recursos(y(herramientas(al(amparo( de(las(teorías(lingüís6cas(

Universidad de Málaga, 7 de Abril de 2016

1

Recursos y herramientas al amparo de las teorías lingüís6cas

Mercè Lorente

[email protected]


2

Guión

1.  Introducción 2.  Recursos y herramientas 3.  De teorías, modelos y mecanismos 4.  El diseño de recursos y herramientas:

adecuación y coherencia 5.  Ejemplos


3

De recursos y herramientas


4

Recursos lingüísJcos (1)

•  Corpus textuales –  Orales –  Escritos –  MulJmedia

•  Recursos léxicos –  Diccionarios –  Bancos de datos –  Jerarquías léxicas


5

Recursos lingüísJcos (2)

•  Bancos de conocimiento – Enciclopedias – Ontologías – Portales integrados (corpus, léxicos, ontologías)

•  Otros


6

CaracterísJcas

•  Datos ordenados sistemáJcamente •  Datos eJquetados (estándares) •  Comparables •  ReuJlizables


7

Herramientas lingüísJcas

•  De búsqueda y clasificación de documentos •  De estructuración (preproceso) •  De procesamiento del lenguaje natural (PLN) •  De extracción de datos lingüísJcos •  De recuperación de la información (RI)


8

Búsqueda y clasificación

•  Buscadores y metabuscadores •  Indizadores de documentos •  Filtros lingüísJcos •  Clasificadores temáJcos de documentos


9

Estructuración y preproceso

•  Metadatos de corpus y de documentos •  Segmentación de unidades (o tokenización) •  EJquetaje estructural •  IdenJficación de nombres propios •  IdenJficación y estandarización de fechas y canJdades

•  IdenJficación de unidades fraseológicas •  IdenJficación de préstamos de otras lenguas


10

Procesamiento del lenguaje natural

•  EJquetaje morfosintácJco •  Desambiguación lingüísJca •  Desambiguación estadísJca o estocásJca •  Análisis sintácJco •  EJquetaje semánJco •  EJquetaje pragmáJco-‐discursivo


11

Extracción

•  Interfaces de consulta de corpus •  Frecuencias y concordancias •  Análisis lexicométrico •  Extracción automáJca de terminología •  Detección automáJca de neología – Neología formal y filtros lexicográficos – Neología semánJca y estrategias formales


12

Recuperación de información

•  Expansión de consultas •  Sistemas de pregunta-‐respuesta •  Sistemas de diálogo persona-‐máquina


13

De teorías, modelos y mecanismos


14

Paradigmas cienbficos(1)

•  El progreso cienbfico no es visto como la acumulación de observaciones, sino como "el repeJdo derrocamiento de teorías cienbficas y su reemplazo por otras mejores o más saJsfactorias“ (carácter permanentemente revolucionario de la ciencia). POPPER, Karl R. (1959) La lógica de la inves6gación

cien<fica. México: Rei, 1996. p. 16


15

Paradigmas cienbficos (2)

•  Los paradigmas son "realizaciones cien<ficas universalmente reconocidas que, durante mucho 6empo, proporcionan modelos de problemas y soluciones a una comunidad cien<fica“.

KUHN, Thomas S. (1962) La estructura de las

revoluciones cien<ficas. México: Fondo de Cultura Económica, 2001. p. 13.


16

Conjunto de principios y fundamentos básicos sobre un objeto cienbfico. Se refiere a •  la delimitación del objeto, •  los objeJvos cienbficos que se propone, •  y al método cienbfico uJlizado. Ejemplo: El generaJvismo, respecto de la lingüísJca anterior, es una teoría mentalista del lenguaje, que desarrolla subteorías como la teoría de la adquisición del lenguaje, la teoría de los universales del lenguaje y la teoría formal del lenguaje.

¿Qué es una teoría?


17

¿Qué es un modelo? Modelo: Representación ideal de un objeto Modelo lingüísJco: Representación ideal de la gramáJca del

hablante •  Se inscribe en una teoría (marco teórico) •  Puede ser un modelo completo, parcial o simplificado. •  Puede evolucionar. •  Para cada teoría, puede haber varios modelos. Ejemplo: Diferentes versiones de la gramáJca generaJva


18

Lenguajes formales o matemáJcos para el desarrollo de modelos gramaJcales. Símbolos, reglas, relaciones, etc. • Mecanismos descripJus o de representació • Mecanismos de processament i validació • Mecanismos de generalització

Ejemplos: • Mecanismos de unificación, como los de LFG (Bresnan & Kaplan 1982) o HPSG (Pollard & Sag 1990) • Mecanismos de generalización

¿Qué son los mecanismos?


19

TEORÍAS MODELOS MECANISMOS

OBJETOS DISEÑOS PROCEDIMIENTOS


20

Los paradigmas actuales de la lingüís6ca


21

La historia de la lingüísJca (1)

•  Los estudios lingüísJcos antes de la lingüísJca – Las aplicaciones: Orientación prescripJva. – La reflexión: Los antecedentes de la filosora del lenguaje

– La historia de la lengua. La gramáJca histórica


22

La historia de la lingüísJca (2)

•  La lingüísJca, como disciplina cienbfica – El estructuralismo europeo – El estructuralismo americano – El generaJvismo – El funcionalismo – El cogniJvismo


23

El generaJvismo

•  La teoría innaJsta y formal del lenguaje •  La gramáJca generaJva •  La evolución del modelo – Principales hitos bibliográficos – CaracterísJcas comunes de las diferentes versiones

•  Los mecanismos – De representación y de procesamiento


24

El generaJvismo, la teoría

•  Teoría del lenguaje – Cambio de paradigma – Teoría de la adquisición del lenguaje – Teoría formal del lenguaje

•  InnaJsmo y teoría de la adquisición •  GramáJca universal •  GramaJca formal


25

Teoría del lenguaje

•  Teoría formal del lenguaje •  Adecuación observacional, descripJva y explicaJva (noción de gramaJcalidad)

•  Método hipotéJco-‐deducJvo •  Competencia y actuación •  Generación infinita •  Simplicidad (no redundancia)


26

GramáJca formal

•  Estructuras y categorías •  Reglas, principios, restricciones •  GramáJca como hipótesis •  Universalidad de capacidad (procesos), no de contenidos


27

La gramáJca generaJva, el modelo

•  GramáJca de la competencia •  Modelo explicaJvo •  Procesamiento secuencial •  Modular

•  Componentes de la gramáJca •  Módulos teóricos

•  Orientación sintacJsta •  La metáfora del ordenador: input/output


28

Evolución del modelo

–  Syntac6c Structures (1957) –  Aspects of the Theory of Syntax (1965) –  Remarks on nominaliza6ons (1970) –  Rules and Representa6ons (1980) –  Lectures on Government and Binding (1981) –  The Knowledge of Language (1986) –  Barriers (1986) –  A Minimalist program for linguis6c theory (1992) –  The Minimalist program (1995)


29

Componente de base

Estructura profunda

Componente transformacional

Estructura superficial

Syntac6c Structures (1957)


30

Comp Base R.R

Rsubcat Rlex

Comp Transf Rtransf

EP

ES

Componente sintáctico

Componente semántico

R interp semántica IS

Componente fonológico

R. Interpretación fonol IF

Aspects of the Theory of Syntax (1965)


31

El programa minimalista (1995) •  Programa que reduce las representaciones del modelo de P&P

hacia un modelo económico, simplificado, no redundante. •  A par6cular language L is an instan6a6on of the ini6al state of

the cogni6ve system of the language faculty with op6ons specified. (Chomsky 1995: 219)

•  El sistema cogniJvo del lenguaje está formado por un componente computacional (derivacional) y por el lexicón.

•  Los únicos niveles de representación son las interfaces hacia la FF y la FL.

•  Reducción de categorías funcionales (T, C, D) •  En síntesis, el PM refuerza la hipótesis de la autonomía del

lenguaje y incorpora mecanismos formales (merge) parecidos a los planteados por los FU y por la fonología de la opJmidad.


32

EJEMPLOS DE APLICACIONES

•  LingüísJca de corpus •  Análisis sintácJco •  GesJón de la terminología


33

Qué es un corpus?

•  A corpus is a collec6on of pieces of language text in electronic form, selected according to external criteria to represent, as far as possible, a language or language variety as a source of data for linguis6c research.

(Sinclair, 2005: 16)


34

No todos los corpus son corpus •  Archivo digital: Agrupación de textos en soporte informáJco sin relación.

•  Biblioteca de textos electrónicos: Colección de textos en soporte informáJco , de formato estándar y guiados por normas de contenido, sin criterio de selección.

•  Corpus informaJzado: Colección de textos seleccionados por criterios lingüísJcos (externos o internos), codificados de manera estándar y homogenea, para ser procesados informáJcamente y para reflejar el comportamiento de una o más lenguas.

(Llisterri y Torruella, 1999: 50)


35

Uso de corpus

•  La invesJgación en lingüísJca •  La edición de obras de referencia (diccionarios, gramáJcas, libros de esJlo, tesauros documentales...)

•  La enseñanza de lenguas (manuales, materiales de aprendizaje, etc.)

•  El desarrollo de herramientas


36

Contenidos •  Lengua oral: conferencies, mesas redondas, interacciones en áula, grabaciones TV o radio, cine y teatro, diálogos, entrevistas, llamadas (call centre), diarios de laboratorio, videoguía quirúrgica, etc.

•  Lengua escrita: publicaciones, prensa, cartas, testamentos, leyes, pero también blogs, webs, publicidad, memorias de empresas y organismos, correo electrónico, Twiwer, mensajes, ...


37


38

La lingüísJca de corpus (LC)

•  The study of language based on examples of ‘real life’ language use. (McEnery & Wilson 1996: 1)

•  You know a word by the company it keeps. (Firth 1957)

•  I’m interested in explaining what does occur, not what might occur. (Sinclair 1991)


39

Teorías y LingüísJca de Corpus

•  Estructuralismo •  Funcionalismo •  LingüísJca textual •  Variación lingüísJca


40


41

FREELING hwp://nlp.lsi.upc.edu/freeling/demo/demo.php


42

Análisis sintácJco

El niño irá a+l colegio el próximo otoño SN SN SN

SP

SV

S

((El niño) (irá (a(l colegio)) (el próximo otoño)))

(El niño) irá (al colegio) (el próximo otoño)


43

Sintaxis •  Chunking (idenJficación de consJtuyentes o sintagmas)

•  Full parsing (análisis de consJtuyentes) •  Constraint grammar (análisis de dependencias)

• HERRAMIENTAS: IULA, Freeling, MaltParser


44

recursos(y(herramientas(al(amparo( de(las(teorías(lingüís6cas(

Documents