Tesis doctoral en la redInfoling 7.5 (2023)

Autor/ra:Ortega Martín, Miguel
Fecha de lectura o defensa:2021
Título de la tesis:Grafos de vinculación semántica a partir del definiens del DUE ["Diccionario de Uso del Español" de María Moliner]
Director/a de la tesis:María Matesanz del Barrio
Codirección:Enrique Bernárdez Sanchís
Universidad:
Departamento:Lingüística, Estudios Árabes, Hebreos, Vascos y de Asia Oriental
País:España
Descripción de la tesis

Esta investigación, titulada Grafos de vinculación semántica a partir del definiens del DUE [Diccionario de uso del español de María Moliner], explora la relación asociativa entre palabras mediante el uso de grafos para la investigación semántica, en especial, para la investigación de la analogía conceptual en semántica computacional, a partir de los algoritmos propios de la teoría de grafos y del procesamiento de las definiciones lexicográficas del Diccionario de Uso del Español de María Moliner (DUE). El significado es un constructo mental compuesto por multitud de relaciones, fundamentalmente, de naturaleza asociativa, marcadas por diferentes motivaciones a través del aprendizaje ofrecido por la experiencia. El diccionario, en este aspecto, tiene un gran valor para el estudio del significado computacional, reflejando aquellas asociaciones compartidas por una comunidad de forma más o menos estable en el tiempo y de la manera más objetiva posible.


 


El objetivo del trabajo aquí planteado es el estudio de cómo la estructura recursiva de la definición lexicográfica, en la cual un elemento se define a partir de otros elementos que, a su vez, se definen a partir de otros elementos diferentes, se puede usar para crear grafos de vinculación semántica, gracias a las relaciones que establecen algunos de los elementos del definiens [la palabra o palabras de una definición] con su definiendum [la palabra definida], permitiendo así relacionar palabras en diferentes grados de  "distancia". De este modo, esta investigación examina la analogía semántica en función de la distancia que separa dos conceptos a través de las relaciones que estos mantienen con los definidores que se contemplan en sus respectivas definiciones lexicográficas, y en los que, de manera sucesiva, se pueden descomponer, permitiendo diferentes análisis a partir de los denominadores comunes y la red de relaciones que se configura. 


 


Para toda palabra xi existe al menos otra xj, con la que se relaciona mediante n palabras intermedias en el grafo: ∀ xi ∃ xj | xi ≠ xj ∧ xi Rn xj. Del mismo modo, cada palabra contemplada en el DUE establece diferentes relaciones con cada uno de los elementos de su definiens. Dichas palabras, a su vez, mantienen sus respectivas relaciones con sendos definidores. Como resultado, se ha obtenido un entramado de relaciones de vinculación semántica, reflejado gracias a la construcción de un grafo de propiedades etiquetadas (en inglés, labeled property graph model, LPGM), usando Neo4j como herramienta de estudio para analizar el significado y para establecer nuevas vías y nuevos parámetros para su comprensión. El  establecimiento de distancias semánticas entre los nodos correspondientes a los conceptos procesados del DUE, a partir de las relaciones que estos adquieren con el resto de nodos del grafo, ha permitido aplicar algoritmos de similitud, de caminos más cortos, de centralidad y de comunidades, entre otros, ampliando y enriqueciendo las características del grafo.


 


De este modo, se ha construido un multigrafo o pseudografo, es decir, un grafo con aristas múltiples, que da cuenta de las relaciones que vinculan a las palabras entre sí, en la medida en la que comparten los mismos definidores, y formando posteriormente nuevas relaciones entre los conceptos gracias a diversos algoritmos de grafos, que han permitido enriquecer tanto el número como la calidad de las relaciones que unen cada nodo. Como consecuencia de la red de relaciones construida, el grafo permite generar campos lexicográficos de manera automática, y ofrece interesantes aplicaciones tanto para la lingüística teórica como para el procesamiento del lenguaje natural (PLN), abriendo nuevas posibilidades para la clasificación automática de textos, la detección automática de temas, la generación de resúmenes automáticos, la desambiguación léxica, la resolución de referencias anafóricas, catafóricas y pronominales, o la resolución de acrónimos y abreviaturas, entre otros. Avanzar en la comprensión del significado, su composición, su gestión cognitiva o su almacenaje, abre nuevas vías para el estudio del lenguaje y la posibilidad de mejorar las habilidades lingüísticas de los sistemas artificiales de lenguaje.

Área temática:Lexicografía, Lexicología, Lingüística cognitiva, Lingüística computacional, Lingüística de corpus, Semántica
Índice

RESUMEN 
ABSTRACT 
SIGLAS
ÍNDICE DE TABLAS 
ÍNDICE DE IMÁGENES DE GRAFOS 


 


PARTE I: PLANTEAMIENTO DE LA INVESTIGACIÓN


 


PREÁMBULO: REPRESENTACIÓN EN GRAFOS DEL VÍNCULO SEMÁNTICO ENTRE ELDEFINIENDUM Y EL DEFINIENS 


 


CAPÍTULO 1: INTRODUCCIÓN, OBJETIVOS, HIPÓTESIS JUSTIFICACIÓN Y ASPECTOS METODOLÓGICOS 
1. Grafo de vinculación semántica a partir del definiens del DUE 
1.1. Introducción 
1.2. Hipótesis, objetivos y preguntas de investigación 
1.2.1. Propuesta e hipótesis 
1.2.3. Objetivos 
1.2.4. Preguntas de investigación 
1.3. Justificación 
1.4. Organización de la tesis y metodología 
1.4.1. Metodología 



PARTE II: MARCO TEÓRICO



CAPÍTULO 2: PRINCIPALES PERSPECTIVAS EN SEMÁNTICA Y SEMÁNTICA COMPUTACIONAL 
2. La representación del significado y su procesamiento computacional 
2.1. Evolución del Procesamiento del Lenguaje Natural 
2.2. Enfoque estructural 
2.2.1. Semántica estructural y campos semánticos 
2.2.2. La articulación del significado en semas 
2.3. Enfoque cognitivo del significado 
2.3.1. Cognitivismo 
2.3.2. Categorización, teoría de los prototipos y metáfora 
2.4. Enfoque distribucional: Espacios vectoriales semánticos 
2.4.1. El significado a través de vectores 
2.4.1.1. Vectorización basada en frecuencia 
2.4.1.1.1 Vectorización basada en conteo 
2.4.1.1.2. Vectorización basada en TF-IDF 
2.4.1.1.3. Matrices de co-ocurrencia 
2.4.1.1.4. Limitaciones 
2.4.1.2. Vectorización aplicada a la predicción 
2.5. Teoría Sentido-Texto (TST) 
2.5.1. Explanatory Combinatorial Dictionary (ECD) 
2.6. Modelo Lexemático Funcional 



CAPÍTULO 3: TECNOLOGÍAS SEMÁNTICAS Y SUS APLICACIONES 
3. Tecnologías semánticas y sus aplicaciones 
3.1. Principales tecnologías aplicadas al procesamiento semántico 
3.1.1. Grafos 
3.1.2. RDF 
3.1.3. Lenguaje de Ontología Web (OWL) 
3.1.4. Diccionarios y grafos 
3.2. Procesamiento semántico: aplicaciones y herramientas 
3.2.1. 4lang y Dict-to-4lang 
3.2.2. FUNGRAM 
3.2.3. HowNet 
3.2.4. Wordnet 
3.2.5. Node2vec 
3.2.6. Modelos de lenguaje basados en redes neuronales 


 


CAPÍTULO 4: ESTRUCTURA, RELACIONES Y PROPIEDADES DEL SIGNIFICADO A TRAVÉS DEL DEFINIENS Y EL DEFINIENDUM 
4. Definiendum, definiens y significado: propiedades y relaciones 
4.1. Estructura recursiva: significado y relación del definiendum con el definiens 
4.1.1. Relación binaria en los diccionarios 
4.1.2. El significado como función 
4.1.3. Significado y definición lexicográfica 
4.1.4. La asociación y el significado 
4.1.5. Teoría de conjuntos aplicada al significado y a las palabras 
4.2. La palabra como texto comprimido 
4.3. Otras relaciones a partir del definiens 
4.3.1. Observaciones sobre la sinonimia 
4.3.2. Desambiguación: observaciones sobre la polisemia y la homonimia 


 


CAPÍTULO 5: DICCIONARIO DE USO DEL ESPAÑOL DE MARÍA MOLINER 
5.1. Estructura del DUE 
5.1.1. Macroestructura del DUE 
5.1.2. Microestructura del DUE 
5.2. Definiciones del DUE 
5.3. Información gramatical del DUE 
5.4. Las marcas y los símbolos del DUE 
5.5. Los catálogos del DUE 



PARTE III: PARTE EXPERIMENTAL, CONSTRUCCIÓN Y ANÁLISIS DEL GRAFO



CAPÍTULO 6: CONSTRUCCIÓN DEL GRAFO
6. Proceso de construcción del grafo 
6.1. Esquema del proceso de construcción del grafo 
6.2. Estructura del grafo 
6.3. Asociadores semánticos 
6.4. Preparación de los datos 
6.4.1. Extracción de la microestructura de una entrada 
6.4.2. Depuración de las definiciones 
6.4.3. Depuración de la definición: selección categorial 
6.4.4. Tokenización: el caso de las locuciones y estructuras compuestas 
6.4.5. Análisis de bigramas por frecuencia 
6.4.6. Lematización 
6.4.7. Desambiguación 
6.4.7.1. Asignación de un ID al definiendum 
6.4.7.2. Asignación de un ID a los asociadores del definiens 
6.4.8. Depuración de los nodos: criterio de frecuencia y contenido semántico 



CAPÍTULO 7: CARACTERÍSTICAS DEL GRAFO EN NEO4J 
7. Análisis del grafo de propiedades etiquetadas (LPG) 
7.1. Modelo del grafo 
7.2. Características del grafo de propiedades etiquetadas (LPG) 
7.2.1. Nodos del grafo 
7.2.2. Etiquetas de los nodos 
7.2.3. Relaciones entre los nodos del grafo 
7.2.4. Propiedades de los nodos y de las relaciones 
7.3. Lenguaje de consulta del grafo: Cypher 
7.3.1. Escritura de patrones con Cypher para las consultas 
7.3.2. Búsquedas y consultas en Cypher 
7.3.3. Búsqueda inversa y efecto de facilitación (priming) 
7.3.4. Localización de los círculos viciosos del DUE 



CAPÍTULO 8: RESULTADOS Y ANÁLISIS 
8. Algoritmos de grafos: aplicación y estudio 
8.1. Algoritmos de similitud 
8.1.1. Distancia de Jaccard 
8.1.1.1. Distancia entre dos palabras con el índice de Jaccard 
8.1.1.2. Distancia entre una palabra y el conjunto más cercano 
8.1.1.3. Construcción de la relación de similitud a partir del índice de Jaccard 
8.1.1.4. Propiedad (“score”) de la relación “SIMILAR” 
8.1.2. Algoritmo de Superposición 
8.1.2.1. Distancia entre dos palabras con el índice de Superposición 
8.1.2.2. Distancia entre una palabra y el conjunto de palabras más cercanas 
8.1.2.3. Construcción de una relación a partir del índice de Superposición 
8.1.2.4. Propiedad “score” de la relación “NARROWER_THAN” 
8.1.3. Distancia euclidiana 
8.2. Algoritmos de rutas óptimas o caminos más cortos 
8.2.1. Algoritmo SPF (Shortest Path First Algorithm) 
8.2.2. Algoritmo de Yen (KSP)  
8.2.3. Caminos aleatorios 
8.2.4. Árbol recubridor mínimo (MST) 
8.3. Algoritmos de centralidad 
8.3.1.1. Propiedades del grado de salida y entrada en los nodos 
8.3.1.2. Escritura de la propiedad del grado de entrada 
8.3.1.3. Escritura de la propiedad del grado de salida 
8.3.2. Algoritmo Pagerank 
8.3.2.1. Escritura de la propiedad “pagerank” en los nodos 
8.3.3. Algoritmo Articlerank
8.3.3.1. Escritura de la propiedad “articlerank” en los nodos 
8.3.4. Algoritmo de intermediación (Betweenness Centrality Algorithm) 
8.3.4.1. Escritura de la propiedad “centrality” en los nodos   
8.3.5. Algoritmo de cercanía (Closeness Centrality Algorithm) 
8.3.5.1. Escritura de la propiedad “closeness” en los nodos 
8.4. Algoritmos de comunidades 
8.4.1. Algoritmo de coeficiente de agrupación y recuento de triángulos 
8.4.1.1. Escritura de la propiedad “triangles” y “coefficient” en los nodos 
8.4.2. Algoritmo de componentes fuertemente conectados (SCC) 
8.4.2.1. Escritura de la propiedad “partition” en el grafo 
8.4.3. Algoritmo de propagación de etiquetas (LPA) 
8.4.3.1. Escritura de la propiedad “community” a partir de “LPA” 
8.5. Otras posibilidades de aplicación y análisis 
8.5.1. Filtros a través de las propiedades y relaciones escritas en los nodos 
8.5.2. Construcción de campos “lexicográficos” 
8.5.3. Isotopías y representación de la metáfora en grafos 



PARTE IV: CONCLUSIONES, CONSIDERACIONES FINALES Y TRABAJO FUTURO


 


CONCLUSIONES



Evaluación del método propuesto 



Verificación de las hipótesis de investigación y de los objetivos 



Evaluación de las limitaciones del estudio



CONSIDERACIONES FINALES


 


Síntesis de las conclusiones


 


TRABAJO FUTURO
i) Acciones necesarias para solventar problemas de la versión actual del grafo 
ii) Acciones orientadas a la ampliación de funcionalidades y de posibles aplicaciones 


 


BIBLIOGRAFÍA 
Fuentes textuales 
Referencias bibliográficas 


 


APÉNDICES 
Apéndice 1: Proceso de depuración del definiens 
Apéndice 2: Aplicación de algoritmos de similitud 
Apéndice 3: Algoritmos de rutas óptimas
Apéndice 4: Algoritmos de comunidades
Apéndice 5: Campos lexicográficos

Número de págs.:739
Remitente:Infoling
Correo-e: <infolinginfoling.org>
Fecha de publicación en Infoling:6 de julio de 2023