=Paper=
{{Paper
|id=Vol-2251/paper1
|storemode=property
|title=
Significado, distribución y frecuencia en la categoría preposicional. Una aproximación computacional
(Meaning, distribution and frequency of the prepositional category in spanish. A computational approach)
|pdfUrl=https://ceur-ws.org/Vol-2251/paper1.pdf
|volume=Vol-2251
|authors=Francesc Reina González
}}
==
Significado, distribución y frecuencia en la categoría preposicional. Una aproximación computacional
(Meaning, distribution and frequency of the prepositional category in spanish. A computational approach)
==
https://ceur-ws.org/Vol-2251/paper1.pdf
Significado, distribución y frecuencia en la categoría
preposicional. Una aproximación computacional
Meaning, distribution and frequency of the prepositional category in
Spanish. A computational approach
Francesc Reina González
Doctorando de Ciencia Cognitiva y Lenguaje. Departamento de Lingüística de la
Universidad de Barcelona frareina@hotmail.com
Resumen: Desde las primeras definiciones de la teoría lingüística sobre la
preposición se ha considerado una categoría lingüística controvertida. El origen de
esa discusión procede de la dificultad para explicar, simultáneamente, su supuesta
nuclearidad sintáctica y su valor léxico-semántico. Los utensilios matemáticos que
proceden del procesamiento del lenguaje natural, de la lingüística del corpus, así
como los algorítmicos del aprendizaje automático están permitiendo acercarse al
significado preposicional con resultados muy reveladores, desplazando el debate
categorial. Mi investigación sugiere que el significado preposicional pueda ser
gradual de manera que su distribución en las secuencias sintácticas será determinante
en su caracterización.
Palabras claves: significado preposicional, análisis computacional, semántica
distribucional, hipótesis gradual, aprendizaje automático, entropía semántica.
Abstract: 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.
Keywords: prepositional meaning, computational analysis, distributional semantics,
gradual hypothesis, automatic learning, semantic entropy.
(con presencia de caso morfológico y
preposiciones, o con posposiciones).
1. La naturaleza de las preposiciones:
Ambas circunstancias, cierta imposición
límites y dificultades
empírico-teórica y las dificultades
La preposición ha sido, descriptivas propician, según creo, el
tradicionalmente, una categoría desplazamiento del debate categorial y la
lingüística controvertida desde su búsqueda desde otras perspectivas más
conducta sintáctica hasta su valor léxico- esclarecedoras en sus predicciones
semántico. Estos conflictos descriptivos empíricas y teóricas.
han estimulado aproximaciones teóricas
muy apriorísticas en la explicación de su 2. De la teoría lingüística a las
comportamiento dentro del español y en aproximaciones computacionales
lenguas de otras familias tipológicas
Lloret, E.; Saquete, E.; Martı́nez-Barco, P.; Moreno, I. (eds.) Proceedings of the Doctoral Symposium of the XXXIV
International Conference of the Spanish Society for Natural Language Processing (SEPLN 2018), p. 1–5 Sevilla, Spain,
September 19th 2018. Copyright c 2018 by the paper’s authors. Copying permitted for private and academic purposes.
Hace ya más de medio siglo que desde Asimismo, desde los años noventa del
diferentes perspectivas de la teoría siglo XX, se han acumulado evidencias
lingüística, la gramática generativista o la descriptivas nuevas, no solo en la teoría
gramática cognitiva, la preposición ha lingüística más formalista, sino en otras que
supuesto muchos retos de distinta se asientan en cuestiones y hechos
condición empírica y estilo analítico. Los semánticos. Sería el caso de (Zelinsky-
trabajos categoriales pioneros de Wibblet 1993), (Saint-Dizier 2006), o las
(Chomsky 1970, 1981), (Jackendoff 1977) compilaciones de (Kurzon & Adler 2008) y
o (Van Riemsdijk 1978) incluyen la (Hagège 2010) para cualquier tipo de
preposición entre las categorías léxicas adposición (pre- o post- posicional). Una de
mayores con los rasgos [-N -V]. Además, las mejores síntesis del estado del arte en el
la distinción empírico-conceptual, entre ámbito computacional fue el monográfico
categorías léxicas y funcionales de finales de (Baldwin, Timothy; Kordoni; Valia y
de la década de los años 80 del siglo XX, Villavicencio, Aline 2009) recogido en la
permitió abrir una línea de investigación en influyente revista Computational
la cartografía sintáctica y los grados de Linguistics. Allí se despliega un abanico de
interpretación en piezas lingüísticas como cuestiones sobre cómo procesa esta clase de
la preposición, ya que sabemos que partículas, sobre el especial significado que
comparte rasgos de ambas. aporta, sobre el valor de su frecuencia en los
Sendas caracterizaciones binarias de la corpus y sobre la diversidad de aplicaciones
preposición [-N –V] o [± F ± L] han estado que se ven afectadas por la comprensión de
sometida, igualmente, a discusiones de esta clase de palabras.
diversa consideración. Y, de hecho, todavía Por último, con la progresiva
sigue viva. Quizás una de las propuestas construcción de corpus lingüísticos en
más radicales, al negarle su lugar entre las diferentes lenguas, incluso antes del actual
categorías léxicas, fue la de (Mark C. Baker desarrollo de la minería de datos o Big Data,
2003). se han venido multiplicando las
Mientras tanto, el progreso en los generalizaciones sobre la distribución
procedimientos y las heurísticas sintáctica preposicional así como de los
computacionales (estadísticos o valores semánticos de las preposiciones en
algorítmicos) han permitido investigar el multitud de lenguas. En ese sentido, tanto la
papel de esta clase de partículas con otros nueva semántica formal y distribucional,
propósitos y con otras consecuencias véase (Boleda, G. and A. Herbelot 2016),
explicativas. Se pueden leer una multitud de como las herramientas de aprendizaje
monografías sobre la conformación de esos automático (conocidas como Machine
recursos, desde (Grishman 1986) hasta Learning), véase (Mikolov 2014), están
(Clark, Fox y Lappin 2013), pasando por los favoreciendo un acercamiento más afinado
clásicos de (Charnik 1993) y el didáctico a la multitud de datos heterogéneos que
compendio de (Manning y Schütze (1999). suelen conformar la preposición.
Además se han desarrollado proyectos
aplicados globales en el tratamiento
computacional de esta categoría. Una de la 3. Frecuencia, distribución y significado
más exhaustivas para el inglés fue The de las preposiciones.
preposition Project de Litowski La hipótesis de la gradualidad semántica
(http://www.clres.com/prepositions.html),
cuyo objetivo fue la desambiguación de la La perspectiva metodológica se enmarca en
semántica preposicional (un problema una visión empírica y computacional
esencial en la traducción automática, por respecto de los recursos de observación,
ejemplo). predicción, medición y generalización de
los hechos lingüísticos. Así, y a partir de
2
tres conceptos recurrentes en el d). Observar, identificar y analizar
procesamiento del lenguaje natural, como la posibles correlaciones semánticas a partir
frecuencia de piezas léxicas, su distribución de valores como la entropía en corpus del
y el significado propongo una hipótesis español y a través de clasificaciones
general para la semántica que subyace a las ontosemánticas estandarizadas procedentes
preposiciones en español. de la red ontosemántica de Wordnet
El enunciado hipotético es el siguiente: (experimento 2). Para su funcionamiento y
los valores semánticos de las preposiciones organización se puede leer (Fellbaum
del español pueden ordenarse de manera 2006).
gradual que alcanza desde la funcionalidad e). Proponer, a la luz de los resultados
completa hasta la lexicidad. En esta anteriores, un eje-espacio gradual de
secuencia, y según la diversidad de valores-piezas preposicionales desde la
construcciones, sintagmas y contextos, funcionalidad absoluta (marcadoras de
podemos identificar y medir ese valor a caso, por ejemplo) hasta el significado más
partir de la distribución ontosemántica de cuantificable (valores locativo-espaciales,
los SSNN u otras clases de sintagmas que temporales o nocionales). Ese eje tendría
coocurran. tres zonas continuas de significado:
La gradualidad oscila entre los valores y funcional, semifuncional y léxico.
los usos más funcionales o vacíos como las f). Explorar las posibilidades
preposiciones que conforman las locuciones interlingüísticas de la propuesta (con
prepositivas, la a del CD/CI o el por del lenguas que admitan caso, preposiciones o
complemento agente en las oraciones en posposiciones) y comprobar su capacidad
voz pasiva, y los valores y los usos locativos generalizadora.
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 4. Trabajo metodológico y experimentos
para, considerados léxicos o plenos.
El desarrollo de esta hipótesis se articula Se están realizando tres experimentos
en torno a seis objetivos que se relacionan a diferentes con objeto de verificar
continuación. empíricamente las diferentes fases y/o
a). Presentar los elementos grados semánticos de las preposiciones, tal
historiográficos, descriptivos y teóricos de y como se estipula en la hipótesis.
la categoría gramatical a lo largo de los El primero de ellos ha analizado la
hitos más valiosos de la tradición y de los gradualidad en el caso de tres
modelos de investigación lingüística más preposiciones: a, hacia y hasta en los
recientes. contextos sintácticos para 90 verbos de
b). Caracterizar las limitaciones de las movimiento del español. A través de la
propuestas que se han ido aportando en el herramienta CLUTO (agrupación por Word
análisis de casos concretos para la Embedding), véase (Karypis 2003) para su
preposición en español y en otras lenguas. funcionamiento, hemos procedido a
c). Medir la frecuencia de similitudes realizar agrupaciones (clustering) de 71.000
semánticas de las piezas preposicionales, en sintagmas preposicionales (SSPP)
algunas estructuras sintáctico-argumentales disponibles en los corpus WikiCorpus,
con el uso de herramientas de algoritmos Ancora y Semsem, en 3, 4 y 5 grupos. Estos
probabilísticos del campo del aprendizaje recursos de “agrupación” se fundan en el
automático para el procesamiento del “Word embedding”. El objetivo de este
lenguaje natural en corpus lingüísticos (al procedimiento es cuantificar y categorizar
estilo de redes neurales, como Word2vec o propiedades semánticas entre elementos
Gcluto). (Experimentos 1 y 3). lingüísticos a partir de los contextos donde
coocurren y que se representarán en
vectores. Estos modelos de espacio
3
vectorial representan (“embed”, incrustan) semifuncionales, complementos de régimen
palabras en un espacio vectorial continuo en verbal con de, en o con, y (iii) los léxicos,
el que palabras semánticamente similares se complementos adjuntos o circunstanciales,
asignan a puntos cercanos. con preposiciones como de, en, con, sin, a.
Los resultados han sido muy Una vez obtenidos los ficheros con los
satisfactorios en la medida en que SSPP coincidentes para cada verbo se
porcentualmente se verifican y se procede a su asignación semántica según las
confirman las agrupaciones realizadas por siguientes clases: humano, entidad
dos anotadores humanos. El aprendizaje abstracta, locativo, temporal, evento o
automático acredita la predicción humana actividad, objeto o artefacto, y modalidad
en la asignación de significados. Nos (elegidas, por su importancia
encontramos con un 51,65 % para la representativa, de la red ontosemántica de
preposición a, un 55,17 para la preposición Wordnet). Los datos obtenidos se
hacia y un 64,6 para la preposición hasta. introducen en una tabla con la función
logarítmica de la entropía que se aplica a los
Gráfico 1 tres grupos, funcionales (F),
semifuncionales (SF) y léxicos (L).
Porcentajes de Las cifras indican que la entropía, es
decir, el grado de azar o desorden de esos
coincidencia de agrupación subgrupos es el más bajo en los funcionales
para las tres preposiciones (1,568), el más alto en los léxicos (2,512), e
80 intermedio en los semifuncionales (2,321),
donde se encuentran los verbos de régimen.
60 La predicción coincide con la descripción
40 gramatical: cuánta más restricción
argumental tiene el verbo más previsible es
20 el significado del SN seleccionado. La
0
preposición, por tanto, sigue la gradación
semántica y la medida entrópica está
A, HACIA y HASTA justificada como recurso explicativo.
Tabla 1
En el segundo experimento hemos
utilizado el concepto de entropía (H) de TIPOS DE
SSPP F SF L
(Claude E. Shannon 1948), procedente de la
Humanos 287 86 22
teoría de la información, para medir la clase Abstractos 33 273 58
de significado que contienen los SSPP en Locativos 42 35 128
los verbos de régimen en comparación con Temporales 12 23 33
otras clases de verbos. Hemos seleccionado Eventos 7 50 47
un total de 140 verbos, de los cuales 48 Objetos 5 103 20
poseen SSPP considerados de régimen Modales 26 41 102
verbal (obligatorios argumentalmente con TOTAL 412 611 410
una determinada preposición). Hemos Entropía
(H) 1,568 2,321 2,512
realizado una búsqueda de SSPP en el
Corpes anotado de la RAE que se ha
El tercer experimento está en curso y en
cruzado con el Wikicorpus, es decir, se ha
fase explorativa. El propósito es intentar
comprobado la coincidencia entre ambos
que parte del reconocimiento entrópico del
repertorios. Y por último, los hemos
segundo experimento se pueda producir de
clasificado en tres tipos: (i) los funcionales,
manera automática gracias a un parset, es
cuya preposición es la a (ii) los
decir, que los tres grupos de SSPP emerjan
4
sin la necesidad de la intervención humana, Fellbaum, C. 2006. WordNet(s. En Keith
o con un grado de reconocimiento Brown, (Ed.) Encyclopedia of Language &
representativo. Linguistics, 2da. edición, Vol. 13, páginas 665-
Al final de la investigación, 670, Elsevier, Oxford.
procederemos a elegir algunas lenguas con Grishman, Ralhp 1986. Computational
caso y preposición (alemán, ruso o polaco), Linguistics. An introduction, Cambridge
posposiciones (vasco, chino, húngaro o University Press, Cambridge.
hindi), o con muy pocas preposiciones
(igbo, hablada en Nigeria) y someterlas al Hagège, Claude 2010. Adpositions, Oxford
contraste experimental que hemos realizado University Press, Oxford.
con el español. Jackendoff, Ray 1977. X’ Syntax: A Study of
Phrase Structure, The MIT Press, Cambridge.
Agradecimientos
Karypis, George 2003. CLUTO. A clustering
A mis directores de tesis la Dra. Irene toolkit, University of Minnesota, Technical
Castellón y el Dr. Lluís Padró por sus ideas, Report, 02-017.
sugerencias y orientaciones; y al Dr. Kurzon, Dennis & Adler, Silvia 2008.
Horacio Rodríguez por sus comentarios y su Adpositions. Pragmatic, semantic and syntactic
generosidad durante el Simposio. perspectives, John Benjamins, Amsterdam.
Bibliografía Litkowski, Ken y O. Hargraves, O. 2005. The
Preposition Project. En ACL-SIGSEM
Baker, Mark C. 2003. Lexical Categories. Verbs, Workshop on the Linguistic Dimensions of
nouns and adjectives, Cambridge University Prepositions and their Use in Computational
Press, Cambridge. Linguistics Formalisms and Applications,
páginas 171–179, Colchester.
Baldwin, Timothy; Kordoni, Valia y
Villavicencio, Aline 2009. Prepositions in Mannig, Christopher D. y Schütze, Hinrich
Applications: A Survey and Introduction to the 1999. Foundations on statistical natural
Special Issue, Computational Linguistics, languages processing, The MIT Press, Londres.
35(2), páginas 119-149.
Mikolov, Tomas; Le, Quoc 2014. Distributed
Boleda, Gemma y Herbelot, Aurélie 2017. Representations of Sentences and Documents,
Formal Distributional Semantics: Introduction to Proceedings of the 31th Internacional
Special Issue, Computational Linguistics, 42(4), Conference on Machine Learning, vol. 32(2),
páginas 619-635. pàgines 1118-1196, Beijing.
Charniak, Eugene 1993. Statistical Language Riemsdijk, Van, Henk 1978. A Case Study in
Learning, The MIT Press, Cambridge. Syntactic Markedness: the Binding Nature of
Chomsky, Noam. 1970. Remarks on Prepositional Phrases, Foris, Dordrecht.
Nominalization. En Jacobs, Roderick A. and Shannon, Claude E. 1948. A Mathematical
Rosenbaum, Peter S. (eds.), Readings in Theory of Communication, The Bell System
English Transformational Grammar, Technical Journal, Vol. 27, páginas 379–423,
páginas184-221. Ginn, Boston. 623–656, julio y octubre.
Chomsky, Noam 1981. Lectures on Government
and Binding, Foris, Dordrecht. Saint-Dizier, Patrick 2006. Syntax and Semantics
of prepositions, Springer, Dordrecht.
Clark, Alexander; Fox, Chris y Lappin, Shalom
2013. The Handbook of Computational Zelinsky-Wibblet, Cornelia (ed.) 1993. The
Linguistics and Natural Language Processing, semantics of Prepositions, Mouton de Gruyter,
Wiley-Blackwell, Oxford. Berlín.
5