임베딩 벡터를 통해 우리 사회의 구조를 분석하기 (Decoding Social Structure via Neural Embedding Techniques)

서지정보

· 발행기관 : 한국사회학회
· 수록지 정보 : 한국사회학 / 58권 / 3호 / 241 ~ 266페이지
· 저자명 : 박재혁

초록

최근 워드 임베딩 모델을 포함한 다양한 언어모델의 등장으로, 사회과학 분야에서도 이러한 기술을 활용한 연구가 활발하게 이루어지고 있다. 이들 인공지능 모델은 대규모의 웹 데이터를 학습하여, 단어, 문장, 이미지 등 다양한 정보 단위를 다차원 벡터 공간에 의미 관계를 바탕으로 표현한다. 나아가, 각개념 간의 연관성을 벡터 연산을 통해 모델링하며, 이를 활용해 사용자의 질문이나 문제를 확률적으로해결한다. 이렇게 볼 때, 벡터 공간 분석을 통해 우리 사회에서 통용되는 개념들의 상호작용과 구조를파악하는 것은, 언어모델이 이해한 우리 사회의 구조도나 지형도를 이해하는 과정에 비유할 수 있다.
본 연구는 인공지능 기반의 언어모델, 특히 임베딩 기법이 사회과학 연구에서 어떠한 의미를 가지며, 이를 통해 얻을 수 있는 사회적, 경제적, 정치적 개념들의 구조적 이해에 어떻게 기여할 수 있는지를종합적으로 검토한다. 이 과정에서 다양한 연구 사례를 분석하여, 임베딩 방법론이 사회과학적 문제해결에 어떻게 적용될 수 있는지를 탐구한다.

영어초록

The advent of various language models, including word embedding models, has catalyzed significant advancements in social science research. These AI models, which learn from extensive web data, represent information units such as words, sentences, and images in a multidimensional vector space based on semantic relationships. By modeling the connections between concepts through vector operations, these models can probabilistically address user queries and problems. This paper posits that analyzing the interactions and structures of societal concepts via vector space analysis offers insights akin to understanding the societal structure as perceived by language models. This study provides a comprehensive review of the role and significance of AI-based language models, particularly embedding techniques, in social science research. It investigates how these models contribute to a structural understanding of social, economic, and political concepts.
Additionally, through the analysis of diverse research cases, this paper explores the application of embedding methodologies in addressing social science issues, highlighting their potential in enhancing problem-solving capabilities within this domain.

참고자료

· 없음