경우에 인물에 대한 중립 논평이 발생하는가?
쿼리를 만들기 위한 질문 : 논평에서 중립적으로 언급된 인물들이 속한 사건은?
사용 쿼리 : match (a:`논평`)-[r:refersToNeutrally]-(b:`인물`)-[p:isRelatedTo]-(c:`사건`) return a,b,c

2) 1-2)에서 지목된 인물 중 정 장공, 진 문공에 대한 심화적 분석
쿼리를 만들기 위한 질문 : 정 장공, 진 문공에 대해 언급한 모든 논평은?
사용 쿼리 :

3) 사건의 카테고리별로 논평의 양상을 출력하여 비교 및 분석
쿼리를 만들기 위한 질문 : 특정 유형의 사건과 연관이 있는 논평 -> 해당 논평이 다루고 있는 인물
사용 쿼리 : match (a:'사건'{type=`살해, 내정, 외교, 전쟁, 기담, 기타`})-[r:covers]-(b:논평)-[r]-(c:인물) return a,b,c

번외. 동래박의에 언급된 춘추좌전 사건에서 드러난 인물관계망 및 사건관계망

4. 시멘틱 데이터 구성 자체에서 나타난 문제점
1) 사건 데이터 구성의 문제
하나의 논평 안에 동일한 유형의 여러 사건들이 나열되어 있고 이에 대해 일괄적으로 논평한 경우(eg. 기담에 대한 논평) 이러한 사건들은 논평의 내용 전개를 위한 사례 모음의 성격이 강하고 다른 사건에 영향을 주는 연계성은 상대적으로 떨어진다. 그러나 모든 사건에 대해 일괄적으로 동일한 node 값을 부여하기 때문에 단편적 사건이 대부분임에도 불구하고 이러한 사건을 많이 다루는 논평의 중요성이 상대적으로 과장된다. 현재 별도의 논평이나 인물을 매개로 연결되지 않은 대부분의 사건들은 시멘틱 데이터의 외곽에 위치하기 때문에 과장이 상대적으로 적게 나타나지만, 이후 수많은 데이터를 넣을 경우 왜곡의 정도가 심해질 것으로 예상한다. 따라서 대량의 데이터를 넣는 후속 연구를 진행하고자 한다면 1) 사건마다 가중치를 부과해야 할지 2) 만약 부과한다면 어떤 사건에 얼마만큼의 가중치를 부여할지에 대해 고찰할 필요가 있다.
2) 인물 데이터 구성의 문제
4-1)에서 나타난 문제와 마찬가지로, 인물별로 가중치를 다르게 두지 않기 때문에 일반적인 통념과 다른 모양의 데이터가 출력되기도 한다. 후속 연구에서는 1)신분에 따라 가중치를 부여(제후의 경우 더 많은 가중치를 부여하는 등), 그러나 이러한 방안으로 진행한다면 또 몇 가지 이질적인 데이터에서 확인할 수 있는 중요한 분석 결과를 놓치는 결과가 발생할 수도 있기 때문에 신중하게 접근하여야 한다.
3) 논평 데이터 구성의 문제
4) 연구 데이터 공유의 문제 및 해결방안

5. 후속연구의 필요성 및 추가 수집이 필요한 데이터

참고 자료

백진우. (2014). 조선시대 지식인들의 『동래박의(東萊博議)』 수용의 의의. 한국한문학연구, 54(0), 173-214.
안춘분. (2011). 『춘추(春秋)』의 다양한 비판견해(批判見解)를 통해 본 춘추시대정신. 동양철학연구, 65(0), 185-220.

주석

1. ↑ 정 여공의 지시로 옹규가 자신의 장인 채중을 죽이려 하자, 그 아내 옹희는 그 사이에서 갈등하다 아버지에게 남편의 암살 음모를 미리 알린다. 이로 인해 남편 옹규는 죽는다.