Since the first definitions of the linguistic theory of the preposition has been considered a controversial linguistic category. The origin of this discussion comes from the difficulty to explain, simultaneously, its supposed syntactic nuclearity and its lexical-semantic value. The mathematical tools that come from the processing of natural language, corpus linguistics, as well as the algorithms of machine learning are allowing us to approach the prepositional meaning with very revealing results, displacing the categorical debate. My research suggests that prepositional meaning can be gradual so that its distribution in the syntactic sequences will be decisive in its characterization.
La preposición ha sido, tradicionalmente, una categoría lingüística controvertida desde su conducta sintáctica hasta su valor léxicosemántico. Estos conflictos descriptivos han estimulado aproximaciones teóricas muy apriorísticas en la explicación de su comportamiento dentro del español y en lenguas de otras familias tipológicas (con presencia de caso morfológico y preposiciones, o con posposiciones). Ambas circunstancias, cierta imposición empírico-teórica y las dificultades descriptivas propician, según creo, el desplazamiento del debate categorial y la búsqueda desde otras perspectivas más esclarecedoras en sus predicciones empíricas y teóricas.
Hace ya más de medio siglo que desde
diferentes perspectivas de la teoría
lingüística, la gramática generativista o la
gramática cognitiva, la preposición ha
supuesto muchos retos de distinta
condición empírica y estilo analítico. Los
trabajos categoriales pioneros de
Sendas caracterizaciones binarias de la
preposición [-N –V] o [± F ± L] han estado
sometida, igualmente, a discusiones de
diversa consideración. Y, de hecho, todavía
sigue viva. Quizás una de las propuestas
más radicales, al negarle su lugar entre las
categorías léxicas, fue la de
Mientras tanto, el progreso en los
procedimientos y las heurísticas
computacionales (estadísticos o
algorítmicos) han permitido investigar el
papel de esta clase de partículas con otros
propósitos y con otras consecuencias
explicativas. Se pueden leer una multitud de
monografías sobre la conformación de esos
recursos, desde
Asimismo, desde los años noventa del
siglo XX, se han acumulado evidencias
descriptivas nuevas, no solo en la teoría
lingüística más formalista, sino en otras que
se asientan en cuestiones y hechos
semánticos. Sería el caso de
(
Por último, con la progresiva
construcción de corpus lingüísticos en
diferentes lenguas, incluso antes del actual
desarrollo de la minería de datos o Big Data,
se han venido multiplicando las
generalizaciones sobre la distribución
sintáctica preposicional así como de los
valores semánticos de las preposiciones en
multitud de lenguas. En ese sentido, tanto la
nueva semántica formal y distribucional,
véase (Boleda, G. and A. Herbelot 2016),
como las herramientas de aprendizaje
automático (conocidas como Machine
Learning), véase
La perspectiva metodológica se enmarca en una visión empírica y computacional respecto de los recursos de observación, predicción, medición y generalización de los hechos lingüísticos. Así, y a partir de tres conceptos recurrentes en el procesamiento del lenguaje natural, como la frecuencia de piezas léxicas, su distribución y el significado propongo una hipótesis general para la semántica que subyace a las preposiciones en español.
El enunciado hipotético es el siguiente: los valores semánticos de las preposiciones del español pueden ordenarse de manera gradual que alcanza desde la funcionalidad completa hasta la lexicidad. En esta secuencia, y según la diversidad de construcciones, sintagmas y contextos, podemos identificar y medir ese valor a partir de la distribución ontosemántica de los SSNN u otras clases de sintagmas que coocurran.
La gradualidad oscila entre los valores y los usos más funcionales o vacíos como las preposiciones que conforman las locuciones prepositivas, la a del CD/CI o el por del complemento agente en las oraciones en voz pasiva, y los valores y los usos locativos de a, de, en, por, hacia, sobre o hasta, los temporales de a, entre, bajo, desde, durante o tras, o los nocionales de mediante, por y para, considerados léxicos o plenos.
El desarrollo de esta hipótesis se articula en torno a seis objetivos que se relacionan a continuación.
a). Presentar los elementos historiográficos, descriptivos y teóricos de la categoría gramatical a lo largo de los hitos más valiosos de la tradición y de los modelos de investigación lingüística más recientes.
b). Caracterizar las limitaciones de las propuestas que se han ido aportando en el análisis de casos concretos para la preposición en español y en otras lenguas.
c). Medir la frecuencia de similitudes semánticas de las piezas preposicionales, en algunas estructuras sintáctico-argumentales con el uso de herramientas de algoritmos probabilísticos del campo del aprendizaje automático para el procesamiento del lenguaje natural en corpus lingüísticos (al estilo de redes neurales, como Word2vec o Gcluto). (Experimentos 1 y 3).
d). Observar, identificar y analizar
posibles correlaciones semánticas a partir
de valores como la entropía en corpus del
español y a través de clasificaciones
ontosemánticas estandarizadas procedentes
de la red ontosemántica de Wordnet
(experimento 2). Para su funcionamiento y
organización se puede leer
e). Proponer, a la luz de los resultados anteriores, un eje-espacio gradual de valores-piezas preposicionales desde la funcionalidad absoluta (marcadoras de caso, por ejemplo) hasta el significado más cuantificable (valores locativo-espaciales, temporales o nocionales). Ese eje tendría tres zonas continuas de significado: funcional, semifuncional y léxico.
f). Explorar las posibilidades interlingüísticas de la propuesta (con lenguas que admitan caso, preposiciones o posposiciones) y comprobar su capacidad generalizadora.
Se están realizando tres experimentos diferentes con objeto de verificar empíricamente las diferentes fases y/o grados semánticos de las preposiciones, tal y como se estipula en la hipótesis.
El primero de ellos ha analizado la
gradualidad en el caso de tres
preposiciones: a, hacia y hasta en los
contextos sintácticos para 90 verbos de
movimiento del español. A través de la
herramienta CLUTO (agrupación por Word
Embedding), véase
Los resultados han sido muy satisfactorios en la medida en que porcentualmente se verifican y se confirman las agrupaciones realizadas por dos anotadores humanos. El aprendizaje automático acredita la predicción humana en la asignación de significados. Nos encontramos con un 51,65 % para la preposición a, un 55,17 para la preposición hacia y un 64,6 para la preposición hasta.
Porcentajes de coincidencia de agrupación para las tres preposiciones 80 60 40 20 0
A, HACIA y HASTA
En el segundo experimento hemos
utilizado el concepto de entropía (H) de
Una vez obtenidos los ficheros con los SSPP coincidentes para cada verbo se procede a su asignación semántica según las siguientes clases: humano, entidad abstracta, locativo, temporal, evento o actividad, objeto o artefacto, y modalidad (elegidas, por su importancia representativa, de la red ontosemántica de Wordnet). Los datos obtenidos se introducen en una tabla con la función logarítmica de la entropía que se aplica a los tres grupos, funcionales (F), semifuncionales (SF) y léxicos (L).
Las cifras indican que la entropía, es decir, el grado de azar o desorden de esos subgrupos es el más bajo en los funcionales (1,568), el más alto en los léxicos (2,512), e intermedio en los semifuncionales (2,321), donde se encuentran los verbos de régimen. La predicción coincide con la descripción gramatical: cuánta más restricción argumental tiene el verbo más previsible es el significado del SN seleccionado. La preposición, por tanto, sigue la gradación semántica y la medida entrópica está justificada como recurso explicativo.
TIPOS DE SSPP Humanos Abstractos Locativos Temporales Eventos Objetos Modales TOTAL Entropía (H)
El tercer experimento está en curso y en fase explorativa. El propósito es intentar que parte del reconocimiento entrópico del segundo experimento se pueda producir de manera automática gracias a un parset, es decir, que los tres grupos de SSPP emerjan sin la necesidad de la intervención humana, o con un grado de reconocimiento representativo.
Al final de la investigación, procederemos a elegir algunas lenguas con caso y preposición (alemán, ruso o polaco), posposiciones (vasco, chino, húngaro o hindi), o con muy pocas preposiciones (igbo, hablada en Nigeria) y someterlas al contraste experimental que hemos realizado con el español.
A mis directores de tesis la Dra. Irene Castellón y el Dr. Lluís Padró por sus ideas, sugerencias y orientaciones; y al Dr. Horacio Rodríguez por sus comentarios y su generosidad durante el Simposio.