우리는 일반적 개념과 구체적 개념 사이의 "is-a" 관계인 상위어 관계(Hypernymy)가 언어 표현(Language representations) 내에서 어떻게 기하학적으로 인코딩되는지에 대한 분포 이론(Distributional theory)을 제안합니다. WordNet 상위어 그래프(Hypernym graph)에서 더 가까운 단어들이 더 자주 공생(Co-occur)한다는 경험적으로 검증된 가정에서 시작하여, 우리는 word2vec 임베딩의 결과물인 임베딩 Gram 행렬(Gram matrix)의 스펙트럼을 이론적으로 규명합니다. 공생 커널(Co-occurrence kernel)에 대한 완만한 양의 조건(Positivity conditions) 및 감쇠 조건(Decay conditions) 하에서, 우리는 주요 고유벡터(Leading eigenvectors)가 먼저 광범위한 분류학적 가지(Taxonomic branches)를 분리한 다음 점진적으로 더 미세한 하위 가지(Sub-branches)를 분리하며, 트리를 반영하는 거친-정밀(Coarse-to-fine) 스펙트럼 구조를 가진 extit{계층적 분할 기하학(Hierarchical splitting geometry)}을 생성함을 증명합니다. 우리는 샘플링된 많은 WordNet 하위 트리(Subtrees)에 걸친 word2vec 임베딩에서 이러한 예측을 확인하였으며, 동일한 특징이 Gemma 2B의 언임베딩(Unembeddings)에도 놀라울 정도로 잘 확장됨을 보여줍니다. 우리의 결과는 LLM 내의 계층적 개념 기하학이 반드시 계층 구조에 특화된 기능적 메커니즘을 반영할 필요는 없으며, 쌍별 단어 통계(Pairwise word statistics)의 스펙트럼 구조로부터 발현된다는 것을 나타냅니다.