Adquisición De Conocimiento Lexical

Adquisición de conocimiento léxico
El lexicón, como ya hemos reiterado en numerosas ocasiones, ha llegado a ocupar un lugar central en muchas corrientes lingüísticas actuales y también lo es hoy día en el procesamiento del lenguaje natural. Sin embargo, ha demostrado ser un cuello de botella en el diseño de sistemas de lenguaje natural a gran escala, debido al gran número de unidades léxicas delas lenguas naturales, así como a la constante incursión de palabras o nuevas o nuevas acepciones de palabras existentes existentes. La adquisición de la información léxica necesaria para popular lexicones computacionales plantea serios problemas, tanto en lo que se refiere a la efectividad de los diferentes métodos que se han empleado como a la inversión de tiempo, dinero y recursos humanos ycomputacionales que estos métodos requieren.
Se puede considerar que existen tres métodos o fuentes principales para la adquisición de conocimiento léxico:
1. adquisición manual de información léxica
2. diccionarios en formato magnético (MRDs)
3. los córpora textuales informatizados
Los tres métodos plantean ventajas y desventajas, tanto en lo que se refiere a los recursos que requierencomo a la efectividad que han demostrado hasta ahora. Debemos advertir, sin embargo, que la adquisición de conocimiento léxico es un área de estudio vasta en sí misma, y nuestro interés en este trabajo de investigación se centra en los aspectos de diseño e implementación de lexicones computacionales, así como en lo que concierne a la representación de la información léxica. Por ello, sólo haremosun breve repaso a las técnicas más usadas en el proceso de adquisición de ésta, para justificar y razonar nuestra postura ante este aspecto, ya que aunque no lo tratemos en profundidad por encontrarse fuera del ámbito estricto de nuestra investigación, nos parece un aspecto determinante en la construcción de un lexicón para NLP.
Como hemos dicho antes, la tarea de adquirir información léxicapara popular un lexicón computacional es enorme, y por ello ha existido tradicionalmente un gran interés en el estudio de las posibilidades de construcción automática (o semi-automática) de bases de datos a partir de una o varias fuentes en formato magnético, tales como los diccionarios electrónicos (MRDs: Machine Readable Dictionaries), o los córpora textuales informatizados.
Aunque en principiolas fuentes electrónicas (on-line resources) pueden aportar una gran cantidad de información lingüística muy valiosa, que puede servir como punto de partida para la creación de una base de datos léxica (LDB: Lexical Data Base), en la práctica es difícil aprovechar toda la información que esas fuentes electrónicas contienen. Los diccionarios en formato electrónico, por ejemplo, parecenparticularmente apropiados como base para la construcción de lexicones automáticos9, ya que la información que en ellos se encuentra está estructurada en cada una de las entradas, y parece posible extraer cierta información con bastante facilidad. Sin embargo, después de muchos años de investigación y de multitud de proyectos dedicados a ello, los resultados obtenidos en la adquisición de información léxica apartir de MRDs están lejos de ser satisfactorios.
El problema fundamental es que los diccionarios están diseñados por humanos para ser usados por humanos. Los usuarios (humanos) son hablantes nativos de una lengua, que saben, al menos implícitamente, cómo está estructurado el lexicón de su lengua. Los lexicógrafos, a la hora de compilar un diccionario, explotan el conocimiento lingüístico de sususuarios potenciales, de modo que las entradas de un diccionario contienen sólo la información necesaria para que un hablante de una lengua sea capaz de conectarla con su conocimiento lingüístico general. Incluso los diccionarios diseñados especialmente para los estudiantes de una lengua (learners’ dictionaries) tienen en cuenta las propiedades generales del lenguaje, aunque contengan información...