http://www.deli.deusto.es/ http://linguamedia.deusto.es/ http://www.morelab.deusto.es/labman/ Este resumen gira alrededor de la correferencia, concepto que motiva los proyectos doctorales de los dos primeros autores. Los objetivos son variados: Profundizar en el conocimiento de la correferencia en español, analizando además de corpus conocidos, un corpus experimental de textos breves (de mensajería y tuits) anotado manualmente; es el proyecto doctoral de Cantamutto [Cantamutto et al., 2014].
Se presenta el doble trabajo doctoral en marcha relacionado con la resolución de correferencias: uno es la adaptación de los algoritmos conocidos al español, y otro la aplicación a un corpus experimental de textos breves (mensajería y tuits). Además de ello, se presenta una hipotética alimentación de la resolución de correferencias a recursos semánticos conocidos como la DBpedia, Linked Open Data, o Simple Event Model. El objetivo sería capturar “eventos” a partir de textos: estos eventos podrían convertirse en noticias en proyectos turísticos, o en recursos específicos de índole cultural, histórico, antropológico…
Adaptar y mejorar algoritmos como la multi-pass sieve [Raghunathan et al., 2010] y otras herramientas de análisis al español, para obtener herramientas de recuperación de información o minería de datos como el proyecto OpeNER de Agerri et al. [2013]; se trata del proyecto doctoral de Bermúdez [2013]. Aplicar y evaluar herramientas que incluyen la resolución de correferencias como OpeNER a la captura de “eventos”, tal como son definidos en el Simple Event Model de van Hage et al. [2011]. Procesos similares ya se han abordado de manera experimental en proyectos como tourExp [Buján et al., 2013], sobre aplicaciones turísticas.
La información resultante sería relevante para organizaciones de índole cultural, histórico, como EuskoMedia, Wikipedia, topHistoria, etc.
Finalmente, pero no menos importante, contribuimos a proyectos como DBpedia y Linked Open Data.
En el reconocimiento de entidades con nombre (antropónimos, organizaciones, topónimos políticos o físicos, títulos, expresiones numéricas fecha-tiempo, y otras como medidas, direcciones de correo, direcciones web, etc.) la correferencia y la anáfora son problemas conocidos [Hirst, 1981]. Sin embargo, hay ciertas diferencias.
En la anáfora, los elementos anafóricos siempre dependen de un antecedente en el texto: su significado no es pleno, requiere necesariamente de una mención anterior. La correferencia ocurre en el plano pragmático: la relación depende del contexto comunicativo y situacional, ocurre entre dos unidades lingüísticas (plenas o anafóricas) que se relacionan porque tienen una “identidad en la referencia” [Recasens and Vila, 2010], es decir, el mismo referente en el discurso.
Por tanto, la correferencia, a diferencia de la anáfora, no es una relación unidireccional y asimétrica, sino simétrica y transitiva [Recasens, 2008]. La resolución de la anáfora es nombre-pronombre, mientras que la resolución de la correferencia ha de obtener cadenas de elementos que tienen idéntico referente. 3.
La aplicación propuesta de la resolución de correferencias a la captura de eventos puede mostrarse con el siguiente ejemplo desarrollado de forma manual a partir del pasaje de Besga Marroquín [2007] recogido en la fig. 1.
“Cuando el Imperio Romano de Occidente desapareció en el 476, el reino visigodo, que se extendía a los dos lados de los Pirineos, era el reino germánico más grande. Pese a la fama que se ha dado a los visigodos como aliados de Roma, con ningún otro pueblo luchó tanto tiempo el imperio en su último siglo de existencia en Occidente, ni ningún otro le arrebató tanto territorio. Así, en el 476 el reino visigodo, con capital en Tolosa, se extendía desde el Loira hasta una zona indeterminada de la mitad meridional de la península ibérica (no se puede precisar más porque se desconoce la cronología de la ocupación visigoda de gran parte de la Península). Nadie tenía entonces más territorios en Francia y en la península ibérica. Además, uno de los grandes reyes visigodos, Eurico (466-484) aprovechó la desaparición del Imperio Romano de Occidente para extender aún más sus dominios. Efectivamente el reino visigodo completó entonces la ocupación de toda la costa mediterránea francesa, una vieja aspiración que había sido combatida por los romanos.”
El objetivo intermedio sería la identificación de entidades de la DBpedia, por ejemplo http://es.dbpedia. org/page/Imperio_Romano_de_Occidente en el caso de la primera de las entidades de la fig. 4, y lo mismo con todas las demás.
1. Cuando el Imperio Romano de Occidente desapareció en el 476, el reino visigodo era el reino germánico más grande. 2. En el 476 el reino visigodo se extendía por Galia e Hispania a ambos lados de los Pirineos. 3. Pese a la fama de los visigodos como aliados de Roma, contra ningún otro pueblo luchó PRO tanto en su último siglo de dominio en Occidente. 4. Nadie había arrebatado al Imperio tanto territorio como el pueblo visigodo. 5. El reino con capital en Tolosa se extendía desde el Loira hasta una zona indeterminada de la mitad meridional de la península ibérica. 6. El rey visigodo Eurico (466-484) aprovechó la desaparición del Imperio de Occidente para extender sus dominios. 7. Eurico completó la ocupación de toda la costa mediterránea francesa, una vieja aspiración que había sido combatida por Roma.
Correferencias: resolución, discursos fragmentados y captura de eventos
M1 wiki-es:Imperio_Romano_de_Occidente M2 wiki-es:476 M3 wiki-es:Reino_visigodo M4 wiki-es:Reinos_germánicos M5 wiki-es:Galia M6 wiki-es:Hispania M7 wiki-es:Pirineos M8 wiki-es:Loira M9 wiki-es:Península_Ibérica M10 wiki-es:Eurico M11 wiki-es:Costa_Azul_(Francia)
Figura 4: Identificación de entidades de DBpedia 1. Cuando el M1 desapareció en el M2, el M3 era el M4 más grande. 2. En el M2 el M3 se extendía por M5 e M6 a ambos lados de los M7. 3. Pese a la fama de los M3 como aliados de M1, contra ningún otro pueblo luchó M1 tanto en su último siglo de dominio en M1. 4. Nadie había arrebatado al M1 tanto territorio como el M3. 5. El M3 se extendía desde el M8 hasta una zona indeterminada de la mitad meridional de la M9. 6. El rey visigodo M10 (466-484) aprovechó la desaparición del M1 para extender sus dominios. 7. M10 completó la ocupación de toda la M11, una vieja aspiración que había sido combatida por M1.
Grahame Hirst. Anaphora in Natural Language Understanding. Springer Verlag, 1981.