Download desarrollo de un entorno para el análisis sintáctico de una lengua

DESARROLLO
DE
UN
ENTORNO PARA EL ANÁLISIS
SINTÁCTICO DE UNA LENGUA
NATURAL
APLICACIÓN AL CASTELLANO
AUTOR : Juan Manuel Montero Martínez
TUTOR : José Colás Pasamontes
Departamento de Ingeniería Electrónica
Escuela Técnica Superior de Ingenieros De Telecomunicación
Universidad Politécnica de Madrid
PROYECTO FIN DE CARRERA
TITULO
DESARROLLO DE UN ENTORNO PARA EL ANÁLISIS SINTÁCTICO DE
UNA LENGUA NATURAL. APLICACIÓN AL CASTELLANO
AUTOR
JUAN MANUEL MONTERO MARTÍNEZ
TUTOR
JOSÉ COLAS PASAMONTES
DEPARTAMENTO
GRUPO
INGENIERÍA ELECTRÓNICA
TECNOLOGÍA DEL HABLA
MIEMBROS DEL TRIBUNAL CALIFICADOR
PRESIDENTE
JOSÉ MANUEL PARDO MUÑOZ
VOCAL
JOSÉ CARLOS GONZÁLEZ CRISTÓBAL
VOCAL SECRETARIO
FECHA DE LECTURA
CALIFICACIÓN
JOSÉ COLAS PASAMONTES
¡Error!Marcador no definido.
CAPITULO I : MOTIVACIONES Y JUSTIFICACIÓN
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
CAPITULO I
INTRODUCCION Y MOTIVACIONES
1.1 Justificación
El desarrollo vivido en la última década por el reconocimiento del habla ha permitido la
1
inclusión de módulos no acústicos en las nuevas versiones de los sistemas implementados.
Conceptos clásicos de la lingüística como la sintaxis, la semántica, la morfología... entran con
fuerza en la bibliografía reciente, añadiéndose a otros ya habituales como el de léxico o fonética.
Inicialmente, las arquitecturas usadas eran plenamente modulares y de funcionamiento
secuencial: subsistemas de análisis sintáctico, de verificación semántica o de gestión de diálogo son
añadidos para posprocesar la información generada por módulos de tratamiento acústico o acceso
2
léxico (cadenas de fonemas o de palabras). La aséptica separación (al menos idealmente) entre los
problemas acústicos y los propios de la gramático-pragmática permitía su tratamiento aislado,
evitándose los múltiples problemas inevitablemente presentes en toda interacción fuerte.
La continua evolución de las técnicas registrada en los años ochenta (Programación
Dinámica, Modelos Ocultos de Markov tanto de fonemas como de palabras, reconocimiento de
habla continua... ) va dejando obsoletos los sistemas desarrollados. Cuando estas nuevas técnicas
alcanzan su madurez, comienzan a aparecer artículos y comunicaciones a congresos interesándose
por la definitiva incorporación de información no fonética con objeto de mejorar las tasas de
reconocimiento. Los "lattices"o celosías de fonemas o palabras contenían errores de inserción,
sustitución y borrado que dan lugar a que, aún con buenas tasas de reconocimiento de palabras, se
acepten numerosas frases gramaticalmente erróneas. Esta vez se incorpora el modelo del lenguaje
dentro del propio reconocedor, de tal modo que un autómata (equivalente en cuanto a potencia
expresiva a un lenguaje tipo 3 de la jerarquía propuesta en Chomsky[57] y que posteriormente
explicaremos) guía la tarea de reconocer y evita la aceptación de errores.
La integración del módulo gramatical en el acústico-fonético supuso una mejora,
especialmente en aplicaciones de complejidad limitada donde los autómatas modelaban
3
aceptablemente las posibles situaciones . Sin embargo la investigación se encaminaba rápidamente
1
Entendemos por módulos no acústicos aquellos cuyo fin no es
extraer la información fonética incluida en el habla, sino
procesarla con fines diversos.
2
Ambiciosos sistemas como el francés Myrtille I seguían esta
filosofía.
3
Estos sistemas son denominados "task-oriented" y se centran
CAPITULO I : MOTIVACIONES Y JUSTIFICACIÓN
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
hacia el uso de unos modelos del lenguaje humano más complejos. Los algoritmos surgidos en los
años sesenta y setenta, en los albores de la lingüística computacional, cuando se buscaban métodos
potentes y rápidos para compilar lenguajes de programación, fueron retomados y mejorados para
adaptarlos a las nuevas necesidades: ambigüedades, errores en la cadena de entrada, integración en
los sistemas de reconocimiento, integración VLSI de los mismos...
Teniendo in mente este marco, se inicia una línea de investigación en el DIE para
incorporar información sintáctica a la algorítmica de reconocimiento que ya se poseía, continuación
de las primeras experiencias en sintaxis y guiado mediante autómatas conseguidas en diversos
Proyectos Fin de Carrera previos.
Tras un estudio de la bibliografía reciente y procurando no desbordar nuestras posibilidades
de tiempo y personal investigador, optamos por abordar en paralelo la realización de una gramática
de contexto libre con que modelar el castellano, y el estudio de la complejidad e integrabilidad de
los algoritmos más utilizados. Para ello se hizo necesaria la elaboración de un entorno que nos
permitiera desarrollar cómodamente la gramática de un modo incremental, realimentado mediante
el análisis de textos. También se precisa obtener un diccionario categorizado que sirva de base para
el análisis (ampliado posteriormente al ir introduciendo nuevos textos).
I.2.Ingeniería lingüística
4
Con el nacimiento de las llamadas Industrias del Lenguaje , la utilidad de los conocimientos
gramaticales que esperamos obtener no se reducen al reconocimiento de voz para gran vocabulario
y alta calidad. Entre otros campos donde sería posible usar información sintáctica, encontramos:
-síntesis de voz
5
-traducción y doblaje automáticos
-correctores sintácticos para ayuda a la edición
-interfaces naturales hombre-máquina
-estudios teórico-prácticos de lingüística
en entornos de accesos a bases de datos bancarias o de líneas
aéreas, bancarias... (Rabiner y Levinson[85], Roe et all[91] y
[92]).
4
En 1987 la Comunidad Europea puso en marcha e programa LIFE
,Languaje Industry For Europe.
5 La traducción automática requiere gran robustez en el "parsing" para resultar útil (lo mismo sucede en la síntesis de voz).Cada vez son más los
programas comerciales de tratamiento estilístico y gramatical de texto escrito.
CAPITULO I : MOTIVACIONES Y JUSTIFICACIÓN
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
I.2.1 Síntesis de voz
Los sistemas de síntesis de voz a partir de texto, a pesar de haber conseguido una elevada
inteligibilidad en su conversión grafema-fonema, no producen un habla natural como sería deseable
para provocar en los potenciales oyentes humanos un rechazo mínimo, una aceptación máxima.
Abordar la lectura automática de frases o párrafos largos sin caer en ese pausado irregular
que dan las reglas heurísticas de corto alcance, requiere de información relativamente completa
sobre la estructura de los enunciados (Garrido[91], pág.10 ).
6
En el siguiente ejemplo tomado de Alcina[75], pág.457 , se puede observar como las
relaciones sintácticas influyen poderosamente en la introducción "lógica" de pausas (señaladas con
barra vertical):
"Cruzan por las calles | viejas enlutadas"
Viejas enlutadas es el sujeto del verbo cruzan, con quien concuerda. La lejanía entre ambos
( se ha interpuesto por las calles) obliga a la pausa o el paso de entonación ascendente a
descendente con el fin de marcar que existen elementos concordantes en orden diferente al habitual.
La teoría de la acentuación por foco sugiere asignar el acento a los constituyentes
sintácticos de las oraciones, no a las palabras o las sílabas. Un constituyente (una palabra o grupo
de palabras estrechamente relacionadas) será acentuado si está marcado como focal en las reglas
sintácticas, o si la palabra que lo constituye está señalada como fuerte en el lexicón y el nodo que la
domina inmediatamente es acentuado (Dirksen [92], págs.22-25.
Si el acento recae sobre una palabra marcada como débil no provocará inversiones de
acento caso de intentar acentuarla mediante la regla anterior.
Si se suceden varias palabras débiles complementando a una fuerte (adjetivos y un
sustantivo) será necesario hacer alternativamente alguna de ellas fuerte para llevar un ritmo
agradable y no monótono.
En el Esbozo[73], apartado 1.5, encontramos una clasificación de las categorías del
castellano en débiles y fuertes (acentuadas y no acentuadas).
I.2.2 Traducción y doblaje automáticos
Traducir una frase de un idioma a otro no se limita, desgraciadamente, a consultar palabra
tras palabra en un diccionario bilingüe. Las estructuras sintáctico-semánticas son diferentes para las
diversas lenguas naturales.
6
El resto de oraciones del texto de Azorín son más sencillas
de pausar, debido a los signos de puntuación que sirven de guía.
Sin embargo, su ausencia no impediría una correcta entonación:generalmente son causas sintácticas las que han motivado su
inclusión: subordinación, concordancia, dependencias lejanas, la
elipsis... Más ejemplos en Esbozo[73], pág. 399.
CAPITULO I : MOTIVACIONES Y JUSTIFICACIÓN
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
Veamos unos ejemplos de cómo la sintaxis es necesaria para la traducción inglés-castellano
y castellano-inglés (aunque, obviamente, no lo único necesario):
-numerosos sintagmas preposicionales con de se convierten en aposiciones antepuestas
(inexistentes en castellano) al traducir del inglés: tipo de interés pasa a interest rate.
-mientras el inglés tiende a anteponer los adjetivos, el castellano tiende a posponerlos:
cuenta corriente será current account.
-la reglas de omisión de determinante difieren: los bonos del Tesoro se convierten en
Treasury notes debido a la aposición.
-la combinación de todo lo anterior, puede dar lugar a una fuerte reordenación: la
transformación efectiva de España sería Spain's efective transformation.
-los sujetos inexistentes o elípticos tan comunes en castellano deben ser explícitos en inglés.
"nobody talks..." o "it's said..." resultaría de la traducción de "no se habla..."
-el ordenamiento libre de sintagmas que caracteriza al castellano debe ser linealizado. "está
llegando una ola que..." debería pasar como "a wave that...is arriving"
-las sustantivaciones de adjetivos... por medio del uso de determinantes, requieren rodeos
lingüísticos: lo político frente a the political cuestion
-los verbos subcategorizadores: transitivos, con preposición... distan mucho de coincidir.
"sorprenderse de..." equivale a "be surprised by..." (obsérvese el cambio de voz activa a voz pasiva)
-la concordancia de número posee diferente aritmética en ambos idiomas: tres dólares en
castellano, pero three dollar en inglés.
-los pronombres requieren interpretación semántica de sus antecedentes. En "nadie habla en
España de ella misma", ella tiene a España como referente, y no a nadie. Además el referente
puede ser lingüístico (una oración, un sintagma...) o contextual.
-la capacidad de creación de nuevas palabras hace necesaria la utilización de reglas
morfológicas. ¿ Cómo cabría traducir politicismo ?
-existen ambigüedades léxicas bidireccionales dependientes de los contextos sintáctico y
semántico. banco puede ser traducido como bench o como bank. bank, a su vez, podría
corresponderse con banco u orilla.
-el contexto pragmático obligaría a usar inteligencia artificial. En el ayuntamiento compró
los bancos por cinco millones" es obvio que la traducción requeriría usar benches y no banks.
La utilidad de los sistemas de traducción automática, o de ayuda a la traducción, de
traducción automática por el autor, o adaptados a un entorno determinado y restringido, de
CAPITULO I : MOTIVACIONES Y JUSTIFICACIÓN
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
traducción inmediata aunque imperfecta... sería inmensa
¡Error!Marcador no definido.
7
I.2.3 Correctores sintácticos (Granda[91], IBM-España[91])
La extensión alcanzada por los microordenadores en todos los ámbitos laborales o
académicos ha permitido que los editores de texto sean una herramienta de trabajo cotidiana (nosotros mismos utilizamos uno de los más populares en la redacción de este proyecto). Al
incorporarles más y más funciones se han convertido en procesadores de textos, aunque para una
perfecta comodidad en su manejo por parte de nosotros los "escritores", se echa en falta la
corrección automática o semiautomática de esos errores que nuestra impericia, precipitación o
desconocimiento de la lengua nos hacen cometer:
Las actuales funciones de análisis léxico resultan insuficientes. Mediante simple consulta en
el diccionario de cada palabra que usemos, no se pueden corregir errores tan típicos como:
-palabras unidas o separadas sin querer: tam poco, tanpoco...
-sustitución de letras con resultado de palabra presente en el diccionario: menores por
mejores...
-acentuación diacrítica incorrecta: éste por este, como por cómo...
-comentarios entre guiones o paréntesis, abiertos pero no cerrados o viceversa.
Para una verificación gramatical de amplio espectro, necesitaremos modelar la lengua
formalmente, compilar la información en forma de gramática y probarla mediante córpora textuales.
Aunque, como en la arquitectura propuesta en Granda[91], se adopte un esquema de análisis
sintáctico local (centrado en sintagma) y no global (centrado en la oración), como haremos
nosotros, la información sigue siendo válida y sólo habrá que adaptarla a nuestras condiciones de
análisis sintáctico veloz, robusto... (al fin y al cabo la lengua es la misma siempre).
I.2.4 Interfaces naturales hombre-máquina
Cualquier lenguaje para la manipulación de una base de datos posee una sintaxis artificial
que dificulta nuestro acceso a ella (especialmente para los no habituados a la informática o los
"alérgicos" a la misma).Sin embargo, todos conocemos al menos un idioma (con nuestro propio
vocabulario y nuestra propia gramática, eso sí) y por medio de él somos capaces de pedir
información en cualquier organismo público.La utilización de lengua natural en nuestras
interacciones con las máquinas simplificaría notablemente la labor del usuario.
La versatilidad del lenguaje natural multiplica las fuentes de error: la pronunciación o la
ortografía, palabras desconocidas, absurdos que suenan bien, peticiones ambiguas, fragmentos con
significado, correcciones sobre al marcha, sintaxis mala pero comprensible, referencias al contexto
7
En Sager[91] encontrarán una visión amplia del tema de la
traducción
automática:reutilización
de
traducciones
previas,traducción incremental...
CAPITULO I : MOTIVACIONES Y JUSTIFICACIÓN
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
de la petición... Ello justifica la adición de módulos inducción y corrección, de gestión de diálogo...
Tomando ejemplos de ATIS (Young[91],Seneff[92], Pieraccini[91] y [92]), donde se
muestran peticiones hechas a una base de datos de líneas aéreas, podemos comprobar:
-las oraciones casi se limitan a los modos interrogativo e imperativo
-no abundan ni son variadas la recursión subordinada ni la coordinada
-la semántica viene guiada por los verbos (list... ), que son los que imponen los marcos de
predicación, y las palabras típicas (flight...)
-la correcta asignación de complemento se ve dificultada por los muchos sintagmas
preposicionales. En las figuras comprobamos como sintagmas muy similares realizan funciones
diferentes.
-algunas estructuras sintácticas son más empleadas en este entorno que en la vida
cotidiana,y deben ser tratada muy especialmente. Por ejemplo "from...to..." debería tener menor
prioridad (luego mayor posibilidad de reflejar relaciones lejanas) que "...in NombrePropio",de tal
modo que se pueda integrar una en la otra caso de darse conjuntamente. En:
"from the airport in Dallas to Boulders"
"in Dallas" forma parte del término del sintagma preposicional "from..." y no funciona como
complemento de un hipotético verbo.
Lo mismo sucede con las expresiones de tiempo: before noon, this week...
ORACION
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊕⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
Interrogación
OInterrog
Interrogación
≥
≥
≥
OInterrCompl
≥
≥
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥
SNInterrog
V
SPdirecc
≥
≥
≥
≥
≥
∨⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗↵
≥
SNIntSimple
SNDest
≥
≥ PrepDest
≥
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥
≥
≥
≥
DetInterrogat
N
SAdjPost
NomGeoSin
≥
≥
≥
≥
≥
≥
≥
≥
≥
≥
≥
≥
Adj
NomGeoSimple
≥
≥
≥
≥
≥
≥
≥
≥
≥
≥
≥
≥
≥
≥
¿
qué
transportes terrestres hay hasta
Barcelona
?
Figure 1 Ejemplos de ATIS(I).
-los pronombres: debemos hallar su antecedente:
"show the flights from.. to... as well as their minimun fares"
CAPITULO I : MOTIVACIONES Y JUSTIFICACIÓN
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
ORACION
ORACIÓN
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊕⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊕⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
Interrog
OInterrog
Interrog
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥ Interrogación
≥OInterrog
≥
Interrogación
OInterrCompl
≥
≥
≥
≥
≥
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥
OInterrCompl
≥
≥
SNInterrog
V
SPdirecc
≥
≥
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥
≥
≥ SNInterrog ≥ ∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥
V
SPTemp
≥
≥
SNIntSimple
≥
≥≥ PrepOrig≥ SNOrig ≥PrepDest SNDest
≥
≥
≥
≥
≥ ≥≥
≥
≥
≥
≥
SNIntSimple
SPTempDest
≥ ∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥
N
SAdjPost ≥ ≥ NomGeoSin
≥
≥ NomGeoSin
≥
≥DetInterrogat
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥ ∨⊗⊗⊗⊗⊗⊗⊗⊕⊗⊗⊗⊗⊗⊗⊗↵
≥
≥
≥
≥N ≥ SAdjPost
≥
≥≥ PrepDest
≥
≥ Numeral
≥
ArtDet
≥ ≥ DetInterrogat
≥
≥
≥ ≥ NomGeoSimple ≥
≥ ≥
≥ ≥
≥Adj ≥≥ ≥≥ NomGeoSimple
≥
≥
≥
≥
≥ ≥≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥
≥
≥ ≥
≥ ≥
≥ ≥ Adj
¿
?
≥ qué ≥transportes
≥ terrestres
≥
≥hay ≥de ≥ Madrid
≥
≥a Barcelona
Ejemplos
de
ATIS(II).
¿
qué
transportes
terrestres
hay
hasta
las
tres
?
Figure 2
Figure 3 Ejemplos de ATIS(III).
I.2.5 estudios teórico-prácticos de lingüística
Un conocimiento profundo del funcionamiento del sistema de la lengua debe conllevar su
imitación y simulación. Las teorías deben ser contrastadas en la práctica, y ésta sirve para su
perfeccionamiento. Hallebeek[91] utiliza un entorno similar al que desarrollaremos aquí para
estudiar la esquemas de nominalización de adjetivos, sintagmas preposicionales... proponiendo que
se traten sintáctica y no léxicamente, categorizando los adjetivos nominalizables como sustantivos.
ORACION
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊕⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
⊗⊗⊗⊗⊗⊗⊗⊗↵
Interrogación
OInterrog
Interrogación
≥
≥
≥
OInterrCompl
≥
≥
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥
SNInterrog
V
SPdirecc
≥
≥
≥
≥
≥ ∨⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗↵
≥
SNIntSimple
≥
≥ PrepDest SNDest
≥
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥ ≥
≥
≥
DetInterrogat N SAdjPost ≥ ≥ NomGeoSin
≥
≥
≥
≥
≥
≥
≥ ≥
≥
≥
Adj
≥
≥
≥
≥ ≥ NomGeoSimple
≥
≥
≥
≥
≥
≥ ≥
≥
≥
¿
qué transportes terrestres hay hasta Barcelona
?
Figure 4 Ejemplos de ATIS (IV).
I.2.6 Otros
CAPITULO I : MOTIVACIONES Y JUSTIFICACIÓN
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
-Máquinas de escribir predictivas
-Etiquetado automático de léxico para la confección de diccionarios
8
-procesamiento inteligente de información textual
8
En Haller[91] y Sager[91] encontrará ejemplos de investigación en la materia tanto en Alemania como en Gran Bretaña o
España.
CAPITULO II : LA LENGUA NATURAL
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
CAPITULO II
LA LENGUA NATURAL
II.1 Caracterización
Las lenguas son sistemas más o menos complejos que asocian contenidos de pensamiento y
significación a manifestaciones simbólicas tanto orales como escritas. Aunque en sentido estricto el
lenguaje sería la capacidad humana para comunicarse mediante lenguas, se suele usar para denotar
los mecanismos de comunicación no humanos (el lenguaje de las abejas o el de los delfines) o los
creados por los hombres con fines específicos (los lenguajes de programación, el lenguaje de la
lógica, de la aritmética...).
9
La característica externa fundamental de las lenguas naturales (los idiomas humanos "de
propósito general") es su enorme complejidad formal. De la sintaxis, componente clásico de la
mayoría de nuestros modelos de lenguaje, dijo el lingüista norteamericano F. Palmer que era
"aquella disciplina lingüística que todo el mundo espera que estudien los demás". Mientras
cualquier lenguaje de programación puede ser descrito por medio de menos de cuatrocientas reglas
sintácticas, modelar groseramente, en sus mecanismos generales, un idioma como el castellano
10
precisa de al menos esa cifra (sin incluir las palabras propiamente dichas, que ya son miles) .
Otro grave problema descriptivo que presentan es la inexistencia de un único modelo
común a todos los hablantes: cada uno tiene su propio idiolecto (manera individual de hablar),
interiorizado e inconsciente (nadie es capaz de describir con fidelidad su idiolecto, ni cómo lo ha
adquirido). Ello nos obliga a usar córpora textuales que verifiquen nuestras intuiciones lingüísticas,
a escribir nuestra gramática por aproximaciones sucesivas.
9
Las lenguas naturales poseen características de adquisición
y modelado cerebral cuyo contenido y alcance,en general,desconocemos.Chomsky ha alternado a lo largo de su vida las
reflexiones puramente lingüísticas con las lingüístico-cerebrales , a la búsqueda de esos universales comunes a las gramáticas
de
todas
las
lenguas
que
demuestren
su
teoría
del
innatismo.Afortunadamente su teoría formal es independiente de
su filosofía de la mente,pudiéndose usar una sin aceptar la
otra.
10
Ver las descripciones gráficas y textuales que Wirth[82]
da de Modula-2 y compararlas con las breves y muy incompletas
que aparecen en Tomita[86b] para el idioma inglés.
CAPITULO II : LA LENGUA NATURAL
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
La depuración tendrá por fin satisfacer los tres criterios de adecuación que Chomsky
propuso:
-adecuación observacional: predecir correctamente qué oraciones pertenecen o no a la
lengua en cuestión.
Mientras "Todos mis amigos son lingüistas" o "Todos los lingüistas son mis amigos"
constituyen enunciados aceptables, "Mis todos lingüistas son amigos" o "Todos lingüísticos son los
mis amigos" no lo son.
-adecuación descriptiva: además debe especificarse la estructura de relaciones de esas
oraciones.
En "Todos mis amigos lingüistas son lingüistas", las concordancias entre todos, mis,
amigos, lingüistas y son debe ser explicitada para justificar la incorrección de "Todos el amigas
lingüistas es lingüista".
-adecuación explicativa: nuestro modelo debería contener un conjunto muy limitado de
11
principios simples y generales .
Dadas frases tan relacionadas como "Los caballos del rancho comen hierba fresca" y
"¿Qué comen los caballos del rancho?", o "Empleados del Ayuntamiento derribaron el edificio" y
"El edificio fue derribado por empleados del Ayuntamiento", deberían de ser explicados de un
modo conjunto y no aislado, duplicando esfuerzos...
Sin embargo, en la práctica estos criterios serán excesivamente exigentes en su conjunto y
para una introducción en el tema; una arquitectura simple, como la que utilizaremos en este
proyecto, hará que el número de reglas que nos garanticen cubrir una amplia porción del castellano
con un mínimo de oraciones agramaticales aceptadas, sea elevado.
II.2 Mecanismos habituales en una lengua natural
Con objeto de dejar clara la diferencia de complejidad entre los lenguajes artificiales y las
lenguas naturales, daremos aquí un breviario de fenómenos lingüísticos presentes en una lengua
natural como el castellano:
-el fenómeno de la recursión (presente también en los lenguajes de programación) se halla
limitado por restricciones de tipo pragmático que hacen casi inaceptables oraciones como:
"tu vecina es muy, muy, muy, muy... pero que muy simpática"
ó
"perseguí al ratón que perseguía al gato que perseguía a la rata ..."
11
Además de las propuestas por Chomsky,muy adecuadas para un
paradigma generativista,diferentes teorías han dado otros
enfoques a la adecuación explicativa.S.C.Dik[81] define objetivos pragmáticos,funcionales y de tipología del lenguaje en
este nivel.
CAPITULO II : LA LENGUA NATURAL
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
-la homonimia (o ambigüedad léxica) hace que a una misma palabra se le puedan asignar
diversos significados con dependencia o no del contexto lingüístico. En:
"las llamas lo asustan"
es el contexto extralingüístico (otro mecanismo típicamente natural) el que nos especifica si con
"llamas" nos estamos refiriendo al conocido herbívoro sudamericano o al efecto de una
combustión.Igual sucede con:
"el régimen me lo tenía prohibido"
donde, variando el contexto, el régimen puede ser político o alimenticio.
-la anfibología estructural: las relaciones entre los constituyentes de la oración es ambigua,
pudiéndose dar más de una interpretación. Al decir:
"Pedro habló a los estudiantes de lingüística"
no queda claro si es que habló de lingüística a los estudiantes, o habló de esa materia, o de
cualquier otra, a los estudiantes que cursan la disciplina de lingüística.
Tomando el idioma inglés encontramos:
12
"I can't stand John"
equivalente a "no puedo soportar a John" y "John, no puedo soportarlo".
-ambigüedades temáticas: la asignación de papeles temáticos (instrumento, agente...) puede
también dar lugar a equívocos:
13
"la invitación del gobernador provocó problemas"
puede ser una invitación hecha por el gobernador (=AGENTE), o podría ser el gobernador
(=OBJETO) quien fue invitado.
-el léxico tiene un carácter dinámico (lleno de importantes irregularidades que caracterizan
12
Hemos omitido la pausa o cambio de entonación que precedería a "John" y desharía la ambigüedad:todavía son difíciles de
reconocer automáticamente.
13
Quizá deberíamos catalogar esta ambigüedad como léxica,al
variar el significado de la contracción "del",en un caso
significando "hecha por el" y en el otro "hecha al".(Ver
Hernanz[87] de dónde están tomados los ejemplos.
CAPITULO II : LA LENGUA NATURAL
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
el hablar con corrección: anduve y no andé...). Continuamente aparecen nuevas palabras, nombres,
denominaciones... siendo tarea imposible el inventariarlas. Los mecanismos de derivación y
composición de palabras permiten a cualquier hablante ampliar el vocabulario existente sin que por
14
ello tenga que dejar de ser entendido . Cada región, familia, clase social, profesión... incluso cada
hablante tiene su propia visión del lenguaje común por todos empleado (la variedad del fenómeno
no es comparable a los dialectos "intencionados" de un lenguaje de programación).
-la elipsis (existencia de unidades lingüísticas carentes de realización fonética, pero
recuperables a partir de sus huellas en el discurso) es un recurso muy complejo que es propio de las
lenguas naturales. Palabras o secuencias largas de palabras pueden ser omitidas porque un delicado
sistema de redundancias permite su reconstrucción.Desde la ya citada elipsis de sujeto (redundante
por la conjugación del verbo) hasta la omisión de gran parte de la respuesta a una pregunta, son
muchos las posibilidades que nos brinda este mecanismo.
-la anáfora permite que ciertos elementos nos remitan a otros sin necesidad de que
aparezcan explícitamente:
"Qué foto suya que le robó Pedro busca Pepe"
donde "suya" se refiere a Pepe y no a Pedro o a un tercero, Juan.
-la libertad en el ordenamiento de los constituyentes (grupos conexos de elementos del
lenguaje interrelacionados) cuando no de las mismas palabras (como en el caso del latín,aunque con
restricciones) sin por ello alterar necesariamente el significado de lo expresado. En castellano son
típicamente muy móviles los adverbios acabados en -mente:
"Francamente, yo creo que María tiene razón"
"Yo, francamente, creo que María tiene razón"
"Yo creo, francamente, que María tiene razón"
"Yo creo que, francamente, María tiene razón"
"Yo creo que María tiene razón, francamente"
En el ya clásico hipérbaton:
"Del salón en el ángulo oscuro,
de su dueño tal vez olvidada,
silenciosa y cubierta de polvo,
veíase el arpa"
(G. A. Becker)
destaca la concordancia de género, numero y persona entre palabras notablemente dispersas:
14Los actuales correctores ortográficos de los procesadores de texto desconocen palabras empleadas en la redacción de este
proyecto que no presentan apenas dificultad de comprensión para sus lectores:observacionalmente,ingenieril,José Mº Brucart...
CAPITULO II : LA LENGUA NATURAL
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
olvidada, silenciosa, cubierta, veíase y arpa
o como del salón modifica a ángulo, de su dueño a olvidada, olvidada a "arpa", el primer verso no
es sino un complemento circunstanscial del verbo veíase y el segundo un predicativo.
-la asignación de significados a las oraciones es notablemente más compleja que la que
15
caracteriza a los lenguajes de programación, sean estos imperativos,funcionales ... La construcción del más complejo de los compiladores es mucho más sencilla que la de un módulo de
interpretación o comprensión de cuentos infantiles.
-las concordancias y otras relaciones intra-oracionales "lejanas". En las interrogativas
parciales como:
"¿Qué casa dijo Pepe que compraría a su prima?"
donde SNInterrogativo[qué casa] es el complemento directo del verbo de la proposición sustantiva
que contiene al verbo compraría.
En el inglés es característica la posibilidad de separación entre la preposición y su término:
"who did he talk to in the pub?"
donde "who" es núcleo del sintagma nominal asociado a "talk to" (más "lógica" parece "to whom
did he talk in the pub?").
-la existencia e influjo de la entonación, la acentuación y el pausado. Una misma frase será
enunciativa o interrogativa o exclamativa dependiendo de cómo la pronunciemos o de cómo
pongamos los signos de puntuación:
"Quiere que vaya pronto"
"¿Quiere que vaya pronto?"
"¡Quiere que vaya pronto!"
-la subcategorización (necesidad por parte de ciertos elementos de la presencia de otros
para tener sentido pleno: la tradicional transitividad verbal, la rección prepositiva...) es mucho más
libre que en las "llamadas a función" o "a procedimiento", equivalente conceptual en el campo de
los lenguajes de programación.
15
Sorprende, al consultar los suplementos actualizadores de
una enciclopedia como la Larousse,el notable incremento de
entradas asociadas a la palabra "lenguaje" que se ha producido
tras la aparición de los ordenadores: ensamblador, simbólico,
funcional, lógico, generador de informes,de especificación, teoría de lenguajes...
CAPITULO II : LA LENGUA NATURAL
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
-ante situaciones de ruido o desconocimiento de palabras, el ser humano reacciona
infiriendo, habitualmente con gran acierto.
Por supuesto estos rasgos diferenciadores no ocultan las similitudes generales(la
recursividad, la estructura jerárquica de relaciones entre constituyentes, la categorización de los
elementos...) que justifican el estudio de las lenguas naturales mediante la teoría de lenguajes
formales.
CAPITULO III LOS LENGUAJES FORMALES
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
CAPITULO III
LOS LENGUAJES FORMALES
III.1 Definición
De un modo extensivo, un lenguaje se definiría enumerando todos los enunciados que lo
componen. Como la mayoría de los lenguajes de interés son recursivos en mayor o menor medida
(a partir de un enunciado existen procedimientos que permiten formar otros mayores y más
complejos), debemos encontrar propiedades o conjuntos de propiedades que los definan unívocamente (definición intensiva).
Dada la oración castellana: "este perro es de mi padre", es posible construir otras como:
"mi madre dice que este perro es de mi padre"
"mi madre dice que este perro es de mi padre y este perro es de mi padre"
"si mi padre asegura que mi madre dice: "este perro es de mi padre", mi madre dice que
este perro es de mi padre"
Como es obvio, resultaría absurdo intentar escribir todas las posibles combinaciones de
palabras aceptadas en castellano.
La posibilidad de una definición intensional completa de un lenguaje es lo que nos permite
llamarlo formal. Para las lenguas naturales, creadas por el hombre de un modo colectivo y por tanto
no personalmente consciente, la formalización no existe: ¡aunque todos somos generalmente
capaces de decir si una frase pertenece a nuestro idioma materno (incluso muchos son capaces de
hacerlo con algunos otros), y comprender su o sus significados, nadie ha sido capaz en más de dos
mil años de interés por el fenómeno lingüístico, de caracterizar uno biunívocamente!
Pero son los formalismos la llave que puede abrirnos la puerta del tratamiento informático
cómodo y generalizado: dada una secuencia perteneciente a un idioma como el nuestro y un
conjunto de propiedades que debe satisfacer, sólo habremos de aplicarlas
16
para verificar su gramaticalidad . Del mismo modo podría llegar a la traducción automática entre
lenguajes formales, a la generación más o menos intencionada y automática de oraciones
correctas...
16
Más adelante veremos que hay que imponer ciertas restricciones a los formalismos si queremos que exista un algoritmo,una
secuencia de pasos que nos garantice la finalización ,exitosa o
no, de la operación en un tiempo finito.
CAPITULO III LOS LENGUAJES FORMALES
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
El paradigma formal más famoso y rápidamente desarrollado para la caracterización de
lenguajes es el derivado del concepto de gramática generativa de Chomsky. En Chomsky[59], esta
celebérrimo lingüista norteamericano partiendo de que un lenguaje L es un subconjunto de todas las
secuencias (finitas o no) que podemos formar mediante la concatenación de elementos de un
vocabulario Σ, define la gramática mediante la cuaterna siguiente:
-Σ : vocabulario finito de símbolos Terminales, que son símbolos porque referencian
realidades objetivas, subjetivas o meramente gramaticales, pero que son terminales por aparecer
efectivamente en los enunciados.
-N : conjunto finito de símbolos No Terminales, metasímbolos que describen directa o
indirectamente cadenas o subcadenas del lenguaje, con propiedades comunes.
-S : un símbolo No Terminal básico (axiomático según la definición de Chomsky), que
describe oraciones ( y no subcadenas) del lenguaje.
-P : un conjunto también finito de reglas de producción que nos dicen cómo se puede
generar los enunciados, cómo partiendo del axioma podemos llegar a la oración terminal. Este
conjunto será un simple subconjunto de:
Install Equation Editor and doubleclick here to view equation.
lo cual expresado en una notación más clásica en lingüística sería:
Install Equation Editor and doubleclick here to view equation.
donde:
Install
InstallEquation
EquationEditor
Editorand
anddoubledoubleclick
clickhere
heretotoview
viewequation.
equation.
siendo posible que tanto α como β como γ sean iguales a la cadena nula.
El lenguaje L así definido se obtendría aplicando el siguiente procedimiento no algorítmico
(no garantiza tiempo finito para una gramática genérica):
-S es una forma oracional
-si αβγ es una forma oracional y β->δ pertenece a P, αδγ también será forma oracional
-una forma oracional compuesta únicamente por símbolos terminales constituirá una
oración del lenguaje.
Como ejemplo veamos la derivación de una oración en castellano basándonos en una
pequeña gramática:
S->SintagmaNominalSujeto SintagmaVerbalPredicado
->Determiante Sustantivo SVP
CAPITULO III LOS LENGUAJES FORMALES
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
->Det Sust Verbo SintagmaNominal
->Det Sust Verb Det Sust
->el chófer destrozó el coche
III.2 Jerarquía de Chomsky
A fin de precisar más que tipo de gramática es capaz de generar un lenguaje lo más similar
posible a los naturales, Chomsky distinguió cuatro formatos de reglas que se correspondían con
gramáticas generativas más o menos potentes.
III.2.1 Tipo 3
Es el descriptivamente más débil.Sus reglas poseen un formato:
Install Equation Editor and doubleclick here to view equation.
5
donde B puede existir o no.
Equivalen, en cuanto a poder descriptivo, a las redes finitas de transición de estados que se
estudian en teoría de autómatas. Dado un lenguaje regular (aquel que es posible caracterizar
usando una gramática de tipo 3), siempre será posible hallar su autómata equivalente (cada símbolo
No Terminal es un estado, cada regla A→aB una rama que conecta los estados A y B por medio
del símbolo Terminal a y cada regla A→a nos dice que A se une al estado final a través del símbolo
'a').
Dada la sencillez estructural de estos lenguajes, la notación chomskiana resulta pesada. Las
notaciones más compactas para la expresión de lenguajes regulares son las BNF (Backus Normal
Form, Backus Naur Form, en homenaje a Backus, su creador, y Naur, su continuador), que
reducen a uno el número de reglas necesarias. Para ello utilizan los siguientes metasímbolos:
-la barra disyuntiva '|': unifica en una dos reglas con el mismo símbolo No Terminal a la
izquierda del igual. A→aA y A→bB se convierten en A→aA|bB.
-el paréntesis de opcionalidad '(...)': dos reglas iguales salvo una expresión inserta equivalen
a la mayor de ellas con la expresión inserta, entre paréntesis. A→aB y A→a se reduce a A→a(B).
-el signo más de recursividad '+': adjuntado a una expresión equivale a las regla A→...A y
A→... Por ejemplo: A→aA y A→a se transforman en A→a+
-el asterisco que equivale a una expresión con más y entre paréntesis. Así, A* es lo mismo
que (A+).
-el corchete para alterar la prioridad en la interpretación de los metasímbolos. Como '+' y '*'
tienen mayor prioridad que la barra, son expresiones diferentes: A|B+ y [A|B]+.
Traduciendo esta notación infija a prefija se gana en facilidad de procesamiento pero no en
CAPITULO III LOS LENGUAJES FORMALES
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
facilidad de escritura (hay que escribir más).
Cualquiera de estas notaciones no constituye un lenguaje regular de contexto libre
(siguiente nivel en la jerarquía de Chomsky).
NotaciónBNF→
Expresión →
Expresión →
Término1
→
Término1
→
Término1
→
Término1
→
Término
→
Término
→
Corchete
→
Paréntesis →
Expresión
Término | Expresión
Término
Paréntesis
Término *
Término +
Término
Símbolo
Corchete
[ Expresión ]
( Expresión )
1 Gramática de la notación BNF.
Un ejemplo de gramática regular para el Sintagma Nominal del castellano se muestra en el
recuadro 3 donde se ha permitido la utilización de símbolos auxiliares no recursivos (con lo cual
nunca podremos exceder los límites de los lenguajes regulares).
III.2.1.1 Limitaciones de los lenguajes regulares
Un autómata categorial cuidadosamente diseñado y compilado (no el de la figura 3, por
supuesto) puede reconocer un amplio subconjunto de un lenguaje natural como el castellano . En
Subirats[91] se encuentra un texto periodístico completo aceptado por un autómata similar al
nuestro, con frases tan espectaculares como simples:
NotaciónBNF
Expresión
Expresión
Término
Término
Término
Término
Término
Término
Término
→
→
→
→
→
→
→
→
→
→
SEC( Expresión )
Término Expresión
DISY( Término Expresión )
OPC( Expresión )
OPC Símbolo
REC-0( Expresión )
REC-0 Símbolo
REC-1( Expresión )
REC-1 Símbolo
Símbolo
2 Gramática de la notación BNF prefija.
CAPITULO III LOS LENGUAJES FORMALES
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
"La importante reducción en la remuneración de los bonos del Tesoro hasta el 14,505 por
ciento en tasa interna bruta de rentabilidad supone el inicio de un descenso progresivo de los tipos
de los títulos público y adelantará al otoño la reducción de los
Sintagma_Nominal = (Determinante) (Numeral) (Sintagma_Adjetival)
Núcleo_Nominal (Sintagma_Adjetival) Sintagma_Preposicional*
Determinante = PreArtículo[Artículo | Posesivo | Demostrativo]
Numeral = Cardinal | Ordinal
Núcleo_Nominal = Sustantivo |Infinitivo
Sintagma_Adjetival = Adverbio* [Adjetivo | Participio]+
([ , Adverbio* [Adjetivo | Participio] ]* [y | o] Adverbio* [ Adjetivo | Participio])
Sintagma_Preposicional = Preposición (Determinante) (Numeral)
(Sintagma_Adjetival) Núcleo_Nominal (Sintagma_Adjetival)
3 Pequeña gramática del sintagma nominal en castellano.
tipos de interés".
Esta adecuación observacional no oculta la incapacidad de los lenguajes regulares para, con
sencillez y elegancia, decirnos cuál es la estructura de este sintagma nominal (a qué núcleo nominal
a adjetival están complementando cada uno de los sintagmas preposicionales, cómo se encadenan
éstos entre sí...) ni explicar las ambigüedades estructurales de oraciones como las vistas en el
17
capítulo dedicado a la lengua natural .
En Edinburgh[89], cap. 2, se incluye un ejemplo de Gazdar y Pullam contra el carácter
regular del inglés:
Install Equation Editor and doubleclick here to view equation.
que traducido al castellano queda, aproximadamente:
Install Equation Editor and doubleclick here to view equation.
Aunque el ejemplo es extremo e inaceptable (una gramática que falle en esa frase no puede
ser rechazada en la práctica), pretende mostrar que la inserción generalizada y recursiva de
proposiciones en posición relativa y no absoluta, con sus parejas de sujetos y predicados, constituye
17
Esta
capacidad
de
reconocer
cadenas
pero
no
dar
correctamente su estructura supone un caso de capacidad
generativa débil y no fuerte (Edimburgh[89], cap.1).
CAPITULO III LOS LENGUAJES FORMALES
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
un fenómeno lingüístico no elegantemente regular. Cuando todos escuchamos la oración:
"el coche que el chófer que Pedro contrató condujo ayer parece rápido"
mentalmente asignamos sujeto a los distintos verbos percibiendo la estructura de niveles que
supone la inserción de una proposición dentro de otra; cada verbo no tiene al sustantivo anterior
18
más cercano como sujeto, sino al anterior más cercano que no tenga un verbo más cercano aún .
Trucos como la adición de una pila para la subordinación inserta, o la utilización de
gramáticas ambiguas y desdoblamiento del análisis al pasar por un estado de ambigüedad, o el
etiquetado de los sintagmas al llegar a determinados estados, complican en exceso el sencillo
funcionamiento de los autómatas, y son formas poco recomendables de convertir el lenguaje
aceptado en algo más que regular.
III.2.2 Tipo 2
Describen los llamados lenguajes de contexto libre (en ellos se pueden insertar
proposiciones dentro de proposiciones independientemente del contexto de la oración).
El formato según Chomsky será:
Install Equation Editor and doubleclick here to view equation.
donde α es una cadena, vacía o no, de símbolos terminales o no terminales.
Equivale, en cuanto a potencia descriptiva, al autómata con pila y nos permite describir
adecuadamente las relaciones intra- e inter-sintagmáticas de la lengua natural:
-concordancia sujeto-verbo
-concordancia sujeto-atributo
-inserción de proposiciones en posiciones centrales
⋅
⋅
La representación gráfica de un análisis de contexto libre es un clásico árbol sintáctico con
los símbolos No Terminales en los nodos intermedios y símbolos Terminales en los finales.
18
La incapacidad para aceptar un elevado grado de recursividad
de inserción parece más ligada con nuestras capacidades para el
lenguaje hablado (inferiores a las que tenemos al leer o
escribir) que al posible carácter regular del lengua natural.
CAPITULO III LOS LENGUAJES FORMALES
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
ORACION
≥
Proposición
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
SN
SVAtrib
∨⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗↵
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗↵
DET Nucl
SP
VerbCop
Atrib
≥ ≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗↵
≥
≥
Det N Prep
SN
SAdj
≥
≥
≥
≥
∨⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
SPde
≥ ≥
≥ DET Nucl SAdjPost
≥ SAdjConAdv NexoMonoCop Adj
≥ ≥
≥ ≥ ≥
≥
∨⊗⊗⊗⊗⊗ℑ⊗⊗↵ ≥ ∨⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵
≥
≥
Adj PrepDe SN ≥ SAdv
Adj
≥ ≥
≥ Det N
≥
≥
≥ ≥
≥ ≥ ≥
≥
≥
≥ ≥ ≥
≥
≥
≥
≥ ≥
≥ ≥ ≥
≥
≥ NombreProp≥ Adv2
≥
≥
≥
≥ ≥
≥ ≥ ≥
≥
≥
≥ ≥ ≥
≥
≥
≥
las opiniones sobre la realidad efectiva de España son sobremanera deficientes y desoladoras
≥
ORACION
≥
Proposición
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
SN
SVAtrib
∨⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗↵
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗↵
DET Nucl
SP
VerbCop
Atrib
≥ ≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗↵
≥
≥
Det N Prep
SN
SAdj
≥
≥ ≥
≥ ∨⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥ ∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗↵
SPde
SAdjCoord
≥ ≥
≥ DET Nucl SAdjPost
≥ SAdv
≥ ≥
≥ ≥ ≥
≥
∨⊗⊗⊗⊗⊗ℑ⊗⊗↵ ≥ ≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗ℑ⊗⊗⊗⊗⊗⊗⊗↵
Adj PrepDe SN ≥ Adv
Adj NexoMonoCop Adj
≥ ≥
≥ Det N
≥ ≥
≥ ≥ ≥
≥
≥
≥ ≥ ≥
≥
≥
≥
≥ ≥
≥ ≥ ≥
≥
≥ NombreProp≥ ≥
≥
≥
≥
≥ ≥
≥ ≥ ≥
≥
≥
≥ ≥ ≥
≥
≥
≥
las opiniones sobre la realidad efectiva de España son sobremanera deficientes y desoladoras
Figure 5 Ejemplos
castellano.
de
árboles
sintácticos
de
una
frase
en
III.2.2.1 Limitaciones de los lenguajes de contexto libre
Mucho se ha argumentado a favor y en contra de si los lenguajes naturales podían ser
descritos sintacticamente mediante gramáticas de contexto libre, basándose desde ejemplos
sencillos aunque muy discutibles, hasta referencias a estructuras presentes en holandés, bambara...
(Perrault[84], Edinburgh[89]).
Hay quien objeta que la multiplicación de categorías sintácticas necesaria para contemplar
las concordancias es claramente antinatural, que sería mejor que los símbolos llevaran asociados
rasgos como el género, el número, la persona... Parece poco natural la creación de categorías
sintácticas como Sintagma Nominal masculino plural propio geográfico, Sintagma Adjetival largo
CAPITULO III LOS LENGUAJES FORMALES
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
con sintagma adverbial antepuesto... o incluso de categorías léxicas como sustantivo masculino
plural propio geográfico, adjetivo femenino singular especificativo... Sin embargo, nuestro intento
como ingenieros es modelar la lengua externamente de un modo sencillo; la multiplicación de reglas
y símbolos que supondría una gramática poco elegante como la del recuadro 4
Los ejemplos del alemán de Suiza, donde existen construcciones del tipo:
Install Equation Editor and doubleclick here to view equation.
o de la lengua Bambara de Senegal, que contiene sintagmas de estructura:
Install Equation Editor and doubleclick here to view equation.
Proposición = SNSujetomasculinosingular SintagmaVerbalsingular
SNSujetomasculinosingular=
(Determinantemasculinosingular)
(SintagmaAdjetivalPreviomasculinosingular) Nombremasculinosingular
(SintagmaAdjetivalPreviomasculinosingular)
(SintagmaPreposicional) (OraciónDeRelativo)
SintagmaAdjetivalPreviomasculinosingular=
(SintagmaAdverbialPrevioDeGrado)*
AdjetivoPreviomasculinosingular
4 Ejemplos de reglas de una gramática con concordancias.
son dependientes de contexto, pero no afectan al castellano, que es nuestro objetivo.
Se ha argumentado que en oraciones como:
"Pedro y María compraron un piso y un coche respectivamente"
hay un fenómeno que no es elegante describir mediante GCL (requerirían categorías como
SintagmaNominalcon2elementos...). Sin embargo, la gramaticalidad parece más ligada a la
semántica de "respectivamente", más fácil de verificar por el componente semántico:
"sus dos hermanos heredaron la casa y el coche respectivamente"
En castellano, el ordenamiento libre de los sintagmas dará lugar a constituyentes
discontinuos, cuyos árboles sintácticos deberían tener ramas cruzadas. Dichos árboles no son
posibles si usamos gramáticas de contexto libre, pero cabe la posibilidad de realizar un análisis
sintagmático (más que sintáctico) laso, que luego la semántica reordenará, ligará... Los hipérbaton
CAPITULO III LOS LENGUAJES FORMALES
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
suelen requerir del oyente una cierta transformación, un posproceso que no todos los hablantes son
capaces de realizar con corrección (depende mucho de su cultura especialmente de la literaria si nos
19
enfrentamos a enunciados de corte poético) .
III.2.3 Tipo 1
Contienen reglas que se ajustan a:
Install Equation Editor and doubleclick here to view equation.
Permiten que la gramática sea sensible al contexto, y un sintagma pueda ser
sistemáticamente igual a otro como en el ejemplo ya visto de la lengua Bambara. Obsérvese en la
figura 5 lo complejo de las reglas necesarias
La complejidad de su parsing es exponencial con la longitud de la cadena de entrada (lo
cual es inaceptable con fines de reconocimiento).
Prácticamente no existen referencias bibliográficas sobre este tipo de gramáticas, las de
menor éxito de toda la jerarquía.
S
S
b
b
c
C
C
E
E
III.2.4 Tipo 0
Su potencia es la de una
la forma:
→ a S B C
→ a b C
B → b b
C → b c
C → c c
B → C D
D → E D
D → E C
C → B C
Gramática
5
sensible
al
contexto.
máquina de Turing y sus reglas de
Install Equation Editor and doubleclick here to view equation.
No existe algoritmo que en tiempo finito nos diga si una cadena obedece o no las
reglas de una gramática de reescritura tan generalizada.
19
En inglés son comunes las oraciones de relativo con la
preposición al final en lugar de al principio, más difíciles de
tratar correctamente.
CAPITULO III LOS LENGUAJES FORMALES
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
Cuando Chomsky formuló sus objeciones a las gramáticas de estructura de sintagma (tipo
2), propuso la utilización de reglas de tipo 0 para el reordenamiento, elisión... de elementos. La no
existencia de algoritmo de parsing mostraba que su potencia superaba en mucho a las lenguas
naturales y el formato de las reglas de reescritura se limitó mucho (los clásicos movimientos de
sintagmas por tematización, interrogación...
CAPITULO 4 : EL MODELO LINGÜÍSTICO
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
CAPITULO IV
EL MODELO LINGÜÍSTICO
IV.1 Presentación
Es tradicional dividir la gramática, o modelo de la lengua, en partes de todos conocidas:
-la fonética: estudio de la estructura material del sonido, de sus propiedades y cualidades
físicas que nos permiten diferenciarlos, pronunciarlos... Tono, intensidad, timbre, cantidad y lugar
de articulación son objeto de estudio para la fonética acústica; lugar y modo de articulación lo son
para la fonética articulatoria
-la fonología: qué función desempeñan los elementos fónicos y cuál es su capacidad para
20
formar mensajes y signos diferentes : cómo se forman las sílabas, cómo remarcamos la intensidad
en algunas de ellas (acento real, no ortográfico), en qué consiste la entonación y para qué la
usamos...
-la léxico-morfología: estudia las palabras y su forma, abstraídas de cualquier contexto
textual
-la sintaxis: describe cómo se combinan entre sí las palabras para formar oraciones
-la semántica: trata de los significados gramaticales, de la interpretación que damos a los
21
enunciados
-la gramática del discurso: influjos lingüísticos más allá del restrictivo mundo de las
oraciones tradicionalmente considerado por la sintaxis
-la pragmática: cómo influye el contexto extralingüístico (sociedad, cultura...) en la
interpretación de los enunciados
Aunque es evidente que "el establecimiento de niveles es una mera ficción
20
Estas dos ramas suelen ser el punto de
cualquier descripción genérica del castellano.
Alcina y Blecua[75].
21
comienzo de
(Esbozo[73],
En el apartado dedicado al concepto de oración diferenciaremos con la máxima claridad posible la oración del enunciado.
CAPITULO 4 : EL MODELO LINGÜÍSTICO
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
metodológica"(Blecua citado en Hernanz[87], pág. 18) y "que no se corresponde con distinciones
naturales" (Saussure, citado en Alcina[75], pág. 132), su simplicidad la hace especialmente
apropiada como punto de partida (tras tantos siglos de preocupación por la lengua parecemos
hallarnos todavía saliendo de nuestras marcas hacia una meta de incierta llegada) para ir aislando
problemas cuya complejidad es suficiente como para no pensar en tratarlos conjuntamente. Los
enfoques modulares y los esquemas simplificados han desempeñado un importante papel en la
historia de la ciencia y de la ingeniería, a los que ahora se une la simulación automática.
La descomposición empleada en esta obra se basará en la más clásica dentro del marco
22
generativista , centrándonos en el subsistema sintáctico por interés del obletivo del proyecto.
Tomamos de Hernanz[87] la 6, que representará el modelo conceptual de lengua que
usaremos. Detallemos a continuación el contenido de cada módulo.
componente léxico
componente sintáctico
componente fonético
componente semántico
Figure 6 Modelo global de la gramática
IV.2 Componente léxico
Aunque en los textos de lingüística se suele denominar a este módulo lexicón o diccionario,
las capacidades léxicas del ser humano sobrepasan ampliamente la función de mero almacén de
datos. Como se ha señalado al caracterizar la lengua natural, el léxico presenta notables
regularidades que no se tienen en cuenta con una simple lista de palabras ( por eso el concepto
22
En Radford[81], al final de cada capítulo, se encuentra
la ampliación detallada, para el paradigma transformacional.
CAPITULO 4 : EL MODELO LINGÜÍSTICO
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
actual de diccionario automático no se limita a ser una lista, sino más bien una base de datos
relacional o un autómata basados en morfología...).
23
Las palabras no son entes simples: se componen de morfemas tanto lexemáticos como
24
categorizadores . Si nos basamos en los primeros agrupamos las palabras por familias léxicas (lo
cual es muy importante desde el punto de vista de los significados); si optamos por los segundos,
en categorías léxicas. Por ejemplo:
cas-a, cas-erío, cas-ero... pertenecen a una misma familia léxica a la que podemos denotar
con el más sencillo de sus componentes: casa.
Es obvio el estrecho vínculo existente entre éstas palabras que, sin embargo, no impide que
su comportamiento al relacionarse con otras no sea bien distinto: mientras casa o caserío son,
según la Gramática Tradicional nombres sustantivos, casero es un adjetivo.
25
Este carácter estructurado que poseen las palabras nos permite que ante una palabra
nueva como observacionalmente, y mediante la extracción de su lexema observ- (del verbo
observar) y sus morfemas -acion- (sustantivador) , -al- (adjetivador) y mente (que convierte a la
palabra en adverbio generalmente de modo), deduzcamos que significa "desde el punto de vista
basado en la observación". También nos permite elidir morfemas flexibles cuando, por redundancia,
su información es recuperable. En:
"El príncipe lloró amarga y desconsoladamente"
la coordinación copulativa de dos adverbios de similar morfología categorizadora nos permite
omitir, por razones estéticas normalizadas, el morfema -mente que acompañaría a amarga.
Sin embargo, y a pesar de la potencia del lenguaje humano a la hora de componer o
modificar morfemas para formar palabras, un elemento irregularizador, la norma y la costumbre,
hace que el adverbio más común derivado de observar sea observ-ador-a-mente. Quizás sólo los
que conozcan la existencia de la adecuación observ-acion-al encontrarán fácilmente el sentido de
observacionalmente. Los demás la considerarán una palabra extraña, propia de un alterador de la
23
Los lexemas o raíces son las partes invariantes de una
familia,aquellas que llevan consigo el núcleo del significado.Pueden ser simples (am- de la familia del verbo amar) o compuestos (pasamanos),y una misma familia,por razones de evolución
histórica de la lengua, puede ser caracterizada por más de un
esquema (el verbo s-er pertenece a una familia que además de sposee los lexemas fu- y sie-).Para una mejor introducción,
consultar el capítulo 2.1 del Esbozo[73].
24
Los morfemas flexivos son los responsables de comunicarnos
los rasgos propios de la palabra:su categoría (puede ser
ambigua) ,género,número,persona,tiempo...
25
La escuela del estructuralismo surgió dentro de la
lingüística al tomar al morfema como unidad principal por
oposición a la palabra.
CAPITULO 4 : EL MODELO LINGÜÍSTICO
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
norma.
Dado que la elaboración de un módulo léxico está siendo abordada ya por otro equipo del
Departamento (aunque no se halla todavía disponible), no hemos gastado tiempo en la misma labor,
y en nuestro sistema lo redujimos a una simple lista de palabras (fácilmente almacenable en disco o
26
en memoria de un modo eficiente), concentrándonos en el módulo central: el sintáctico .
IV.3. Componente sintáctico
La Sintaxis, del griego "συνταξις", que significa ordenamiento, estudia cómo se combinan
y distribuyen las piezas léxicas para formar enunciados pertenecientes a la lengua.
Está claro que secuencias de piezas léxicas que el sistema de la lengua cataloga como mal
formadas. "el madre comió niño helado de su el " posee las mismas palabras que "el niño comió el
helado de su madre", y mientras la segunda nos resulta perfectamente comprensible a todos los
27
castellano-parlantes, la primera carece de una mínima organización lógica .
Ligeras variaciones del orden de una oración correcta como la anterior nos hacen ver que
las palabras forman grupos relativamente ligados y que, caso de poder moverse, lo harán juntas.
Así, su acompañará a madre en todos sus movimientos y "de su madre el niño comió el helado" es
aceptable (aunque retórica) pero no "el niño comió el helado de madre su". Es fácil extraer como
constituyentes de la oración: el niño, comió, el helado y de su madre.
Sin embargo, estos constituyentes tampoco son totalmente independientes: "el helado
comió el niño de su madre" no significa lo mismo que la original y "de su madre comió el niño el
28
helado" es agramatical aunque comprensible con un poco de buena intención. La sintaxis debe
desvelar cómo se forman los constituyentes y cuáles son las relaciones existentes entre ellos. El
modo usual de representarlo son los diagramas arbóreos.
Más justificaciones al empleo de análisis jerárquico podrían ser:
-el fenómeno de las concordancias también está regido por criterios de estructura: el y niño
poseen el mismo género y número y la variación de sólo uno de ellos da lugar a agramaticalidad; el
niño concuerda en la persona con el verbo "comió"...
26
En los capítulos de conclusiones y futuras líneas de
investigación se volverá sobre las limitaciones de esta opción.
27
Si no fuera así, la sintaxis tendría una única regla de
formación de predicados:oración será cualquier secuencia de
piezas léxicas en orden y número indeterminados.
28
El ejemplo escogido muestra la libertad de orden de
constituyentes que caracteriza al castellano,sólo limitada por
marcos de subcategorización como los que ligan al verbo con su
complemento directo,la rección prepositiva...
CAPITULO 4 : EL MODELO LINGÜÍSTICO
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
-la conversión de una oración enunciativa a interrogativa con sustitución de un
constituyente por un pronombre interrogativo no es razonable si no observamos el árbol sintáctico.
"¿Quién comió el helado de su madre?", es correcta; "¿Quién el niño comió el helado?", no (de su
madre está ligado a el helado y para ser pronominalizado es necesario transformar la frase: "¿De
quién era el helado que comió el niño?").
-la entonación y el pausado dependen, como ya hemos visto, de la estructura de
constituyentes (aunque también de la cultura, intenciones, estado anímico... del hablante).
Segmentar correctamente una oración en sintagmas permitiría pausar frases como:
"cuando llegamos a casa | te vi salir"
"posaba el terciopelo de sus patas | en dos simétricos remiendos de tela nueva"
donde los fenómenos de la subordinación oracional y la subcategorización verbal, son
imprescindibles para comprenderlo.
-La distinción entre la aposición entre comas y la enumeración separada por comas,
necesita de información sobre relaciones, a menudo lejanas, en el interior de la oración:
"sus cuadros, todo lo suyo me suele gustar, no parecen comprados por ellos"
frente a:
"sus cuadros, todo lo suyo y de su marido me suele gustar"
-La coordinación puede darse en el nivel sintagmático:
"compró un piso y una casa"
o en el oracional:
"compró un piso y vendió su casa"
siendo diferente la entonación en ambos casos.
-Los paralelismos coordinados :
"lleno de luz y esperanza, de humildad y devoción"
no admiten un tratamiento sintáctico local, pues pueden implicar influencias remotas.
-El vocativo:
"señorita, no se puede"
"no llores, Babs, todo eso no es verdad"
no puede ser entonado como una enumeración o una aposición típicas.
-La interrogativas totales y parciales poseen sus implicaciones sintácticas:
"¿quien vive con vosotros?"
CAPITULO 4 : EL MODELO LINGÜÍSTICO
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
frente a:
"¿quien vive con vosotros os dijo eso?"
donde un sencillo error de escritura (supresión de una tilde) provoca la indiferenciación si no se
analiza globalmente la frase.
Por supuesto, existen algunos fenómenos jerárquicos que requerirían árboles con una
estructura más libre o más general: ramas cruzadas, correferencias entre elementos... Las
29
dificultades para su análisis automatizado nos harán excluirlos .
IV.4 Componente fonológico
La conversión de los sonidos en fonemas es seguramente el módulo más desarrollado de
nuestro modelo. No obstante, las muchas técnicas empleadas adolecen de falta de "humanidad". En
nuestra capacidad de entender sonidos no empleamos sólo un modelo acústico-fonético de la
30
lengua , sino también uno sintáctico-semántico: al ir escuchando y reconociendo fonemas,
morfemas... predecimos automáticamente qué nos podemos encontrar a continuación. Al
encontrarnos con algo incoherente, volvemos sobre lo escuchado e intentamos corregir nuestra
transcripción fonética (formulando palabras hipótesis en cierto modo) que nos hagan coherente el
enunciado o la pregunta.
IV.5 Componente semántico
Busca describir el contenido literal (gramatical, independiente del contexto extralingüístico)
de la oración.
Relacionados con la semántica están dos de los puntos más conflictivos de nuestro
planteamiento: la autonomía de la sintaxis respecto a la semántica y la de ésta respecto a la
pragmática.
Aislar la sintaxis de la semántica podría parecer simple (según Chomsky, su más ardoroso
defensor, es una hipótesis de trabajo básica para adentrarnos en la organización de la lengua). La
29
30
Más información en el capítulo de líneas futuras.
Aunque en el aprendizaje de una segunda lengua influye
mucho el grado de maduración del cerebro (los niños,con el
cerebro más virgen,encuentran mucho más fácil esta tarea),así
como las interferencias de la lengua materna,todos hemos
experimentado al aprender otro idioma lo que facilita la
comprensión el hallarse situado en un contexto,predecir la línea
sintáctica y semántica que va a seguir el discurso...La
predisposición a escuchar algo agudiza nuestra capacidad de
acierto si nuestras previsiones se cumplen.
CAPITULO 4 : EL MODELO LINGÜÍSTICO
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
Sintaxis buscaría la estructura formal de la oración debida a la categorización o tipado de sus
elementos; la semántico interpretaría esa estructura a la luz de los significados de los mismos. La
sintaxis sería capaz de hallar una estructura a la oración "sabía que Mª estaba enferma, pero no era
verdad" ( la misma que la de "creía que Mª estaba enferma, pero no era verdad"); sin embargo, se
trata de una oración absurda, como muy lógicamente detectaría una buena semántica.
Los límites se pueden hacer difusos al analizar la serie siguiente:
1) Mi tío opina que soy un gran cocinero
2) Mi gato opina que soy un gran cocinero
3) Mi nacimiento opina que soy un gran cocinero
4) Mi desde opina que soy un gran cocinero
La oración nº1 no presenta problemas, y todos coincideremos en que es sintáctica y
semánticamemte bien formada (aunque podría ser falsa en la realidad).
Una sintaxis integrada con semántica consideraría anómalo el segundo enunciado, ya que el
verbo opina exigiría a su sujeto la presencia del rasgo [+HUMANO] del cual carece mi gato. Sin
embargo, la oración cobraría pleno sentido en un contexto de cuento fantástico. ¿Puede ser
semánticamente correcta sin serlo previamente en el plano sintáctico? Juzgamos que no: la oración
tiene sentido sintáctico, si al verbo en torno al cual gira somos capaz de asignarle un sujeto ("mi
gato") y un complemento directo ("que soy un gran cocinero"), con lo que ve saciadas sus
necesidades sintácticas.
Para la tercera no soy capaz de hallar contexto en el que resulte aceptable. Aunque pasaría
el filtro sintáctico, sería semánticamente mal formada si no tenemos en cuenta el contexto.
Por fin, la última oración no pasaría la verificación sintáctica usando cualquier gramática
común del castellano.
La confusión entre semántica y pragmática se pone ya de relieve en la segunda oración de
la serie anterior: ¿Es un hecho lingüístico la deducción de que nos encontramos en un ambiente de
cuento, con las implicaciones que ello conlleva? ¿No es algo netamente influido por la cultura...?
No serían pocos los que catalogarían, despectivamente, el texto de un cuento así como
perteneciente a la literatura infantil (luego absurda y poco útil en el estudio de la comunicación
humana).
Igual que al hablar de fonología hemos destacado cómo la sintaxis condiciona, hasta cierto
punto, lo que esperamos oír, un módulo superior semántico-pragmático podría deducir información
de un enunciado sintácticamente erróneo: inducir palabras no escuchadas, desconocidas,
estructuras sintácticas de moda... El modelado de fenómenos tan relacionados con la inteligencia
humana deberían por ahora obligar a una hipotética máquina dialogante a interrogarnos acerca de
lo que acabamos de decir (algo, por cierto, habitual al hablar dos o más personas).
Reseñar, como colofón, que entre los distintos enfoques dados a la semántica se hallan: el
que pretende emplear de la lógica de predicados, el funcional (el verbo sería el predicado que
selecciona a los demás elementos: sus argumentos), el generativista...
CAPITULO 4 : EL MODELO LINGÜÍSTICO
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
IV.6 Esquema orientado al reconocimiento
El esquema lingüístico anteriormente presentado es generativo, y no se adapta al problema
del reconocimiento, que es el objetivo último de nuestro trabajo.
Ya sabemos que al reconocer poseemos una secuencia sonora de la cual deseamos saber, si
es que existe, su transcripción grafémica. Para esta labor disponemos de la información fonológica
que nos permitirá pasar los fonemas a grafemas (se producirán inserciones, sustituciones y
borrados). Estos grafemas será preciso unirlos para formar palabras: deberemos consultar el
diccionario léxico (en este nivel comenzarán a aparecer ambigüedades). Un módulo sintáctico
deberá discriminar qué secuencias de palabras son gramaticales y cuales no. Finalmente la
semántica interpretará lo dicho. Nuestro esquema secuencial simplificado será el de la 13.
componente semántico
componente sintáctico
componente léxico
componente fonético
Figure 7 Esquema simple de reconocimiento.
Entre todos los niveles debería ser posible realimentar información al anterior y que éste la
propague hasta el más bajo, pero la opción elegida suele ser que el módulo inferior sea lo
CAPITULO 4 : EL MODELO LINGÜÍSTICO
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
suficientemente laxo como para aceptar todas las posibilidades (asignándoles una cierta
probabilidad de ocurrencia por él estimada) y permitir que sea su superior quien, manejando un
31
modelo más completo de la lengua, decida . Como ya mencionamos al hablar del componente
fonológico, llegados arriba y sin posibilidad de interpretar lo enunciado, sólo nos queda rogar una
repetición de lo dicho, una aclaración a un término...
31
En los sistemas de dictado automáticos como el
desarrollado para el Inserso (Macías[92]) el módulo sonidofonema trata de encontrar todos los posibles fonemas presentes
en la secuencia sonora y que un módulo posterior de acceso a un
diccionario discrimine las palabras posibles que ,finalmente,un
módulo sintáctico tratarían de combinar formando oraciones
(Smaïli [90]).
CAPITULO V : COMPILACIÓN DE DICCIONARIOS
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
CAPITULO V
COMPILACIÓN DE DICCIONARIOS
V.1 Presentación
Los diccionarios forman parte, de algún u otro modo, de la mayoría de los sistemas de
reconocimiento y síntesis de habla, de procesamiento de textos de lengua natural...
Un reconocedor basado en alófonos tendrá, por ejemplo, al menos dos diccionarios
implícitos o explícitos: el de los alófonos que debe detectar, pequeño y muy ligado al algoritmo de
reconocimiento, y el lexicón de palabras que permitirá extraer éstas de la secuencia, matriz o celosía
de unidades aceptadas.
Para vocabularios pequeños y determinados, si nuestro algoritmo de reconocimiento
permite el guiado sintáctico, la información sobre qué cadenas de alófonos son posibles permitiría
limita considerablemente el espacio de búsqueda: reconocer una cierta unidad fónica reduce el
número de posibles sucesoras (Niemann[86], Antoniol[89], Fissore[89]). La perplejidad media
(cuantas unidades pueden suceder a una dada) tenderá a 1 en vocabularios no muy amplios.
Nuestro entorno de análisis sintáctico de oraciones escritas también precisa de acceso al
léxico. Dado un texto debemos leerlo carácter a carácter, segmentarlo en unidades que
consideremos como las mínimas significativas (palabras, o quizá, morfemas), extraer del diccionario
la información que sobre ellas dispongamos y, finalmente, realizar el análisis propiamente dicho.
V.2 Acceso secuencial
La forma más sencilla de guardar y acceder a un diccionario es la secuencial ordenada.
Guardamos en memoria o en disco cada una de las palabras en un orden determinado y, si
necesitamos la información característica de una de ellas,la buscamos ordenadamente.
Aunque la utilización de índices (punteros a la zona de las palabras que empiezan por un
determinado carácter o por una secuencia de caracteres) puede acelerar el proceso de búsqueda (
especialmente si el almacenamiento se realiza en disco magnético), se desperdicia mucho espacio
debido a las redundancias del vocabulario: numerosas palabras comienzan o terminan con la misma
cadena de signos...
V.3 Compilación en forma de autómata
CAPITULO V : COMPILACIÓN DE DICCIONARIOS
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
Todo vocabulario de cardinal finito, como ya hemos señalado al hablar de los lenguajes
formales, puede ser descrito unívocamente en términos de una gramática tipo 3 ó regular.
Los símbolos terminales de la gramática serían las unidades básicas de las palabras del
vocabulario : alófonos, fonemas, grafemas, morfemas... El axioma será en nuestro caso la palabra, y
los símbolos no terminales carecerán, por lo general, de significación intencionada ( un conjunto de
caracteres podría corresponderse con un símbolo no terminal y con un morfema de nuestro
lenguaje, pero no por nuestra voluntad expresa).
Las reglas gramaticales tendrían la forma siguiente:
Install Equation Editor and doubleclick here to view equation.
⋅
⋅
Install Equation Editor and doubleclick here to view equation.
El autómata presenta dos ventajas:
-puede aprovechar las redundancias del vocabulario para reducir el espacio que nos
ocupa a la hora de almacenarlo, en memoria especialmente
-el tiempo que tarda en reconocer una cadena de entrada es independiente del
tamaño del diccionario y lineal respecto a la longitud de la secuencia
Un modo trivial de compilar el lexicón en forma de autómata finito sería convertir cada
unidad de una palabra en un estado diferente y encadenarlos de acuerdo con la regla que describe
32
dicha palabra . Los autómatas por palabras así conseguidos, serían individualmente deterministas,
aunque globalmente indeterministas. Si los sumamos todos ( hacemos comunes sus estados inicial y
final), será normal que al estado inicial le sucedan varios estados con igual símbolo en su rama
33
34
intermedia. El algoritmo de conversión de AFN a AFD queda reducido, por el carácter arbóreo
de nuestro autómata, a la fusión en las cabeceras de palabra de los estados equivalentes: aquellos
que tienen igual predecesor e igual símbolo.
32
La notación que emplearemos de ahora en adelante para
nombrar los estados del autómata se componen del signo asociado
al mismo (un fonema,una letra...) y un subíndice que se asignará
secuencialmente a todos los estados de igual símbolo.
33
Autómata Finito Indeterminado,en la bibliografía inglesa
34
Autómata Finito Determinado,en inglés DFA.
NFA.
CAPITULO V : COMPILACIÓN DE DICCIONARIOS
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
3
1
2
ini
fin
4
1
2
5
1
3
Ilustr. 8Ejemplo de unificación de cabeceras de palabra.
Obsérvese como usando un vocabulario común ordenado se obtiene una importante
reducción en el número de estados presentes en el autómata.
Similar operación podría ser realizada con los finales de palabra (las "colas"), pero
perderíamos la morfología en árbol, y algunos algoritmos de reconocimiento de voz admiten sólo
este tipo de estructuras para su guiado: la eliminación o no aceptación de un estado supone la
35
inmediata exclusión de sus sucesores en el árbol .
Como en castellano los lexemas o prefijos+lexemas suelen tener mayor longitud que los
sufijos terminales, la fusión de "colas" será menos eficiente que la de cabeceras.
Si permitiésemos que una unidad fuese unificada como cola y como cabecera de una
palabra, el autómata podría aceptar palabras no pertenecientes a nuestro
vocabulario. El pequeño vocabulario siguiente:
35
Esta poda o "prunning"se denomina también "beam search":
la búsqueda se reduce a uno o varios haces de estados.
CAPITULO V : COMPILACIÓN DE DICCIONARIOS
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
cuyo autómata contiene, además de las anteriores palabras, otras dos: "5 1 2" y "4 1 3".
Otro error que podría surgir sería la aparición de ciclos. El vocabulario:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
se podría convertir, tras la unificación de cabeceras, en:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
y en:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
tras la unificación de colas.
El autómata resultante (9) sería:
Install Equation Editor and doubleclick here to view equation.
en vez del correcto:
Install Equation Editor and doubleclick here to view equation.
La fusión ordenada presenta 2 opciones combinables:
-operar palabra a palabra, o globalmente con todo el vocabulario
-unificar primero las colas y luego las cabeceras, o primero las cabeceras
ini
115
17
115
fin
Partiendo del mini-diccionario:
Ilustr. 9 Autómata tras errónea unificación de colas y cabeceras.
CAPITULO V : COMPILACIÓN DE DICCIONARIOS
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
si operamos globalmente y unificamos primero las cabeceras, obtendremos:
Install
InstallEquation
EquationEditor
Editorand
anddoubledoubleclick
clickhere
heretotoview
viewequation.
equation.
Install
InstallEquation
EquationEditor
Editorand
anddoubledoubleclick
clickhere
heretotoview
viewequation.
equation.
Install Equation Editor and doubleclick here to view equation.
y, al unificar las colas, queda:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
En cambio, al realizar las operaciones también globalmente pero en orden inverso, primero
colas y luego cabeceras, el resultado es más eficiente:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
La mayor o menor redundancia entre colas o cabeceras hace que se reduzca más o menos
el número de estados. Sin embargo, la unificación de las colas primero puede dar lugar a autómatas
no deterministas como:
Install Equation Editor and doubleclick here to view equation.
donde al hallarnos en 5 sub 0 y recibir un 1 no sabríamos si ir a 1 sub 0 o a 1 sub 1.
CAPITULO V : COMPILACIÓN DE DICCIONARIOS
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
Si operamos palabra a palabra, primero las cabeceras y luego las colas, los cuatro pasos
serán:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Al variar el orden de las palabras, obtendremos:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Trabajando palabra a palabra también influye qué unificamos primero, si colas o cabeceras.
Si empezamos por las cabeceras:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
y si por los finales:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Pero aunque el método de unificación de colas y cabeceras no nos da un número de estados
mínimo, si nos garantiza que conforme vamos reconociendo la cadena de entrada podamos saber
qué palabra es la reconocida, sin necesidad de posproceso (buscar en otro diccionario). Cada
palabra está caracterizada por la presencia de una secuencia de dos estados: el último estado de su
máxima cabecera de unificación (el estado inicial es por defecto) y el siguiente (puede ser el estado
final si ha habido fusión de cabeceras en esa palabra). En nuestro primer ejemplo con los números,
la secuencias características son
CAPITULO V : COMPILACIÓN DE DICCIONARIOS
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
V.3.1 Independencia del orden de operaciones
Las diferencias debidas al orden en el que unifiquemos sólo se producen cuando las
palabras contienen unidades que se pueden fundir simultáneamente como cabeceras y como colas.
Comparando :
Install Equation Editor and doubleclick here to view equation.
y
Install Equation Editor and doubleclick here to view equation.
donde la primera ha unificado antes las cabeceras, vemos que el estado 5 sub 0 posee dos
predecesores y un solo sucesor, cuando podría tener uno de cada, reduciéndose el número total de
estados.
Una regla iterativa podría ser:
-si el cardinal del conjunto de los estados que están asociados al símbolo 'I' es mayor que el
número de estados que los preceden o mayor que el número de estados que los suceden,
podríamos igualar dicho cardinal al menor de los cardinales de los sucesores y los predecesores
(10).
El problema de permitir reducir el número de estados en función de sus sucesores es que
existe la posibilidad de indeterminación. El ya visto:
Install Equation Editor and doubleclick here to view equation.
pasaría a ser:
Install Equation Editor and doubleclick here to view equation.
donde se elimina un estado asociado al símbolo 1 (ya que sólo poseía dos sucesores), pero se crea
una indeterminación en el estado 5 sub 0.
CAPITULO V : COMPILACIÓN DE DICCIONARIOS
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
36
Otra regla iterativa muy lógica nos dice que si dos estados del mismo símbolo poseen el
mismo conjunto de predecesores o sucesores, deben ser equivalentes. Esta fusión de dos estados en
uno no provoca indeterminación: si previamente dos estados de un mismo símbolo no tienen un
estado común predecesor, al unirse debido a la igualdad de sucesores, tampoco sucederá (XXXX).
Volviendo al ejemplo anterior y aplicando la última regla:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Se han fundido en uno los estados 1 sub 0 y 1 sub 2,quedando intacto el 1 sub 2.
36
Dos estados de diferente símbolo asociado nunca podrán
ser equivalentes,ya que para llegar a ellos se llegará por medio
de símbolos de entrada diferentes.
CAPITULO V : COMPILACIÓN DE DICCIONARIOS
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Nombre de archivo no especificado.
Ilustr. 10 Primera regla iterativa.
¡Error!Marcador no definido.
CAPITULO V : COMPILACIÓN DE DICCIONARIOS
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
Un problema que surge de la aplicación de estas reglas es la pérdida de la información
sobre qué palabra hemos reconocido: no hay una secuencia de dos estados que caracterice a cada
palabra. Por ejemplo la primera contiene las subcadenas: EstadoInicial+ 1 sub 0, 1 sub 0+ 2 sub 0,
2 sub 0+EstadoFinal, que son compartidas con otras. Ampliar el número de estados necesarios para
caracterizar nos llevaría a la realización de un vocabulario paralelo (con la pérdida de la eficiencia
en la memoria ocupada) pues siempre es posible encontrar un ejemplo que necesite más estados
para caracterizar sus palabras:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
'Completamente' se caracteriza por una secuencia de cinco estados:
Install Equation Editor and doubleclick here to view equation.
La necesidad de consultar un diccionario en disco retrasará la finalización del
reconocimiento.
CAPITULO V : COMPILACIÓN DE DICCIONARIOS
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Nombre de archivo no especificado.
Ilustr. 11 El algoritmo de reducción de número de estados.
¡Error!Nombre de archivo no especificado.
Ilustr. 12 Segunda regla iterativa.
¡Error!Marcador no definido.
CAPITULO V : COMPILACIÓN DE DICCIONARIOS
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
V.3.2 La suma de gramáticas
Cuando se desarrolla un sistema de reconocimiento de vocabulario finito, se debe dar al
propietario la posibilidad de ampliar y redefinir el vocabulario dentro de las limitaciones de
memoria...
Una pequeña ampliación no debería suponer la adición de las nuevas palabras al diccionario
y volver a aplicarle a todo ello el algoritmo de reducción (la complejidad del algoritmo es
dependiente de la longitud del vocabulario): debemos guardar en un fichero los resultados del
algoritmo sobre el léxico original (la secuencia de estados, símbolo y subíndice, que componen cada
palabra), para así poder recuperarlos a la hora de ampliar, añadirle las nuevas palabras con nuevos
estados, y aplicar el algoritmo sobre una base ya bastante optimizada.
V.3.3 Eficiencia de compilación
La capacidad para compactar vocabularios depende totalmente de las redundancias
contenidas en ellos.
Para un vocabulario poco redundante como los dígitos del cero al nueve la disminución no
vale la pena. Estos casos (que llamaríamos lexemáticos) tienen gran variedad de lexemas y apenas
morfemas.
Una mejor medida nos la dará un diccionario castellano de cierto tamaño. Usando la
máxima reducción:
número de palabras
número total de
alófonos
número total de estados
tamaño de tabla del
autómata
perplejidad del autómata
reducción
440
3083
811
1258
1,5388
3,8015
628
4383
1138
1763
1,5094
3,8515
1004
6893
1577
2578
1,6347
4,3710
Usando al unificación de colas y cabeceras:
CAPITULO V : COMPILACIÓN DE DICCIONARIOS
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
número de palabras
número total de
alófonos
número total de
estados
tamaño de la tabla del
autómata
perpleji-dad del autómata
reducción
440
3083
812
1250
1,5394
3,7968
628
4383
1139
1765
1,5496
3,8481
1004
6893
1578
2580
1,6350
4,3682
Compilando en forma de árbol:
numero de palabras
número total de
alófonos
número total de estados
tamaño de la tabla
del autómata
perplejidad del autómata
reducción
440
3083
1418
1856
1,3089
2,1742
628
4383
2063
2689
1,3034
2,1246
1004
6893
3163
4165
1,3168
2,1793
Usando un vocabulario mayor y unificación sólo de cabeceras:
número de palabras
número total de
alófonos
número total de
estados
tamaño de la tabla del
autómata
perplejidad del autómata
reducción
499
4448
1834
2330
1,2704
2,4253
994
8913
3703
4696
1,2682
2,4070
1988
17239
7331
9226
1,2619
2,3515
Compilando colas y cabeceras:
numero de palabras
número total de
alófonos
número total de estados
tamaño de la tabla
del autómata
perplejidad del autómata
reducción
499
4448
938
1436
1,5309
5,0441
994
8913
1767
2760
1,5620
5,0441
1988
17239
3222
5209
1,6167
5,3504
La tabla de reconocimiento ha sido también linealizada, reduciéndose su dimensión (pasa de
ser igual al número de estados por el número de símbolos a ser el número de estados por la
perplejidad) a costa de incrementar algo el tiempo de reconocimiento (pasa de ser proporcional a la
longitud de la cadena de entrada a ser proporcional a la misma por la perplejidad).
De las gráficas deducimos que:
-la unificación de colas y cabeceras es casi tan efectiva reduciendo como la optimizada
-si el vocabulario es muy homogéneo (muchas palabras comenzando por el mismo
alófono), ampliarlo puede suponer una reducción de eficiencia en el caso de buscar un árbol
-si se unifican también cabeceras, al ampliar el vocabulario se amplian las posibles cabeceras
comunes y mejora la reducción.
CAPITULO V : COMPILACIÓN DE DICCIONARIOS
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
V.4 Utilización de léxicos en presencia de ruido
Si las palabras que debemos reconocer se hallan corrompidas por inserciones, sustituciones
y borrados, los autómatas anteriormente generados no son directamente utilizables.
En Ascension[93] y Macias[92], se pueden encontrar ejemplos de dos alternativas al
problema que usan los autómatas presentados en este capítulo.
V.5 Programas empleados
Para la obtención de los resultados anteriores, y principalmente para su uso en sistemas que
necesiten guiado o acceso léxico dentro del Departamento, hemos implementado los diversos
algoritmos en C:
-obtención del autómata en forma de árbol usando la memoria (lo que supone limitarse a
poco más de dos mil palabras ) o el disco (permitiendo así compilar decenas de miles de palabras, a
costa de una lentitud exponencialmente mayor)
-unificación de colas y cabeceras con similares limitaciones en cuanto al número de palabras
para memoria y disco
-autómata reducido (sólo en memoria, dado su escaso interés)
Como entrada esperan recibir un fichero .LIS que contenga en cada línea:
Install Equation Editor and doubleclick here to view equation.
Los ficheros disponibles tras la ejecución serán:
-.TAB: cada línea contiene los estados a los que se puede saltar desde el que tiene el mismo
número que la línea.
-.EST: cada línea es un estado, con su número de símbolo y subíndice diferenciador.
-.EX1: contiene pares [número de palabra, símbolo siguiente] que caracterizan, junto a la
información de estado, a cada una de las palabras.
-.EX2: si no tomamos al estado final de cada palabra como caracterizador, contiene dos
números que indican la posiciones mínima y máxima de las zonas de .EX1 asociadas al estado cuyo
número coincide con el número de línea de .EX2.
-.REN: convierte la "numeración en amplitud" en "numeración en profundidad".
-.ALF: dada la numeración en anchura, nos indica en qué posición de la tabla de
CAPITULO V : COMPILACIÓN DE DICCIONARIOS
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
reconocimiento se encuentra el estado correspondiente a una posición de alófono en palabra
coincidente con el número de línea.
-.DIC: cada línea será una palabra del vocabulario reconocible.
V.5.1. Implementación en PC
Las limitaciones de memoria disponible en los PC nos obligaron a ampliar el algoritmo
propuesto.
Para el caso de generación de un árbol, dividimos el vocabulario original en subvocabularios independientes (palabras cuyo alófono inicial difiera aparecían en sublistas distintas) o
no (para vocabularios de decenas de miles de palabras cada subvocabulario contendría palabras con
los dos primeros alófonos iguales) y los compilamos por separado. A la hora de mezclar los
ficheros resultantes, los ficheros .EST los encadenaremos eliminando los estados INICIAL y
FINAL de los subárboles intermedios; para el .DIC, simplemente los escribiremos secuencialmente;
el .EX1 precisa de actualizar los valores de los números de estado partículares al caso general,
realizándose la misma operación con el número de palabra; finalmente, el .TAB requiere una línea
inicial que sea la suma reordenada de todas las línea iniciales, copiándose las demás con
actualización de números de estados acorde con el fichero creado .EST.
El autómata por unificación de cabeceras y finales de palabras necesita de una doble
operación como la anterior: tras la subdivisión y compilación, mezclaremos los subficheros en
formato:
palabra Estado_0 ... Estado_N
los invertiremos para dar lugar a:
palabra Estado_N ... Estado_0
los subdividiremos de nuevo, unificaremos sus cabeceras invertidas. Tras volver a invertir,
subdividiremos de nuevo, generaremos los ficheros resultado para los subvocabularios y
mezclaremos como antes.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
CAPITULO VI
ANÁLISIS SINTÁCTICO DE GRAMÁTICAS DE
CONTEXTO LIBRE
VI.1 Presentación
Frente a la simplicidad del reconocimiento de lenguajes regulares mediante autómatas,
donde la única variación consiste en construir un autómata como la unión de muchos otros
subautómatas, el "parsing" (reconocimiento de que una cadena pertenece a un lenguaje) admite más
posibilidades al usarse gramáticas de contexto libre.
La forma más inmediata consiste en convertir cada regla sintáctica en un procedimiento o
función. La parte izquierda de la regla da nombre a dicha función y la derecha nos indica qué
procedimientos y en qué secuencia debemos llamarlo para verificar la aplicabilidad de la regla.
Como los símbolo terminales no tienen procedimiento asociado, al encontrarnos uno
comprobaremos si coincide con el símbolo que actualmente estábamos esperando reconocer. De
ser así, avanzaremos al símbolo siguiente y proseguiremos el análisis hasta poder devolver un
código de aceptación; en el caso de haber diferido, intentaremos aplicar otra regla que, por tener el
mismo símbolo no terminal a laizquierda, estará integrada en la misma función. Si no existieran más
reglas o no fuesen aplicables, devolveremos a la función que nos llamó un código de error.
37
En cualquier lenguaje de programación moderno es fácil diseñar así un compilador de
compiladores (un programa que genera un programa que reconoce cadenas acordes con una
gramática dada), pero:
-la complejidad, debida al retroceso causado por los errores, es en general exponencial con
la longitud en caracteres de la cadena de entrada
-la posibilidad de tener que generar diversos análisis para una misma frase multiplica aún
más la lentitud del "parsing"
- el ordenamiento de las reglas influye en los resultados: las reglas recursivas a izquierdas
deben ser las últimas en ser usadas a la hora de comparar patrones para evitar los bucles infinitos, o
bien, debemos limitar la profundidad de recursión, método siempre arriesgado, conflictivo y un
tanto arbitrario.
37
En Prolog (Pereira[87]) es especialmente fácil,aunque es
más difícil su integración con otros programas escritos en otros
lenguajes.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
Entre las ventajas destaca lo directo que es añadir rasgos al "parsing", ya que no serán sino
parámetros de las llamadas a las distintas funciones.
Este procedimiento descendente tiene su versión ascendente: para cada símbolo terminal o
secuencia de símbolos terminales intentamos encontrar un símbolo no terminal que permita
generarlos. Estos símbolos no terminales son sometidos a un similar proceso ascendente hasta
poder alcanzar el axioma.
Su complejidad es similar y además no es predictivo, por lo que dificultaría la labor de
guiado del reconocimiento léxico. Aún así existe algún artículo marginal donde se ha empleado
para extraer las oraciones gramaticalmente correctas contenidas en una celosía de palabras
alineadas (Miller[88]).
Los requerimientos de velocidad de análisis de los compiladores dieron lugar a algoritmos
que sólo podían ser usados con gramáticas que podríamos clasificar como de tipo 2'5 de la
jerarquía de Chomsky, a medio camino entre las regulares y las de contexto libre.
Un procedimiento descendente así hallado fue el LL(k), que genera una tabla, similar a la
38
de descripción de un autómata, que permite reconocer en tiempo O(n) .
Las gramáticas LL(1), las más comunes, son insuficientemente potentes para tratar el
lenguaje natural (ver Sanchís[88],cap. 7 y su referencia a Knuth para más detalles):
-dado un símbolo de entrada en una determinada posición, debe existir un solo camino
gramatical que lo conecte con el axioma.
-no existe ni existirá algoritmo que transforme una gramática cualquiera a gramática LL(1)
- la existencia de ambigüedades ralentizaría notablemente el parsing
Sin embargo, dada su sencillez, podría ser útil en lenguajes de comandos sencillos, con
características de notación prefija. Por ejemplo la gramática BNF prefija es LL(1): existen unos
prefijos que nos indican qué tipo de frase estamos analizando
VI.2 Análisis LR(1)
Su utilización en la bibliografía de reconocimiento de voz, masiva a partir de que en
Tomita[86a] se ampliara el algoritmo original para permitir gramáticas ambiguas, lo hace
merecedor de un análisis en detalle.
Como LL(1), utiliza una tabla de reconocimiento precompilada que guía su característico
38
Seguimos la clásica notación en O mayúscula para denotar
el comportamiento medio del algoritmo al variar la longitud de
la cadena que reconocer.Ver Natural Languajes Readings[].
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
autómata con pila. Dada la existencia de generadores automáticos de estas tablas fácilmente
disponibles (YACC para máquinas UNIX, Bisón para PC...), no detallaremos el algoritmo que la
produce. En Aho[72] se describen varios, de potencia descriptiva creciente y en Tomita[86b] se
encuentra el código en LISP para generar las LALR(1).
VI.2.1 Tablas LALR(1) ampliadas
Las gramáticas que no sean LR(1), aunque sean de contexto libre, darán lugar a tablas de
reconocimiento tablas ambiguas, con varias entradas por casilla.
Tomamos un ejemplo de Tomita[86b] por su tamaño:
estado
det
sust
0
sh3
sh4
verb
prep
$
SP
SV
O
2
1
sh6
2
3
SN
acc
sh7
sh6
re3
re3
re3
re2
re2
1
5
9
8
sh10
4
5
6
sh3
sh4
11
7
sh3
sh4
12
8
re1
re1
9
re5
re5
re5
10
re4
re4
re4
11
re6
re6,sh6
re6
9
re7,sh6
re7
9
12
que parte de las reglas gramaticales:
O
O
SN
SN
SP
SV
claramente simples,
conflictos.
Usando
por
nosotros
resultados
son
->
->
->
->
->
->
SN SV
O SP
(det) sust
SN SP
prep SN
verb SN
con
apenas
2
gramáticas elaboradas
incrementalmente los
inquietantes:
6 Ejemplo de reglas.
fichero
nº reglas
estados
sh/red
red/red
gsimpl2
32
44
22
0
gsimpl3
90
106
254
237
gsimpl5
245
339
606
625
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
gsimpl6
251
346
605
definido.
625
Al intentar usar la gramática g1.gra con más de quinientas reglas, bison se quedó sin
memoria en el PC.
Dado que :
-deseábamos realizar un entorno propio para PC,
-que no plantee ningún problema a la hora de escribir las reglas (en todo caso que se pueda
solucionar la optimización con herramientas automáticas),
-que la velocidad es una cuestión relativa si otros algoritmos (como muestra la bibliografía)
son paralelizables e integrables VLSI...
decidimos no optar por este algoritmo muy usado por los investigadores del grupo de Carnegie
Mellon (CMU).
VI.3 ATNs
Muy populares en su tiempo, las Redes de Transición Aumentadas surgieron al añadir a las
RTN registros auxiliares y acciones asociadas a los arcos. En un lenguaje ordenado como el inglés,
los registros pueden ser elegantemente usado para hacer asignaciones temáticas:
SN
A
V
V
B
C
V
SN
D
E
SN
SP
SP
SN
Ilustr. 13 Ejemplo de gramática ATN.
Las transiciones conllevan acciones como las siguientes:
-pasar de A a B, tras el reconocimiento de un Sintagma Nominal, éste pasa a rellenar el
registro de SUJETO
-a la recepción del primer verbo (B->C) lo ponemos en el registro del VerboPrincipal
-si recibimos más verbos y el VerboPrincipal no es Auxiliar (to be, to do, to have...),
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
devolvemos ERROR; si no, copiamos en VerboAuxiliar el contenido de VerboPrincipal y en éste el
último verbo aceptado
-tras recibir un participio precedido de VerboPrincipa==to be, hacemos VOZ=pasiva,
VerboAuxiliar=VerboPrincipal,
VerboPrincipal=ParticipioRecibido,
ComplementoDirecto=SUJETO y borramos SUJETO
-si pasamos de C a D por medio de un sintagma nominal, simplemente rellenamos el
ComplementoDirecto con dicho sintagma.
-ante una nueva recepción de sintagma nominal, copiamos el ComplementoDirecto en el
ComplementoIndirecto y en el ComplementoDirecto el último sintagma
⋅
⋅
La elegancia del planteamiento es sumamente atractiva. No obstante, la existencia de
problemas como :
-el backtracking (retroceso),
-las dificultades para analizar oraciones ambiguas,
-el tamaño de la red se haría inmanejable al intentar tratar la multitud de fenómenos que
caracterizan a una lengua natural,
-la ausencia de herramientas automáticas que generen las redes,
-la gran libertad de ordenamiento de sintagmas del castellano...
nos desaconsejaron su implementación inmediata.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
VI.4 Algoritmos generales
VI.4.1 Algoritmo de Cocke-Younger-Kasami
Hays atribuye a Cocke la aplicación de la programación dinámica al análisis sintáctico.
Posteriormente Kasami, independientemente, lo redescubrió y Younger demostró que su
complejidad era cúbica. Valiant mostró que equivalía a la operación de cerrar transitivamente una
matriz y que con una constantes de proporcionalidad enormes, podía ser calculado en tiempo
subcúbico. Ruzzo, finalmente, dejo en O(log(n)) la complejidad para la versión paralela asíncrona.
VI.4.1.1 Preproceso
En todas sus versiones, CYK requiere de una transformación en la gramática a fin de
ponerla en Forma Normal de Chomsky sin cadena vacía. Para ello las reglas deberán tener uno de
los dos siguientes formatos:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
El algoritmo que realiza la conversión aparece en el recuadro 6.
Begin
P':=0
añadir a P' todas las reglas de la forma A->BC
añadir a P' todas las reglas de la forma A->a
reservar aparte las reglas del tipo A->B
para cada regla del tipo A->X1 X2...Xk
begin
for (i:=1 TO k-2)
begin
si Xi es NoTerminal
añadir la regla A->Xi A'i
si no
begin
crear la regla X'i->Xi
añadir A->X'i A'i
end
end
end
end
7 Algoritmo que pasa una gramática extendida a FNC.
Para la eliminación de la cadena vacía de un lenguaje que no la admita como símbolo
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
plenamente terminal, en Sanchís[88] se muestra un algoritmo.
No todas las gramáticas pueden ser puestas en forma Normal de Chomsky sin cadena vacía
ni eliminación de reglas unitarias del tipo A->B.Por ello les daremos un tratamiento diferenciado al
aplicar CYK.
La conversión multiplica el número de reglas aplicables, aunque ello no tiene por qué hacer
linealmente más lento el "parsing": las reglas son más pero su uso es mucho más simple, sin
necesidad de recorrer los símbolos de su parte derecha ya que sólo tiene dos. Eso sí, es necesario
ordenar las reglas por su parte derecha y guardar con cada símbolo
cuál es la primera regla que contiene dicho símbolo como primero en su parte derecha (si no la
velocidad depende directamente del número medio de reglas, multiplicándose por veinte o treinta el
tiempo de reconocimiento de una frase).
Como las reglas de los dos tipos permitidos no se aplican conjuntamente, una extensión
regular de las reglas originales (las que permiten paréntesis...) disminuye el nº de reglas en FNC
creadas.
Los símbolos generados durante la transformación serán transparentes al usuario, no
apareciendo en los árboles ni en pantalla ni en disco.
VI.4.1.2 CYK en forma matricial
CYK un algoritmo ascendente y orientado a anchura (breath-first). Tras colocar en una
matriz que llamaremos 'chart' los símbolos terminales según su orden de aparición en la cadena de
entrada en las casillas chart[n,n-1], donde n es la longitud de la cadena, la ascensión, en notación
matricial, comprendería dos pasos:
-aplicación de las reglas tipo A->a para traducir las categorías sintácticas Terminales a No
Terminales:
Install Equation Editor and doubleclick here to view equation.
-aplicación de A->BC, desde i=N hasta i=0 y de A->B:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Si tras realizar los cálculos en chart[0,n] hemos incluido el axioma, la cadena es aceptada.
VI.4.1.3 CYK en forma asíncrona
Traducidas a seudocódigo, las anteriores fórmulas dan lugar al recuadro 8.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
for j=1 to n
chart[j-1,j] <- {A / existe A->a}
for i= to
for j= to
for k= to
chart[i,j] <- { A / existen a->BC ,
chart[i,k] incluye B ,
chart[k,j] incluye C}
8 Algoritmo CYK asíncrono.
VI.4.1.4 CYK en forma síncrona
Si vamos calculando conforme recibimos la cadena de entrada (o incluso un "lattice" de
elementos alineados) obtenemos el algoritmo del recuadro 9.
for j=1 to n
begin
chart[j-1,j] <- {A / existe A->a}
for i=j-1 to 0
for k=i+1 to j-1
chart[i,j] <- {A / existe A->BC ,
chart[i,k] incluye B ,
chart[k,j] incluye C }
end
9 Algoritmo CYK síncrono.
VI.4.1.5 Algoritmo de reconstrucción
El árbol sintáctico se irá creando a partir del axioma, que será el nodo raíz por medio del
algoritmo descrito en el recuadro 10.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
Reconstruye(i, j, A, nodoAnterior)
begin
nodoA=CreaNodo(A, nodoAnterior)
for k=i+1 to j-1
begin
para cada símbolo B de la casilla chart[i,j]
para cada símbolo C de chart[k,j]
si existe una regla A->B C
begin
nodoB=Reconstruye(i,k,B,nodoA)
nodoC=Reconstruye(k,j,C,nodoA)
end
end
para cada nodo B de chart[i,j]
si existe regla A->B
nodoB=Reconstruye(i,j,B,nodoA)
return nodoA
end
10 Algoritmo recursivo de reconstrucción sin ambigüedades.
Oración=SintagmaNominal SintagmaVerbal
SintagmaNominal1=Determinante Núcleo
Determinante=determinante
SintagmaNominal1=Núcleo
Núcleo=núcleo
SintagmaNominal=SintagmaNominal SintagmaPreposic
SintagmaNominal=SintagmaNominal1
SintagmaPreposic=Preposición SintagmaNominal1
Preposición=preposición
SintagmaVerbal=Verbo SintagmaNominal
Verbo=verbo
Verbo=verbo
11 Gramática en FNC.
VI.4.1.6 Ejemplo de reconocimiento
Usando una gramática que por hallarse en FNC (salvo la regla SN->SN1) no necesita
transformación (así evitamos la complicación de que existan símbolos artificiales en la "chart") con
la frase: "yo vi un hombre en el apartamento con un telescopio" obtenemos la tabla siguiente:
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
j
1
2
3
4
5
6
7
8
9
definido.
10
i
0
1
2
núcl,Núcl,
SN1,SN
verb,
Verb
det,Det
3
4
O
O
O
SV
SV
SV
SN1,SN
SN1,SN
SN1,SN
núcl,Núcl,
SN1,SN
SN
SN
prep,Prep
5
SPrep
det,Det
6
7
SN1,SN
SN
núcl,Núcl,
SN1,SN
SN
prep,
Prep
8
SPrep
det,Det
9
SN1,SN
núcl,Núcl,
SN1,SN
La reconstrucción será:
PASO nº0 : Reconstruye(0,10,Oracion,NULL)
PASO nº1 : nodoSintagmaNominal=Reconstruye(0,1 ,SintagmaNominal
,nodoOración ,1)
PASO nº2 : nodoSintagmaNominal1=Reconstruye(0,1,SintagmaNominal1
,nodoSintagmaNominal ,1)
PASO nº3 : nodoNúcleo=Reconstruye(0,1 ,Núcleo,nodoSintagmaNominal1 ,1)
PASO nº4 : nodonúcleo=ReconstruyeDiagonal(0,1 ,núcleo,nodoNúcleo ,1)
PASO nº5 : nodoSintagmaNominal=Reconstruye(1,10,SintagmaNominal
,nodoOración ,1)
PASO nº6 : nodoVerbo=Reconstruye(1,2 ,Verbo,nodoSintagmaVerbal ,1)
PASO nº7 : nodoverbo=ReconstruyeDiagonal(1,2 ,verbo ,nodoVerbo ,1)
PASO nº8 : nodoVerbo=Reconstruye(2,10 ,Verbo,nodoSintagmaVerbal ,1)
PASO nº9 : nodoSintagmaNominal=Reconstruye(2,7,SintagmaNominal
,nodoSintagmaNominal ,1)
PASO nº10 : nodoSintagmaNominal=Reconstruye(2,4,SintagmaNominal
,nodoSintagmaNominal ,1)
PASO nº11 : nodoSintagmaNominal1=Reconstruye(2,4,SintagmaNominal1
,nodoSintagmaNominal ,1)
PASO nº12 : nodoDeterminante=Reconstruye(2,3 ,Determinante
,nodoSintagmaNominal1 ,1)
PASO nº13 : nododeterminante=ReconstruyeDiagonal(2,3, determinante
,nodoDeterminante ,1)
PASO nº14 : nodoDeterminante=Reconstruye(3,4 ,Determinante
,nodoSintagmaNominal1 ,1)
PASO nº15 : nodonúcleo=ReconstruyeDiagonal(3,4 ,núcleo
,nodoNúcleo ,1)
PASO nº16 : nodoSintagmaNominal=Reconstruye(4,7,SintagmaNominal
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
,nodoSintagmaNominal ,1)
PASO nº17 : nodoPreposición=Reconstruye(4,5 ,Preposición
,nodoSintagmaPreposic ,1)
PASO nº18 : nodopreposición=ReconstruyeDiagonal(4,5 ,preposición
,nodoPreposición ,1)
PASO nº19 : nodoPreposición=Reconstruye(5,7 ,Preposición
,nodoSintagmaPreposic ,1)
PASO nº20 : nodoDeterminante=Reconstruye(5,6 ,Determinante
,nodoSintagmaNominal1 ,1)
PASO nº21 : nododeterminante=ReconstruyeDiagonal(5,6 ,determinante
,nodoDeterminante ,1)
PASO nº22 : nodoDeterminante=Reconstruye(6,7 ,Determinante
,nodoSintagmaNominal1 ,1)
PASO nº23 : nodonúcleo=ReconstruyeDiagonal(6,7 ,núcleo
,nodoNúcleo ,1)
PASO nº24 : nodoSintagmaNominal=Reconstruye(7,10,SintagmaNominal
,nodoSintagmaNominal ,1)
PASO nº25 : nodoPreposición=Reconstruye(7,8 ,Preposición
,nodoSintagmaPreposic ,1)
PASO nº26 : nodopreposición=ReconstruyeDiagonal(7,8 ,preposición
,nodoPreposición ,1)
PASO nº27 : nodoPreposición=Reconstruye(8,10 ,Preposición
,nodoSintagmaPreposic ,1)
PASO nº28 : nodoDeterminante=Reconstruye(8,9 ,Determinante
,nodoSintagmaNominal1 ,1)
PASO nº29 : nododeterminante=ReconstruyeDiagonal(8,9 ,determinante
,nodoDeterminante ,1)
PASO nº30 : nodoDeterminante=Reconstruye(9,10 ,Determinante
,nodoSintagmaNominal1 ,1)
PASO nº31 : nodonúcleo=ReconstruyeDiagonal(9,10 ,núcleo
,nodoNúcleo ,1)
Oración
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗↵
SintagmaNominal
SintagmaVerbal
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗↵
SintagmaNominal1 Verbo
SintagmaNominal
≥
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
Núcleo
verbo
SintagmaNominal
SintagmaPreposic
≥
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ↵
núcleo
SintagmaPreposic
Prep SintagmaNominal1
≥ SintagmaNominal
≥
≥
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵
≥ ∨⊗⊗⊗⊗⊗ℑ⊗⊗⊗↵
≥
≥ SintagmaNominal1 Preposición SintagmaNominal1 prep Determ Núcleo
≥
≥
∨⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵
≥
∨⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗↵
≥ ≥
≥
≥
≥ Determinante Núcleo preposición Determinante Núcleo ≥ determ núcleo
≥
≥
≥
≥
≥
≥
≥
≥ ≥
≥
≥
≥ determinante núcleo ≥ determinante núcleo ≥ ≥
≥
≥
≥
≥
≥
≥
≥
≥
≥ ≥
≥
yo
vi
un
hombre en
el
apartamento con un telescopio
Ilustr. 14 Arbol nº1.
definido.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
Si añadimos la siguiente regla que permite complementos preposicionales en el nivel
39
oracional :
Install Equation Editor and doubleclick here to view equation.
dentro de la primera llamada a Reconstruye encontramos otro posibles paso nº1:
Reconstruye(0,4,Oración,nodoOración). El nuevo análisis (continuando la anterior numeración)
será pues:
PASO nº32 : nodoOración=Reconstruye(0,7 ,Oración ,nodoOración ,2)
PASO nº33 : nodoSintagmaNominal=Reconstruye(0,1,SintagmaNominal
,nodoOración ,2)
PASO nº34 : nodoSintagmaNominal1=Reconstruye(0,1 ,SintagmaNominal1
,nodoSintagmaNominal ,2)
PASO nº35 : nodoNúcleo=Reconstruye(0,1 ,Núcleo,nodoSintagmaNominal1 ,2)
PASO nº36 : nodonúcleo=ReconstruyeDiagonal(0,1 ,núcleo ,nodoNúcleo ,2)
PASO nº37 : nodoSintagmaNominal=Reconstruye(1,7,SintagmaNominal
,nodoOración ,2)
PASO nº38 : nodoVerbo=Reconstruye(1,2 ,Verbo,nodoSintagmaVerbal ,2)
PASO nº39 : nodoverbo=ReconstruyeDiagonal(1,2 ,verbo ,nodoVerbo ,2)
PASO nº40 : nodoVerbo=Reconstruye(2,7 ,Verbo ,nodoSintagmaVerbal ,2)
PASO nº41 : nodoSintagmaNominal=Reconstruye(2,4,SintagmaNominal
,nodoSintagmaNominal ,2)
PASO nº42 : nodoSintagmaNominal1=Reconstruye(2,4,SintagmaNominal1
,nodoSintagmaNominal ,2)
PASO nº43 : nodoDeterminante=Reconstruye(2,3,Determinante
,nodoSintagmaNominal1 ,2)
PASO nº44 : nododeterminante=ReconstruyeDiagonal(2,3 ,determinante
,nodoDeterminante ,2)
PASO nº45 : nodoDeterminante=Reconstruye(3,4 ,Determinante
,nodoSintagmaNominal1 ,2)
PASO nº46 : nodonúcleo=ReconstruyeDiagonal(3,4 ,núcleo ,nodoNúcleo ,2)
PASO nº47 : nodoSintagmaNominal=Reconstruye(4,7,SintagmaNominal
,nodoSintagmaNominal ,2)
PASO nº48 : nodoPreposición=Reconstruye(4,5 ,Preposición
,nodoSintagmaPreposic ,2)
PASO nº49 : nodopreposición=ReconstruyeDiagonal(4,5 ,preposición
,nodoPreposición ,2)
PASO nº50 : nodoPreposición=Reconstruye(5,7 ,Preposición
,nodoSintagmaPreposic ,2)
PASO nº51 : nodoDeterminante=Reconstruye(5,6 ,Determinante
,nodoSintagmaNominal1 ,2)
39
Creando esta regla se producen las mismas ambigüedades
que añadiendo SV->SV SP y además no varía la tabla de
reconocimiento.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
PASO nº52 : nododeterminante=ReconstruyeDiagonal(5,6 ,determinante
,nodoDeterminante ,2)
PASO nº53 : nodoDeterminante=Reconstruye(6,7 ,Determinante
,nodoSintagmaNominal1 ,2)
PASO nº54 : nodonúcleo=ReconstruyeDiagonal(6,7 ,núcleo ,nodoNúcleo,2)
PASO nº77 : nodoOración=Reconstruye(7,10 ,Oración ,nodoOración ,2)
PASO nº78 : nodoPreposición=Reconstruye(7,8 ,Preposición
,nodoSintagmaPreposic ,2)
PASO nº79 : nodopreposición=ReconstruyeDiagonal(7,8 ,preposición
,nodoPreposición ,2)
PASO nº80 : nodoPreposición=Reconstruye(8,10 ,Preposición
,nodoSintagmaPreposic ,2)
PASO nº81 : nodoDeterminante=Reconstruye(8,9 ,Determinante
,nodoSintagmaNominal1 ,2)
PASO nº82 : nododeterminante=ReconstruyeDiagonal(8,9
,determinante
,nodoDeterminante ,2)
PASO nº83 : nodoDeterminante=Reconstruye(9,10 ,Determinante
,nodoSintagmaNominal1 ,2)
PASO nº84 : nodonúcleo=ReconstruyeDiagonal(9,10 ,núcleo,nodoNúcleo,2)
⋅
Oración
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
Oración
SintagmaPreposic
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗↵
SintagmaVerbal
Preposición SintagmaNominal1
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵ SintagmaNominal
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗↵
≥ ∨⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵
SintagmaNominal1 Verbo
SintagmaNominal
preposición Determ Núcleo
≥
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥ ≥
≥
Núcleo
verbo SintagmaNominal
SintagmaPreposic
≥ determ núcleo
≥
≥
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵
≥ ≥
≥
núcleo
≥ SintagmaNominal1 Preposición SintagmaNominal1
≥ ≥
≥
≥
≥
∨⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵
≥
∨⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗↵
≥ ≥
≥
≥
≥ Determinante Núcleo preposición Determinante Núcleo
≥ ≥
determinante
≥
≥
≥
≥
≥
≥
≥
≥
≥ ≥
≥
≥
≥ determinante núcleo
≥
núcleo
yo
vi
un
hombre en
≥ ≥
≥
≥
≥
≥
≥
≥
≥
≥
≥ ≥
≥
el
apartamento con un telescopio
Ilustr. 15 Árbol parcial nº2.
Nuevamente encontramos una
nº0:Reconstruye(0,4,Oración,nodoOración)
ambigüedad
en
el
interior
tras
PASO nº55 : nodoOración=Reconstruye(0,4 ,Oración ,nodoOración ,3)
PASO nº56 : nodoSintagmaNominal=Reconstruye(0,1,SintagmaNominal
,nodoOración ,3)
PASO nº57 : nodoSintagmaNominal1=Reconstruye(0,1,SintagmaNominal1
,nodoSintagmaNominal ,3)
PASO nº58 : nodoNúcleo=Reconstruye(0,1 ,Núcleo,nodoSintagmaNominal1 ,3)
PASO nº59 : nodonúcleo=ReconstruyeDiagonal(0,1 ,núcleo ,nodoNúcleo ,3)
PASO nº60 : nodoSintagmaNominal=Reconstruye(1,4,SintagmaNominal
el
paso
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
,nodoOración ,3)
PASO nº61 : nodoVerbo=Reconstruye(1,2 ,Verbo,nodoSintagmaVerbal ,3)
PASO nº62 : nodoverbo=ReconstruyeDiagonal(1,2 ,verbo ,nodoVerbo ,3)
PASO nº63 : nodoVerbo=Reconstruye(2,4 ,Verbo,nodoSintagmaVerbal ,3)
PASO nº64 : nodoSintagmaNominal1=Reconstruye(2,4 ,SintagmaNominal1
,nodoSintagmaNominal ,3)
PASO nº65 : nodoDeterminante=Reconstruye(2,3
,Determinante,nodoSintagmaNominal1 ,3)
PASO nº66 : nododeterminante=ReconstruyeDiagonal(2,3 ,determinante
,nodoDeterminante ,3)
PASO nº67 : nodoDeterminante=Reconstruye(3,4 ,Determinante
,nodoSintagmaNominal1 ,3)
PASO nº68 : nodonúcleo=ReconstruyeDiagonal(3,4 ,núcleo ,nodoNúcleo ,3)
PASO nº69 : nodoOración=Reconstruye(4,7 ,Oración ,nodoOración ,3)
PASO nº70 : nodoPreposición=Reconstruye(4,5 ,Preposición
,nodoSintagmaPreposic ,3)
PASO nº71 : nodopreposición=ReconstruyeDiagonal(4,5 ,preposición
,nodoPreposición ,3)
PASO nº72 : nodoPreposición=Reconstruye(5,7 ,Preposición
,nodoSintagmaPreposic ,3)
PASO nº73 : nodoDeterminante=Reconstruye(5,6 ,Determinante
,nodoSintagmaNominal1 ,3)
PASO nº74 : nododeterminante=ReconstruyeDiagonal(5,6 ,determinante
,nodoDeterminante ,3)
PASO nº75 : nodoDeterminante=Reconstruye(6,7 ,Determinante
,nodoSintagmaNominal1 ,3)
PASO nº76 : nodonúcleo=ReconstruyeDiagonal(6,7 ,núcleo ,nodoNúcleo ,3)
Oración
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
Oración
SintagmaPreposic
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵
Oración
SintagmaPreposic
Prep SintagmaNominal1
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗↵
SintagmaVerbal
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵
≥
∨⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵ SintagmaNominal
Preposición SintagmaNominal1
prep Determ
Núcleo
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗↵
≥
∨⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗↵
≥ ≥
≥ SintagmaNominal1 Verbo SintagmaNominal preposición Determinante Núcleo
≥
determ núcleo
Núcleo
verbo SintagmaNominal1
≥
≥
≥
≥
≥
≥
≥ ≥
≥
≥
determinante núcleo
núcleo
≥ ≥
≥
≥
≥
∨⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵
≥
≥
≥
≥ ≥
≥
≥ Determinante Núcleo ≥
≥
≥
≥ ≥
≥
≥
≥
≥
≥
≥
≥
≥
≥ ≥
≥
≥
≥ determinante núcleo ≥
≥
≥
≥ ≥
≥
≥
≥
≥
≥
≥
≥
≥
yo
vi
un
hombre en
el
apartamento con un telescopio
≥ ≥
≥
Ilustr. 16Árbol nº 3
Tras realizar el primer análisis completo, realizamos el segundo, para lo cual sólo debemos
copiar de un árbol a otro el nodoO1.
Lo mismo sucede con el tercero, pero no con el cuarto. Este último parte de un tercer
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
análisis mediado: no podemos copiar todo el tercer árbol hasta ahora generado, pues contiene una
estructura para "yo vi un hombre en el apartamento". El cuarto sólo necesita nodoO1 y nodoO2:
cada vez que encontremos una ambigüedad en un Reconstruye, debemos copiar el árbol a
izquierdas desde el nodo raíz hasta el nodo anterior, ambos inclusive.
A la salida de PASO nº3'': Reconstruye(), no se puede continuar el cuarto análisis: debemos
indicar que el cuarto nodo, a la derecha de nodoAnterior es igual al tercero.
VI.4.1.7 CYK con predicción
Resulta especialmente útil que el algoritmo sintáctico pudiese predecir, tras realizar los
cálculos asociados a una palabra, cuáles son las posibles siguientes.
Para ello es necesario precompilar la gramática y, para cada símbolo no terminal de la
gramática en Forma Normal de Chomsky cuáles son los símbolos terminales que los pueden
encabezar. El algoritmo (tomado del LL(1) sería (teniendo en cuenta que no se admite la cadena
vacía):
para cada regla A->a..
añadir el terminal 'a' a la Cabecera[A]
Nuevos=FALSO
hacer
begin
Para cada regla A->BC
begin
Añadir a Cabecera[A] la Cabecera[B]
Si ha habido nuevos
Nuevos=VERDADERO
end
end
mientras Nuevos==VERDADERO
12 Algoritmo para el cálculo de las Cabeceras terminales de los
símbolos no terminales.
Para la predicción usaremos el procedimiento del recuadro 12.
VI.4.1.8 Diferentes implementaciones
Jugando con la memoria usada y la velocidad alcanzable son varias las posibles
arquitecturas.
La más veloz de las que sólo precisan un procesador necesitaría un chart tridimensional de
N*N*NT casillas, siendo N el máximo número de palabras por frase y NT el cardinal del conjunto
de símbolos No Terminales.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
Las reglas estarían separadas en unitarias y binarias, dada la independencia en su uso, y
necesitaríamos una matriz de NT*NT elementos para guardar las reglas NoTerminal=NoTerminal
El algoritmo que se basa en esta estructura variará respecto a los ya vistos (recuadro 13).
for j=1 to n
begin
para cada regla B->b
begin
incorporar B a Chart[j-1,j]
para cada regla A->B..
Incorporar Cabecera[C] a Predicción[]
end
for i=j-1 to 0
for k=i+1 to j-1
begin
para cada símbolo B de Chart[i][k]
y cada C de Chart[k][j]
Si existe Regla A->BC
begin
Incorporar A a Chart[i][j]
para cada regla D->AE
Incorporar Cabecera[E] a
Predicción[]
end
para cada símbolo B del Chart[i][j]
si existe regla A->B
Incorporar A a Chart[i][j]
end
Comunicar Predicción al Reconocedor
end
13 Algoritmo de predicción integrado en el CYK síncrono.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
for i=1 to N
for j=1 to N
para cada símbolo U
Chart[i][j][U]=NO_USADO
for i=1 to N
begin
para cada símbolo terminal 'a'en posición i
Chart[i-1][i][a]=USADO
for j=i-1 to 0
para cada regla A->BC
for k=j+1 to i-1
si (Chart[i][k][B]==USADO y
Chart[k][j][C]==USADO)
Chart[i][j][A]=USADO
end
14 Algoritmo óptimo para un procesador único.
Como los índices tienen ámbitos de recorrido interdependientes, el número de operaciones
de unificación que realizar será:
Install Equation Editor and doubleclick here to view equation.
82
donde RB es el número de reglas binarias, T el número de símbolos terminales y
NumEquivalentesMedio, el resultado de dividir las casillas ocupadas de la matriz de equivalentes
por NT (si suponemos que la oración en palabras es traducida a lattice alineado de categorías
léxicas, la diagonal puede ser léxicamente ambigua, y de ahí la aparición del factor T en el tercer
sumando).
La ocupación de memoria es demasiado generosa:
Install Equation Editor and doubleclick here to view equation.
40
Por eso no hemos usado esta versión del algoritmo en nuestro entorno para PC .
Para reducir la Chart no podremos tener una casilla por símbolo no terminal: la tabla será
falsamente bidimensional con una pila en cada posición Chart[][]. El tamaño de la pila vendrá
41
limitado por una constante calculada empíricamente: NumMedioNT .
40
La chart puede reducirse si la linealizamos,pero aún así
su tamaño para frases largas (N==25) y gramáticas amplias
(NT=600) no son admisibles.
41
Lógicamente es posible el desbordamiento de la pila y la
consiguiente imposibilidad de analizar una frase muy ambigua por
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
El algoritmo es el ya mostrado en el recuadro 14, donde no existe un bucle de recorrido de
reglas sino uno de recorrido de las dos casillas que unificar. Como los símbolos (nunca repetidos)
no se guardan ordenadamente en las pilas, el acceso a las reglas debe ser casi inmediato. Como el
crear una matriz indexada por los símbolos no
terminales de las reglas, o sea donde:
Install Equation Editor and doubleclick here to view equation.
nos haría perder mucho espacio, ordenaremos las reglas por su parte derecha, tanto las
binarias como las unitarias, y para cada símbolo terminal o no guardar unos punteros a la primera y
última regla que tiene a ese símbolo como primero a la derecha del igual. La ralentización media
será igual al número de reglas binarias dividido por el número de símbolos no terminales (para una
gramática normal será menor a dos, con una ocupación de espacio considerablemente menor):
Install Equation Editor and doubleclick here to view equation.
VI.4.1.9 Linealización del Chart
Para no desaprovechar las casillas de la triangular inferior, observemos en la siguiente tabla
en qué orden son "rellenadas" las casillas, para poder hacerla lineal:
i\j
1
2
3
4
5
0
1º
3ª
6ª
10ª
15ª
2ª
5ª
9ª
14ª
4ª
8ª
13ª
7ª
12ª
1
2
3
4
causa de una gramática quizás mal definida.
11º
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
VI.4.2 Algoritmo de Earley
Como resultado de su tesis doctoral en Carnegie Mellon, J. Earley construyó el primer
algoritmo de parsing basado en una Chart activa, no llena de símbolos sino de reglas activas
(parcialmente reconocidas) y reglas completas.
Partiendo del concepto de estado que Knuth introdujo en su trabajo sobre gramáticas LR,
Earley desarrolló un algoritmo descendente que podía reconocer oraciones descritas por medio de
una gramática de contexto libre sin restricciones de formato o eliminación de la cadena vacía.
Si la gramática es ambigua, el tiempo de reconocimiento será proporcional al cubo de la
longitud de la cadena de entrada, aunque para ciertas gramáticas el tiempo medio se puede reducir
a cuadrático o incluso lineal. Usando arquitecturas paralelas con numerosos procesadores esto es
factible para cualquier gramática.
VI.4.2.1 Funcionamiento básico
Describamos el esquema de funcionamiento básico que resulta muy sencillo (figura 15)
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
Inicialización:
Para cada regla S->...
Nuevos=AñadirElemento({S->⋅..,0},Agenda[0])
hacer
begin
Nuevos=0
para cada elemento {A->..⋅B..,0} de Agenda[0]
para cada regla B->...
Nuevos=AñadirElemento({B->⋅..,0}
,Agenda[0])
para cada elemento {A->..⋅,0} en Agenda[0]
para cada elemento {B->..⋅A..,0} de Agenda[0]
Nuevos=AñadirElemento({B->..A⋅..,0}
,Agenda[0])
end
mientras Nuevos=1
Iteración:
for j=1 to N
begin
Nuevos=0
para cada elemento {A->..⋅a..,i} de Agenda[j-1]
si 'a' pertenece a Entrada[j]
Nuevos=AñadirElemento({A->..a⋅..,i}
,Agenda[j])
si Nuevos=0
devolver ERROR
hacer
begin
Nuevos=0
para cada elemento {A->..⋅B..,i} de Agenda[j]
para cada regla B->...
Nuevos=AñadirElemento({B->⋅..,j}
,Agenda[j])
para cada elemento {A->..⋅,i} en Agenda[j]
para cada elemento {B->..⋅A..,k} de
Agenda[i]
Nuevos=AñadirElemento({B->..A⋅..,k}
,Agenda[j])
end
mientras Nuevos=1
end
Si existe algún elemento {S->..⋅,0} en Agenda[N]
devolver BIEN
si no
devolver ERROR
15 Algoritmo básico descrito en AHO[72].
definido.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
Las operaciones que se realizan iterativamente son tres:
-Predicción: si tenemos un estado {A->..⋅B..,i} es que necesitamos desarrollar B; debemos
recorrer las reglas B->.. para predecir lo que buscamos
-Compleción: si hemos llegado a un estado completo {A->..⋅,i} , algún estado previo debe
haber predicho A y querrá que le avancemos el puntero: {B->..A⋅..,i}
-Avance: una vez hechas todas las posibles predicciones de símbolos terminales, debemos
comprobar que la cadena de entrada posee alguno de ellos y avanzar el puntero correspondiente del
elemento: {A->..a⋅..,i}
VI.4.2.2 Reconstrucción del árbol sintáctico
Reconstruye({A->B1 B2..Bm⋅,i},j)
begin
Añade a ListaDeReglas el elemento (A->B1 B2..Bm)
k=m
l=j
hacer
begin
si Bk es terminal
begin
k=k-1
l=l-1
end
si no
begin
si existe en Agenda[l] un {Bk->β⋅,r} tal que
en Agenda[r] esté {A->B1..⋅Bk,i}
begin
Reconstruye({B->β⋅,r},l)
k=k-1
l=r
end
end
end
mientras k>0
end
16 Algoritmo de reconstrucción del árbol sintáctico en ausencia
de ambigüedades.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
Ejecutamos el algoritmo recursivo de la figura 16, comenzando por Reconstruye({S>α⋅,0},N) si es que en Agenda[N] encontramos alguna derivación completa del Axioma S: {S>α⋅,0}
VI.4.2.3 La cadena vacía
La Cadena vacía requiere un tratamiento especial: será un símbolo no terminal que no
necesita de una compleción para el avance de su puntero.
Cada vez que añadamos un elemento a Agenda[i] {A->..⋅λ..,j} conde el puntero queda a la
izquierda de una cadena vacía, añadiremos también el elemento {A->..λ⋅..,j}
Al reconstruir la estructura de la oración, en el bucle que recorre los símbolos de la parte
derecha de una regla B->B1 ..Bm debemos no sólo distinguir terminales y no terminales sino
también la cadena vacía: al llegar al símbolo nulo del elemento {A->.. λ..,j} reduciremos sólo k y
proseguiremos.
VI.4.2.4 Un ejemplo completo
Usando la misma gramático no ambigua del ejemplo con CYK (figura 11) y la misma
oración, obtenemos:
En un primer paso (el de inicialización), el algoritmo predice cuáles son los símbolos
terminales (en este caso son categorías léxico-sintácticas) que pueden encabezar todas las oraciones
posibles: Det, Núcleo. Como nuestra frase (traducida a terminales) es:
"Núcleo Verbo Determinante Núcleo Preposición Determinante Núcleo Preposición
Determinante Núcleo"
Agenda[0]
Oración=⋅SintagmaNominal SintagmaVerbal 0
SintagmaNominal=⋅SintagmaNominal SintagmaPreposic 0
SintagmaNominal=⋅SintagmaNominal1 0
SintagmaNominal1=⋅Determinante Núcleo 0
SintagmaNominal1=⋅Núcleo 0
Determinante=⋅determinante 0
Núcleo=⋅núcleo 0
Como comienza por Núcleo, se avanzarán el puntero del elemento{Núcleo= ⋅núcleo 0}:
Agenda[1]
Núcleo=núcleo ⋅ 0
SintagmaNominal1=Núcleo ⋅ 0
SintagmaNominal=SintagmaNominal1 ⋅ 0
Oración=SintagmaNominal ⋅SintagmaVerbal 0
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
SintagmaNominal=SintagmaNominal ⋅SintagmaPreposic 0
SintagmaVerbal=⋅Verbo SintagmaNominal 1
SintagmaPreposic=⋅Preposición SintagmaNominal1 1
Verbo=⋅verbo 1
Preposición=⋅preposición 1
Agenda[2]
Verbo=verbo ⋅ 1
SintagmaVerbal=Verbo ⋅SintagmaNominal 1
SintagmaNominal=⋅SintagmaNominal SintagmaPreposic 2
SintagmaNominal=⋅SintagmaNominal1 2
SintagmaNominal1=⋅Determinante Núcleo 2
SintagmaNominal1=⋅Núcleo 2
Determinante=⋅determinante 2
Núcleo=⋅núcleo 2
Agenda[3]
Determinante=determinante ⋅ 2
SintagmaNominal1=Determinante ⋅Núcleo 2
Núcleo=⋅núcleo 3
Agenda[4]
Núcleo=núcleo ⋅ 3
SintagmaNominal1=Determinante Núcleo ⋅ 2
SintagmaNominal=SintagmaNominal1 ⋅ 2
SintagmaVerbal=Verbo SintagmaNominal ⋅ 1
SintagmaNominal=SintagmaNominal ⋅SintagmaPreposic 2
Oración=SintagmaNominal SintagmaVerbal ⋅ 0
SintagmaPreposic=⋅Preposición SintagmaNominal1 4
Preposición=⋅preposición 4
Agenda[5]
Preposición=preposición ⋅ 4
SintagmaPreposic=Preposición ⋅SintagmaNominal1 4
SintagmaNominal1=⋅Determinante Núcleo 5
SintagmaNominal1=⋅Núcleo 5
Determinante=⋅determinante 5
Núcleo=⋅núcleo 5
Agenda[6]
Determinante=determinante ⋅ 5
SintagmaNominal1=Determinante ⋅Núcleo 5
Núcleo=⋅núcleo 6
Agenda[7]
Núcleo=núcleo ⋅ 6
SintagmaNominal1=Determinante Núcleo ⋅ 5
definido.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
SintagmaPreposic=Preposición SintagmaNominal1 ⋅ 4
SintagmaNominal=SintagmaNominal SintagmaPreposic ⋅ 2
SintagmaVerbal=Verbo SintagmaNominal ⋅ 1
SintagmaNominal=SintagmaNominal ⋅SintagmaPreposic 2
Oración=SintagmaNominal SintagmaVerbal ⋅ 0
SintagmaPreposic=⋅Preposición SintagmaNominal1 7
Preposición=⋅preposición 7
Agenda[8]
Preposición=preposición ⋅ 7
SintagmaPreposic=Preposición ⋅SintagmaNominal1 7
SintagmaNominal1=⋅Determinante Núcleo 8
SintagmaNominal1=⋅Núcleo 8
Determinante=⋅determinante 8
Núcleo=⋅núcleo 8
Agenda[9]
Determinante=determinante ⋅ 8
SintagmaNominal1=Determinante ⋅Núcleo 8
Núcleo=⋅núcleo 9
Agenda[10]
Núcleo=núcleo ⋅ 9
SintagmaNominal1=Determinante Núcleo ⋅ 8
SintagmaPreposic=Preposición SintagmaNominal1 ⋅ 7
SintagmaNominal=SintagmaNominal SintagmaPreposic ⋅ 2
SintagmaVerbal=Verbo SintagmaNominal ⋅ 1
SintagmaNominal=SintagmaNominal ⋅SintagmaPreposic 2
Oración=SintagmaNominal SintagmaVerbal ⋅ 0
SintagmaPreposic=⋅Preposición SintagmaNominal1 10
Preposición=⋅preposición 10
Como en Agenda[10] encontramos: {Oración=SintagmaNominal SintagmaVerbal⋅ ,0}
42
podemos reconstruir :
Llamada a RECONSTRUYE(Agenda[10]
,{Oración=SintagmaNominal SintagmaVerbal ⋅,0})
SintagmaVerbal procede de: el elemento de Agenda[10]:
{SintagmaVerbal=Verbo SintagmaNominal ⋅,1}
Llamada a RECONSTRUYE(Agenda[10]
,{SintagmaVerbal=Verbo SintagmaNominal ⋅,1})
SintagmaNominal procede de: el elemento de Agenda[10]:
{SintagmaNominal=SintagmaNominal SintagmaPreposic ⋅,2}
42
Obsérvese que,como en el algoritmo LR(1),las reglas
aplicadas se obtienen primero la de la parte derecha y luego la
de la izquierda.La primera palabra alcanzada será la última y
viceversa.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
Llamada a RECONSTRUYE(Agenda[10]
,{SintagmaNominal=SintagmaNominal SintagmaPreposic ⋅,2})
SintagmaPreposic procede de: el elemento de Agenda[10]:
{SintagmaPreposic=Preposición SintagmaNominal1 ⋅,7}
Llamada a RECONSTRUYE(Agenda[10]
,{SintagmaPreposic=Preposición SintagmaNominal1 ⋅,7})
SintagmaNominal1 procede de: el elemento de Agenda[10]:
{SintagmaNominal1=Determinante Núcleo ⋅,8}
Llamada a RECONSTRUYE(Agenda[10]
,{SintagmaNominal1=Determinante Núcleo ⋅,8})
Núcleo procede de:el elemento de Agenda[10]:
{Núcleo=núcleo ⋅,9}
Llamada a RECONSTRUYE(Agenda[10]
,{Núcleo=núcleo ⋅,9})
núcleo es Terminal
Determinante procede de: el elemento de Agenda[9]:
{Determinante=determinante ⋅,8}
Llamada a RECONSTRUYE(Agenda[9]
,{Determinante=determinante ⋅,8})
determinante es Terminal
Preposición procede de: el elemento de Agenda[8]:
{Preposición=preposición ⋅,7}
Llamada a RECONSTRUYE(Agenda[8]
,{Preposición=preposición ⋅,7})
preposición es Terminal
SintagmaNominal procede de: el elemento de Agenda[7]:
{SintagmaNominal=SintagmaNominal SintagmaPreposic ⋅,2}
Llamada a RECONSTRUYE(Agenda[7]
,{SintagmaNominal=SintagmaNominal SintagmaPreposic ⋅,2})
SintagmaPreposic procede de: el elemento de Agenda[7]:
{SintagmaPreposic=Preposición SintagmaNominal1 ⋅,4}
Llamada a RECONSTRUYE(Agenda[7]
,{SintagmaPreposic=Preposición SintagmaNominal1 ⋅,4})
SintagmaNominal1 procede de: el elemento de Agenda[7]:
{SintagmaNominal1=Determinante Núcleo ⋅,5}
Llamada a RECONSTRUYE(Agenda[7]
,{SintagmaNominal1=Determinante Núcleo ⋅,5})
Núcleo procede de: el elemento de Agenda[7]:
{Núcleo=núcleo ⋅,6}
Llamada a RECONSTRUYE(Agenda[7]
,{Núcleo=núcleo ⋅,6})
núcleo es Terminal
Determinante procede de: el elemento de Agenda[6]:
{Determinante=determinante ⋅,5}
Llamada a RECONSTRUYE(Agenda[6]
,{Determinante=determinante ⋅,5})
determinante es Terminal
definido.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
Preposición procede de: el elemento de Agenda[5]:
{Preposición=preposición ⋅,4}
Llamada a RECONSTRUYE(Agenda[5]
,{Preposición=preposición ⋅,4})
preposición es Terminal
SintagmaNominal procede de: el elemento de Agenda[4]:
{SintagmaNominal=SintagmaNominal1 ⋅,2}
Llamada a RECONSTRUYE(Agenda[4]
,{SintagmaNominal=SintagmaNominal1 ⋅,2})
SintagmaNominal1 procede de: el elemento de Agenda[4]:
{SintagmaNominal1=Determinante Núcleo ⋅,2}
Llamada a RECONSTRUYE(Agenda[4]
,{SintagmaNominal1=Determinante Núcleo ⋅,2})
Núcleo procede de: el elemento de Agenda[4]:
{Núcleo=núcleo ⋅,3}
Llamada a RECONSTRUYE(Agenda[4]
,{Núcleo=núcleo ⋅,3})
núcleo es Terminal
Determinante procede de: el elemento de Agenda[3]:
{Determinante=determinante ⋅,2}
Llamada a RECONSTRUYE(Agenda[3]
,{Determinante=determinante ⋅,2})
determinante es Terminal
Verbo procede de: el elemento de Agenda[2]:
{Verbo=verbo ⋅,1}
Llamada a RECONSTRUYE(Agenda[2]
,{Verbo=verbo ⋅,1})
verbo es Terminal
SintagmaNominal procede de: el elemento de Agenda[1]:
{SintagmaNominal=SintagmaNominal1 ⋅,0}
Llamada a RECONSTRUYE(Agenda[1]
,{SintagmaNominal=SintagmaNominal1 ⋅,0})
SintagmaNominal1 procede de: el elemento de Agenda[1]:
{SintagmaNominal1=Núcleo ⋅,0}
Llamada a RECONSTRUYE(Agenda[1]
,{SintagmaNominal1=Núcleo ⋅,0})
Núcleo procede de: el elemento de Agenda[1]:
{Núcleo=núcleo ⋅,0}
Llamada a RECONSTRUYE(Agenda[1]
,{Núcleo=núcleo ⋅,0})
núcleo es Terminal
Al añadir la regla de la complementación "oracional", la Agenda aumenta aunque
mínimamente:
Agenda[0]
Oración=⋅SintagmaNominal SintagmaVerbal 0
⋅
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
Oración=⋅Oración SintagmaPreposic 0
⋅
⋅
Agenda[4]
⋅
⋅
Oración=Oración ⋅ SintagmaPreposic 0
⋅
⋅
Agenda[7]
⋅
⋅
Oración=Oración SintagmaPreposic ⋅ 0
⋅
Oración=Oración ⋅ SintagmaPreposic 0
⋅
⋅
Agenda[10]
⋅
⋅
Oración=Oración SintagmaPreposic ⋅ 0
⋅
Oración=Oración ⋅ SintagmaPreposic 0
⋅
⋅
Como en esta última Agenda[10] encontramos 2 elementos del tipo {Oración=α⋅,0}, habrá
al menos una ambigüedad que afecta a los niveles más altos del análisis. Además de lo ya visto,
podremos reconstruir:
Llamada a RECONSTRUYE(Agenda[10]
,{Oración=Oración SintagmaPreposic ⋅,0})
SintagmaPreposic procede de: el elemento de Agenda[10]:
{SintagmaPreposic=Preposición SintagmaNominal1 ⋅,7}
Llamada a RECONSTRUYE(Agenda[10]
,{SintagmaPreposic=Preposición SintagmaNominal1 ⋅,7})
SintagmaNominal1 procede de: el elemento de Agenda[10]:
{SintagmaNominal1=Determinante Núcleo ⋅,8}
Llamada a RECONSTRUYE(Agenda[10]
,{SintagmaNominal1=Determinante Núcleo ⋅,8})
Núcleo procede de: el elemento de Agenda[10]:
{Núcleo=núcleo ⋅,9}
Llamada a RECONSTRUYE(Agenda[10]
,{Núcleo=núcleo ⋅,9})
núcleo es Terminal
Determinante procede de:el elemento de Agenda[9]:
{Determinante=determinante ⋅,8}
Llamada a RECONSTRUYE(Agenda[9]
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
,{Determinante=determinante ⋅,8})
determinante es Terminal
Preposición procede de: el elemento de Agenda[8]:
{Preposición=preposición ⋅,7}
Llamada a RECONSTRUYE(Agenda[8]
,{Preposición=preposición ⋅,7})
preposición es Terminal
Oración procede de: el elemento de Agenda[7]:
{Oración=Oración SintagmaPreposic ⋅,0}
Llamada a RECONSTRUYE(Agenda[7]
,{Oración=Oración SintagmaPreposic ⋅,0})
SintagmaPreposic procede de: el elemento de Agenda[7]:
{SintagmaPreposic=Preposición SintagmaNominal1 ⋅,4}
Llamada a RECONSTRUYE(Agenda[7]
,{SintagmaPreposic=Preposición SintagmaNominal1 ⋅,4})
SintagmaNominal1 procede de: el elemento de Agenda[7]:
{SintagmaNominal1=Determinante Núcleo ⋅,5}
Llamada a RECONSTRUYE(Agenda[7]
,{SintagmaNominal1=Determinante Núcleo ⋅,5})
Núcleo procede de: el elemento de Agenda[7]:
{Núcleo=núcleo ⋅,6}
Llamada a RECONSTRUYE(Agenda[7]
,{Núcleo=núcleo ⋅,6})
núcleo es Terminal
Determinante procede de: el elemento de Agenda[6]:
{Determinante=determinante ⋅,5}
Llamada a RECONSTRUYE(Agenda[6]
,{Determinante=determinante ⋅,5})
determinante es Terminal
Preposición procede de: el elemento de Agenda[5]:
{Preposición=preposición ⋅,4}
Llamada a RECONSTRUYE(Agenda[5]
,{Preposición=preposición ⋅,4})
preposición es Terminal
Oración procede de: el elemento de Agenda[4]:
{Oración=SintagmaNominal SintagmaVerbal ⋅,0}
Llamada a RECONSTRUYE(Agenda[4]
,{Oración=SintagmaNominal SintagmaVerbal ⋅,0})
SintagmaVerbal procede de: el elemento de Agenda[4]:
{SintagmaVerbal=Verbo SintagmaNominal ⋅,1}
Llamada a RECONSTRUYE(Agenda[4]
,{SintagmaVerbal=Verbo SintagmaNominal ⋅,1})
SintagmaNominal procede de: el elemento de Agenda[4]:
{SintagmaNominal=SintagmaNominal1 ⋅,2}
Llamada a RECONSTRUYE(Agenda[4]
,{SintagmaNominal=SintagmaNominal1 ⋅,2})
SintagmaNominal1 procede de: el elemento de Agenda[4]:
definido.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
{SintagmaNominal1=Determinante Núcleo ⋅,2}
Llamada a RECONSTRUYE(Agenda[4]
,{SintagmaNominal1=Determinante Núcleo ⋅,2})
Núcleo procede de: el elemento de Agenda[4]:
{Núcleo=núcleo ⋅,3}
Llamada a RECONSTRUYE(Agenda[4]
,{Núcleo=núcleo ⋅,3})
núcleo es Terminal
Determinante procede de: el elemento de Agenda[3]:
{Determinante=determinante ⋅,2}
Llamada a RECONSTRUYE(Agenda[3]
,{Determinante=determinante ⋅,2})
determinante es Terminal
Verbo procede de: el elemento de Agenda[2]:
{Verbo=verbo ⋅,1}
Llamada a RECONSTRUYE(Agenda[2]
,{Verbo=verbo ⋅,1})
verbo es Terminal
SintagmaNominal procede de: el elemento de Agenda[1]:
{SintagmaNominal=SintagmaNominal1 ⋅,0}
Llamada a RECONSTRUYE(Agenda[1]
,{SintagmaNominal=SintagmaNominal1 ⋅,0})
SintagmaNominal1 procede de: el elemento de Agenda[1]:
{SintagmaNominal1=Núcleo ⋅,0}
Llamada a RECONSTRUYE(Agenda[1]
,{SintagmaNominal1=Núcleo ⋅,0})
Núcleo procede de: el elemento de Agenda[1]:
{Núcleo=núcleo ⋅,0}
Llamada a RECONSTRUYE(Agenda[1]
,{Núcleo=núcleo ⋅,0})
núcleo es Terminal
Llegados a este punto, encontramos una nueva ambigüedad: la suboración que se extiende
de yo a telescopio puede ser analizada como:
Oración procede dell elemento de Agenda[7]:
{Oración=SintagmaNominal SintagmaVerbal ⋅,0}
o como:
Oración procede del elemento de Agenda[7]:
{Oración=Oración SintagmaPreposic ⋅,0}
Como la segunda opción ya la hemos explorado, reconstruiremos la primera, previa copia
de las reglas que les serán comunes a ambos análisis ( en este caso, las que van desde la primera
Oración=Oración SontagmaPreposic hasta la segunda Oración=Oración SintagmaPreposic, la
primera inclusive, la segunda no):
Llamada a RECONSTRUYE(Agenda[7]
,{Oración=SintagmaNominal SintagmaVerbal ⋅,0})
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
SintagmaVerbal procede de: el elemento de Agenda[7]:
{SintagmaVerbal=Verbo SintagmaNominal ⋅,1}
Llamada a RECONSTRUYE(Agenda[7]
,{SintagmaVerbal=Verbo SintagmaNominal ⋅,1})
SintagmaNominal procede de: el elemento de Agenda[7]:
{SintagmaNominal=SintagmaNominal SintagmaPreposic ⋅,2}
Llamada a RECONSTRUYE(Agenda[7]
,{SintagmaNominal=SintagmaNominal SintagmaPreposic
⋅,2})
SintagmaPreposic procede de: el elemento de Agenda[7]:
{SintagmaPreposic=Preposición SintagmaNominal1 ⋅,4}
Llamada a RECONSTRUYE(Agenda[7]
,{SintagmaPreposic=Preposición SintagmaNominal1 ⋅,4})
SintagmaNominal1 procede de: el elemento de Agenda[7]:
{SintagmaNominal1=Determinante Núcleo ⋅,5}
Llamada a RECONSTRUYE(Agenda[7]
,{SintagmaNominal1=Determinante Núcleo ⋅,5})
Núcleo procede de: el elemento de Agenda[7]:
{Núcleo=núcleo ⋅,6}
Llamada a RECONSTRUYE(Agenda[7]
,{Núcleo=núcleo ⋅,6})
núcleo es Terminal
Determinante procede de: el elemento de Agenda[6]:
{Determinante=determinante ⋅,5}
Llamada a RECONSTRUYE(Agenda[6]
,{Determinante=determinante ⋅,5})
determinante es Terminal
Preposición procede de: el elemento de Agenda[5]:
{Preposición=preposición ⋅,4}
Llamada a RECONSTRUYE(Agenda[5]
,{Preposición=preposición ⋅,4})
preposición es Terminal
SintagmaNominal procede de: el elemento de Agenda[4]:
{SintagmaNominal=SintagmaNominal1 ⋅,2}
Llamada a RECONSTRUYE(Agenda[4]
,{SintagmaNominal=SintagmaNominal1 ⋅,2})
SintagmaNominal1 procede de: el elemento de Agenda[4]:
{SintagmaNominal1=Determinante Núcleo ⋅,2}
Llamada a RECONSTRUYE(Agenda[4]
,{SintagmaNominal1=Determinante Núcleo ⋅,2})
Núcleo procede de: el elemento de Agenda[4]:
{Núcleo=núcleo ⋅,3}
Llamada a RECONSTRUYE(Agenda[4]
,{Núcleo=núcleo ⋅,3})
núcleo es Terminal
Determinante procede de: el elemento de Agenda[3]:
{Determinante=determinante ⋅,2}
Llamada a RECONSTRUYE(Agenda[3]
definido.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
,{Determinante=determinante ⋅,2})
determinante es Terminal
Verbo procede de: el elemento de Agenda[2]:
{Verbo=verbo ⋅,1}
Llamada a RECONSTRUYE(Agenda[2]
,{Verbo=verbo ⋅,1})
verbo es Terminal
SintagmaNominal procede de: el elemento de Agenda[1]:
{SintagmaNominal=SintagmaNominal1 ⋅,0}
Llamada a RECONSTRUYE(Agenda[1]
,{SintagmaNominal=SintagmaNominal1 ⋅,0})
SintagmaNominal1 procede de: el elemento de Agenda[1]:
{SintagmaNominal1=Núcleo ⋅,0}
Llamada a RECONSTRUYE(Agenda[1]
,{SintagmaNominal1=Núcleo ⋅,0})
Núcleo procede de: el elemento de Agenda[1]:
{Núcleo=núcleo ⋅,0}
Llamada a RECONSTRUYE(Agenda[1]
,{Núcleo=núcleo ⋅,0})
núcleo es Terminal
Los árboles sintácticos coinciden con los ya mostrados aunque con diferente numeración
(el primero de antes es ahora el tercero, el segundo coincide...).
Si la ambigüedad fuera totalmente interna (no afecte ni a la primera ni a la última palabra de
la frase), la reconstrucción del segundo árbol será parcial y, desde ese momento, todo lo que
copiemos en el primer árbol, lo deberemos de copiar en el segundo.
VI.4.2.5 Complejidad del algoritmo
En un caso general de gramática ambigua, el número de operaciones será proporcional al
cubo de N, la longitud de la cadena de entrada. Esto se justifica porque:
-El número de estados en cada Agenda[i] es proporcional a N (es el máximo valor que
puede tomar el registro de nivel), al número de reglas y la longitud media de las mismas.
-la predicción y el avance suponen recorrer una Agenda[] y con cada elemento realizar una
serie de operaciones:su complejidad conjunta será proporcional a N.
-la compleción, por su parte, supone recorrer una Agenda[] y para cada elemento de ella
podríamos tener que recorrer otra Agenda[], con lo cual la complejidad sería proporcional al
cuadrado de N.
-como el número de Agendas[] es N+1, el total dará la proporcionalidad al cubo que ya
habíamos adelantado.
CAPITULO VI : ANÁLISIS SINTÁCTICO ... DE CONTEXTO LIBRE
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
De todos modos estas cifras son engañosas, y lo que hace más lento el algoritmo es la
abundancia de ambigüedades: con una gramática finamente sintonizada la velocidad crece
enormemente.
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
CAPITULO VII
EL ENTORNO PARA EL DESARROLLO DE
GRAMÁTICAS
VII.1 Presentación
La necesidad de escribir y probar una gramática se fundió con la de estudiar y tomar
contacto con los algoritmos de análisis sintáctico en la realización de un programa para alcanzar
ambos objetivos.
Entre las facilidades que no deberían faltar destacaremos:
-edición de los ficheros que constituyan la gramática. Sería recomendable edición orientada
al formato si este es mínimamente complejo
-compilación y verificación de los mismos, con mensajes claros acerca de las incorrecciones
detectadas
-transformación de la gramática a formatos de interés: YACC, Wild Card Parsing
(Willemse[90].
-sencillez máxima para la variación del algoritmo sintáctico, a ser posible sin recompilación
-análisis automático de córpora textuales en modo normal y paso a paso
-visualización de los árboles sintácticos obtenidos
-generación de ficheros de resultados:
-árboles escritos en ASCII
-análisis mediante paréntesis etiquetados
-posibles causas de la incorrección de las frases
agramaticales
-estadísticas sobre la utilización de símbolos y reglas durante el análisis
El programa se desarrolló en entorno PC por razones de accesibilidad, para facilitar su uso
por parte de lingüistas, ingenieros... sin necesidad de un hardware especial.
Tras comenzar la programación con TURBOC (siguiendo la tradición existente ya en el
Departamento de Ingeniería Electrónica), al poder disponer de su "lógico heredero" el compilador
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
BORLANDC++, cambiamos inmediatamente (sin más que un pequeño aunque imprevisto cambio
en la semántica de los pre- y post-incrementos). Aunque no hemos explotado sus más avanzadas
posibilidades (la programación orientada a objetos o para MS-WINDOWS) hemos optado por
compilarlo siempre en modo C++ (a pesar de su lentitud).
Por sencillez y portabilidad no hemos usado la pantalla en modo gráfico: los árboles
sintácticos serán presentados en modo texto. Para una presentación más espectacular, que no útil,
existen programas que convierten la estructura de paréntesis etiquetados en árboles en formato
LATEX.
VII.2 Estructura de la gramática
Dado que el presente trabajo tiene un carácter introductorio en el campo de la sintaxis, y
dado el estado cambiante del mismo, la organización y formato de los ficheros gramaticales será
sencilla sin caer en la simpleza. Aunque el saber acumulado tras el empleo del entorno no se
perderá, una estructura avanzada o a la moda podría llegar a suponer una gran cantidad de tiempo
invertido en balde.
Siguiendo un enfoque formal generativista, como en general haremos, decidimos aislar al
máximo los componentes léxico y sintáctico; entre el diccionario y la gramática de contexto libre
existirá un interfaz de traducción con objeto de que los cambios en una afecten mínimamente al
otro y viceversa. Un cambio en las categorías presentes en cualquiera de los dos, debido quizás a la
sustitución del diccionario por una base de datos morfológica o semántica o por unos de esos
robustos módulos de categorización léxica presentes en los sintetizadores texto-habla, debería
suponer tan sólo unos pequeños cambios en el interfaz. Como ejemplos de ventajas de este
planteamiento tenemos:
-la conocida dificultad de los categorizadores para distinguir los nombres sustantivos de los
nombres adjetivos si están basados en morfología y carecen de información sintáctico-semántica, no
tiene porqué hacernos cambiar la gramática, simplemente habrá que añadir una línea al interfaz
indicando que los diferentes tipos de sustantivos y adjetivos sintácticos se corresponden con la
única categoría léxica nombre que produce el categorizador
-la sustantivización de elementos tales como adjetivos adverbios de lugar y tiempo... puede
ser elegantemente modelada como una traducción de sus categorías léxicas en varias categorías
sintácticas, una de las cuales sería la de sustantivo
-las características especiales de la preposición POR (propia de la pasiva) o de la
preposición SEGÚN (que puede carecer de término sustantivo y aparecer sola) no las impide
funcionar en la mayoría de los casos como preposición ordinaria. Gracias al fichero interfaz, en esos
casos, se puede ocultar su carácter especial traduciéndolo en el fichero interfaz en vez de en la
gramática
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
Palabra_1 NumCategoría_i
Palabra_1 NumCategoría_j
FICHERO .CMT
⋅
⋅
Palabra_2 NumCategoría_l
⋅
⋅
Palabra_N NumCategoría_M
FICHERO .GRA
FICHERO .REG
FICHERO .DIC
Ilustr. 17 Organización de la gramática.
VII.3 Formato del diccionario
Las palabras, una por línea del fichero, deberán estar ordenadas: si no, la verificación de la
gramática detectará el error e impedirá su uso). Un programa auxiliar ordena diccionarios con el
formato correcto y de tamaño arbitrario. Si no excediese los 64K, es más rápido pasar el
diccionario previamente a través del filtro SORT del sistema operativo, que utiliza la memoria para
realizar la ordenación. Como no sigue la numeración ASCII y ordena por igual las mayúsculas y las
minúsculas...deberemos ejecutar el programa auxiliar, pero al estar parcialmente ordenado tardará
poco en acabar.
La extensión del diccionario será .DIC, con igual nombre que el resto de los ficheros
gramaticales.
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
Un fichero adicional .AUX traducirá a categorías léxicas los NumCategorías del
diccionario. Se emplean números por ahorrar espacio y ganar velocidad; con un editor de dos
ventanas se puede cómodamente rellenar el diccionario sin equivocarse al categorizar la palabras.
Formato
de
los
Queda
recuadro 19.
! 54
" 30
"desescuchadas" 3
"politicismo" 2
, 17
- 17
: 55
; 17
? 47
a 51
a 6
abandonado 18
abandonar 10
abandono 2
VII.4
ficheros .REG
recogido
en
el
CategoríaSintáctica_1=CategLéx_i CategLéca_j...
⋅
⋅
CategoríaSintáctica_h=...
⋅
⋅
CategoríaSintáctica_N=CategoríaLexica_k...
19 formato .REG
VII.5 Formato del fichero .GRA
Para la definición de la gramática de contexto libre usaremos un lenguaje sencillo cuya
gramática en notación simple es la del recuadro ¡Error!Marcador no definido.:
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
V=verb
N=sust
Adj=adj
Adv1=adv advIns advNeg
Adv2=adv advIns advAutónomo
Pron=pron
Prep=prep prepHace
PrepDest=prepDest
PrepOrig=prepOrig prepDe
Det=art demostr posesivo
20 Muestra del fichero interfaz.
SímboloNoTerminal=Expresión_1
Expresión_1=Expresión_1 | Expresión_2
Expresión_1=Expresión_2
Expresión_2=Expresión_2 Término
Expresión_2=Término
Término=Término2
Término=( Término )
Término2=Símbolo
Término2=Símbolo *
Término2=Símbolo +
Término2=Símbolo Término2
Términos=Término2
Símbolo=CadenaVacía
Símbolo=SímboloNoTerminal
Símbolo=SímboloTerminal
21 Sintaxis del lenguaje de definición de la gramática.
CadenaVacía será un carácter configurable desde el menú de opciones y que representará al
símbolo sin realización fonética. No todos los algoritmos de análisis sintáctico toleran gramáticas
con cadena vacía, a si que su aceptación o no al usar la gramática dependerá del algoritmo en ese
momento activo.
El carácter espacio en blanco ' ' será considerado separador de símbolos, al igual que la
barra disyuntiva '|', el signo de igualdad '=' y el retorno de carro. No lo serán los caracteres
predefinidos '+', '*', '(', ')', que deberán llevar intercalado antes del siguiente símbolo un separador.
Para utilizar un carácter predefinido dentro de un símbolo cualquiera deberá ir precedido de
la barra de división '/'.
No se debe usar tabuladores ni barra hacia atrás '\', aunque lo permita el verificador. Este
distingue entre mayúsculas y minúsculas.
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
El símbolo a la derecha del igual en la primera regla definida por nosotros será tomado
como axioma generador del lenguaje. Si deseamos más de un axioma, la primer regla será del tipo:
Axioma=Axioma_1 | Axioma_2...
Finalmente, queremos reseñar que la notación descrita es una versión simplificada de la
BNF extendida, no permitiéndose en la nuestra la anidación de paréntesis, estructuras del tipo (Términos)* o (Términos)+ ni la inclusión de barras disyuntivas en el interior de los paréntesis. La razón
43
hay que buscarla en la "regularización" y desestructuración que puede suponer para la gramática
de contexto libre su uso. Por ejemplo:
-lo incluido dentro de un paréntesis, si tiene una estructura compleja o recursiva, bien
merece la definición de un nuevo símbolo terminal
-si un paréntesis pudiera contener diversas alternativas, es que esas diversas alternativas
realizan una misma función sintáctica que convendría especifica
-la posibilidad de equivocarse al escribir una regla complicada es grande
Por todo esto no optamos por la potencia de la BNF al completo.
ORACION=(MOInicial) ORACION1
ORACION1=Proposición (MOFinal)|OCompuesta (MOFinal)
ORACION=(SP Coma) OImperativa|OImperativa Coma SP
ORACION=Interrogación Proposición1 Interrogación
ORACION=Exclamación Proposición1 Exclamación
ORACION=Exclamación OExclamat Exclamación
OExclamat=OInterrog
ORACION=Interrogación OInterrog Interrogación
VII.6 Semántica de la notación empleada
Cada carácter especial posee una significación predefinida y hasta cierto punto inalterable.
La barra disyuntiva '|' indica que las cadenas de símbolos que separa son distintos modos de
desarrollar el símbolo no terminal que encabeza la regla.
El signo igual '=' permite marcar al símbolo a su izquierda como no terminal.
Las cadena de símbolos entre paréntesis serán opcionales, es decir, el símbolo no terminal
de la regla podrá desarrollarse tanto con su concurso como sin él.
La adición de un signo más '+' al final de un símbolo equivale a decir que la regla acepta la
43
La notación se hace compacta y formateada como la ideal
para un lenguaje regular.
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
autoconcatenación de dicho símbolo un número de veces indeterminado pero no nulo.
La adición del ´*´ equivale a añadir un '+' y encerrarlo todo, el símbolo y el más, entre
paréntesis (pudiéndose así repetir el símbolo de 0 hasta INFINITO).
Si se elige la opción de simplificación de árboles, todos los símbolo acabados en un
44
número o un subrayado '_', no aparecerán en la pantalla ni en los ficheros generados.
VII.7 Extensión de las reglas
Los algoritmos que emplearemos usan reglas en notación simple o en una derivada de ella
(la Forma Normal de Chomsky típica del CYK). El esfuerzo de compactar varias reglas en una de
formato regular será por lo general estéril, ya que debemos diseñar un algoritmo que descompacte
lo que hemos compactado.
El método directo de compilación de reglas complejas tiene dos pasos:
-desdoblar las disyunciones, creando una nueva regla temporal por cada alternativa. De la
regla:
Install Equation Editor and doubleclick here to view equation.
saldrán:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
En el árbol sintáctico de la regla equivale a eliminar las reglas
SímboloNoTerminal=Expresión1, Expresión1=Expresión1 | Expresión2 y Expresión1=Expresión2.
-aplicar la siguiente semántica definida semiformalmente en la ilustración 23:
44
Ver apartado dedicado a la sintaxis X-barra.
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
Partiendo del árbol sintáctico de la regla,e inicializando
a 0 la variable InParéntesis y a 1 MaxRegla:
-si existe una regla Término2=Símbolo,
AñadirSímbolo();
-si Símbolo=SímboloTerminal,
desde la regla nº1 hasta la MaxRegla,
si InParéntesis==1,añadir SímboloTerminal a
las reglas pares;
si no,añadirlo a todas;
-si Símbolo=SímboloNoTerminal,
desde la regla nº1 hasta la MaxRegla,
si InParéntesis==1,añadir SímboloNoTerminal a
las reglas pares;
si no,añadirlo a todas;
-si Términos=Símbolo Término2,
AñadirTérmino2();
-si Términos=Término2
AñadirTérmino2();
-si Símbolo=CadenaVacía,
desde la regla nº1 hasta la MaxRegla,
si InParéntesis==1,añadir CadenaVacía a las
reglas pares;
si no,añadirlo a todas;
-si Término=( Términos ),
copiar las reglas desde la primera hasta MaxRegla
en las posiciones MaxRegla+1 hasta 2*MaxRegla;
MaxRegla=2*MaxRegla;
AñadirTérminos();
23 Algoritmo de extensión de reglas.
Un ejemplo de extensión de regla sería:
Install Equation Editor and doubleclick here to view equation.
que daría lugar a 2 elevado a 6 reglas (donde 6 es el número de paréntesis):
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
⋅
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
Install Equation Editor and doubleclick here to view equation.
Evidentemente la compilación de reglas es, de este modo, ineficiente. El número de reglas
así obtenido crece de un modo polinomial y no exponencial.
VII.8 Dependencias intra-gramaticales
La escritura de la gramática en forma de varios fichero relacionados genera un conjunto de
inter-dependencias que conviene no lleguen a ser molestas.
Las categorías léxica de cada una de las palabras del diccionario ha de ser traducida a
45
categoría(s) sintáctica(s) en el fichero-interfaz . El "ingeniero lingüístico" que trabaje en el
desarrollo de una gramática estará más seguro si el lexicón contiene al menos una palabra
perteneciente a las categorías léxicas posibles; y que no se emplee ninguna con una categorización
gramaticalmente no factible. Además el diccionario deberá tener un formato correcto y estar
correctamente ordenado.
Las categorías sintácticas del fichero .REG han de corresponderse biunívocamente con los
símbolos terminales del .GRA, y éstos deben ser alcanzables a partir del axioma.También los
símbolos no terminales deben ser todos ramificaciones del primero de ellos, el axioma.
No deben existir reglas anulables sin cadena vacía (son indicio de error de escritura). El
carácter opcional de todos los elementos del siguiente sintagma nominal no debe ser así expresado:
SN=(Det) (Sust) (Adj) (SintagmaPreposicional)
sino que deberíamos escribir:
SN=(Det) (Sust) (Adj) (SintagmaPreposicional) #
suponiendo que la cadena vacía sea aceptada por el algoritmo de análisis y usemos el
carácter '#' como meta-CadenaVacía.
Los ciclos infinitamente ambiguos como (SN=SN1=SN2=SN) deben ser detectados y
rechazados(cualquier SN admitiría un número no finito de análisis igualmente correctos, algo
evidentemente absurdo e indeseable.
Una opción nos debería permitir verificar que no existen recursiones a derechas o a
izquierdas (algo que algunos algoritmos no permiten), así como decidir el modo en el que son
compilados los símbolos afectados por un signo más (cada símbolo de este tipo da lugar a dos
reglas que podrían ser A*=A* A y A*=A, o bien A*=A A* y A*=A).
45
Es recomendable que,cuando la traducción no es ambigua,
los nombres coincidan salvo ligero cambio de mayúsculas por
minúsculas(Ej:Artículo=artículo) siguiendo una convención que
faciliten la escritura.
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Nombre de archivo no especificado.
Ilustr. 18 Esquema global del entorno.
definido.
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
VII.9 MENÚ PRINCIPAL
Al comenzar la ejecución del programa, y tras la cabecera gráfica y la explicativa , entramos
en el menú principal.
Para escoger una opción debemos colocar la barra de selección sobre ella empleando las
flechas hacia arriba y hacia abajo, la tecla Inicio para ir a la primera opción y a la tecla Fin para ir a
la última. Pulsando entonces Retorno de Carro (o la tecla Intro), se ejecutará la opción elegida.
Pulsando la letra resaltada en mayúsculas dentro de la opción (en mayúsculas o en minúsculas, dará
igual), obtendremos el mismo efecto.
Cuando comenzamos una sesión de trabajo con la intención de empezar, continuar o
depurar el diseño de una gramática, dos serán las opciones más habituales (y que por ello serán las
primeras):
-"Cargar en la memoria una gramática para su utilización"
-"Editar fichero específico o no"
Opciones auxiliares independientes de las anteriores serán:
-Ejecutar comando o fichero del Dos
-Finalizar la sesión de trabajo
Dependientes de que se cargue en memoria una gramática tendremos:
-Analizar fichero de Texto
-Mostrar las Reglas de la gramática
-Mostrar los Símbolos de la gramática
-Listar las palabras de una categoría léxica
VII.9.1 Cargar
Lo normal será comenzar a trabajar deseando probar nuestra gramática con nuevos textos,
y basándonos en los resultados, modificarla o no.
Las características de nuestro modelo por ficheros hacen necesario que se verifique la
corrección de la gramática, y la transforme.
Para una mayor claridad, legibilidad y facilidad de estudio, no escribiremos directamente el
fichero .GRA, sino que en un fichero .CMT (de CoMenTario) escribiremos nuestras reglas en
formato .GRA acompañadas de una líneas de comentarios, notas importantes y ejemplos. Cada una
de esas líneas irá precedida de un par de caracteres de identificación que indicarán que para crear
automáticamente el fichero .GRA, esas líneas deberán ser eliminadas (aunque dicha información
quedará convenientemente guardada, como ya veremos en otra opción).
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
La lectura del recientemente creado .GRA o del .REG, el .AUX o el .DIC puede dar lugar
a detección de incorrecciones, sólo la primera de las cuales se mostrará en pantalla, ya que a tal
efecto se generarán: HayError.GRA, HayError.REG, HayError.AUX y HayError.DIC.
VII.9.1.1 Avisos y errores
Si al revisar el diccionario se encuentra que alguna de las Categorías Léxicas definidas en
.AUX no es asignada a ninguna palabra del diccionario, se incorporará al fichero AUSENTES.DIC
del siguiente modo:
%s=NumeroDeLaCategoríaLéxicaAusente
Si el desajuste se debe que el fichero .AUX que traduce las categorías léxicas a números
(los empleados en el diccionario), nos hemos olvidado de alguna, definida previamente en el .REG,
en AUSENTES.AUX nos encontraremos con:
CategoríaLéxicaInexistente=%u
Cuando una categoría terminal, presente en la gramática, carece de traducción a categorías
léxicas en .REG, AUSENTES.REG contendrá una línea como la que sigue:
CategoríaSintácticaNoTraducida=%s...
Como el fichero .GRA se obtiene automáticamente y sin errores del .CMT, y éste no
46
depende jerárquicamente de ningún otro, no será posible crear AUSENTES.GRA .
En HayErrores.DIC podemos también encontrar:
-"Error de Formato en línea %s", que puede ser debido a:
-la presencia de una línea vacía
-la no categorización de la palabra
-que palabra y número de categoría no se hallen
por espacios en blanco.
Si no nos encontramos con línea vacía, en AUSENTES.DIC podremos ver:
separados
PalabraLeída=%u
-"Número de categoría desconocido", o sea, mayor que el máximo contabilizado en .AUX;
en AUSENTES.AUX encontraremos:
46
Como los símbolos no terminales serán únicamente aquellos
que se encuentren a la derecha del igual ,si usamos pero no
"definimos por medio de reglas" uno de ellos , se considerará
que son símbolos terminales y en AUSENTES.REG se nos indicará la
imposibilidad de traducirlos a categorías léxicas.
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
%s=NumeroCategoríaSobrante
-"Palabra excesivamente larga", excede el MAXIMO=.
HayErrores.AUX nos puede señalar errores como:
-"Error de formato en línea %s", causado por una línea en blanco o la falta del signo igual"
-"Símbolo %s presente en .AUX no es usado en .REG": un simple aviso que hay una
categoría léxica que no está siendo usada
-"línea demasiado larga": no se puede leer entera.MÁXIMO=.
Los errores más típicos comisibles al escribir .REG son:
-"Error de formato en línea %s": ausencia del signo igual, utilización de símbolos no
permitidos como '|',... sin ir precedidos por /
-"Categoría léxica con nombre demasiado largo"
-"demasiadas categorías léxicas.MÁXIMO=".
-"línea demasiado larga.MÁXIMO=".
Para su aparición en HayErrores.GRA están reservados:
-"Símbolo demasiado largo %s.MÁXIMO=".
-"Falta el '='en línea %s"
-"Utilización de '|' en símbolo %s de la línea %s"
-"Inmediatamente tras un ')' no pueden aparecer '*' o '+'"
-"Demasiadas reglas.MÁXIMO=".
-"Demasiados símbolos.MÁXIMO=".
-"Demasiadas reglas tras transformación.MÁXIMO=".
-"Demasiados símbolos tras transformación.MÁXIMO=".
-"Presencia inaceptable de la CadenaVacía"
Finalmente, HayErrores.CMT puede contener:
-"Gramática sin reglas"
-"Línea demasiado larga.MÁXIMO=".
En AVISOS.GRA:
-"regla %s no comentada"
-"regla %s carente de NOTAS"
-"regla %s sin ejemplos
-"gramática no comentada": ninguna regla tiene comentario alguno
-"gramática carente de NOTAS": ninguna regla tiene una NOTA
-"gramática sin ejemplos": no se halla presente ningún ejemplo clarificador para ninguna
regla
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
En AVISOS.GRA:
-"la categoría léxica, indirectamente presente a través de %s+, ha sido creada"
-"Debido a la recursión se ha creado las reglas..."
-"Se ha usado recursión a izquierdas"
-"Se ha usado la cadena vacía"
En AVISOS.AUX:
-"No se usa la categoría léxica %s"
En AVISOS.DIC:
-"Falta alguna palabra perteneciente a la categoría %u"
VII.9.1.2 Estadísticas
En Estadist.GRA:
-Relación entre el número de reglas desarrolladas y el número de símbolos:índice de la
compacidad de la forma de escribir la gramática.
-Número de reglas en las que aparece cada símbolo.
-longitud media de las reglas en número de símbolos.
En Estadist.REG
-número medio de categorías léxicas asignadas a una categoría sintáctica.
-relación entre número de categorías léxicas y número de categorías sintácticas terminales.
En Estadist.DIC:
-longitud media de las palabras del diccionario
-número de las mismas
-tiempo de lectura medio para la última palabra
-número de palabras que comienzan por cada uno de los caracteres ASCII permitidos.
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Nombre de archivo no especificado.
Ilustr. 19 Proceso de precompilación.
definido.
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
VII.9.2 Editar
La simplicidad de los formatos requeridos y la inexistencia de símbolos predefinidos largos
(tampoco hay muchos caracteres reservados), nos desaconsejó la creación de un editor orientado
por sintaxis. Como el entorno no es un fin en sí mismo, ni una mera práctica académica, las
utilidades que posee el editor Norton nos parecieron suficientes para la tarea de editar los ficheros
gramaticales sin mayores dificultades. Destacamos de entre las características de este editor:
-su reducido tamaño, que permite ejecutarlo desde el entorno sin necesidad de "overlays"...
-no incluye en el texto caracteres especiales que "falsearían" lo escrito
-permite limitar la longitud de línea, con salto automático de la misma
-si el fichero que editar es grande (léase, el diccionario) y no cabe entero en la memoria, lo
carga parcialmente
-las funciones habituales de manejo de bloques, búsquedas, salto a comienzo o fin de
fichero (consultar la ayuda pulsando la tecla F1)
-es posible editar dos ficheros al mismo tiempo, transferir información de uno a otro,
comparar ambas ventanas...
Este último detalle es muy importante, ya que los ficheros de AUSENCIAS.* deberán
editarse en paralelo con sus respectivos ficheros gramaticales; la exigencias de la jerarquía de
ficheros hace también aconsejable la edición simultaneada del .GRA y el .REG, de este y el .AUX
y,finalmente, del .AUX y el .DIC.
VII.9.2.1 Submenú de edición
De los específicos significados de las extensiones de los distintos fichero generados por el
entorno, o de los necesarios para su funcionamiento, surge el submenú de edición.
Para escribir una gramática sólo necesitaremos usar la opción "Edición de ficheros
gramaticales", que al ser escogida dará paso a otro menú con las distintas gramáticas contenidas en
47
el directorio actual . En el caso de no haber ninguna nos lo indicará un mensaje en pantalla:
deberemos editar la nueva gramática desde la opción de "Editar fichero no específico").
Si elegimos una de las gramáticas, lo que aparecerá en la pantalla será un menú, también de
barras, con las extensiones de los ficheros de la gramática seleccionada. Esta será la última elección,
que nos conducirá al editor Norton con el fichero que hemos ido especificando paso a paso.
La edición de ficheros de textos nos permitirá crear los córpora que comprueben la bondad
de nuestros desarrollos lingüísticos. Al escogerla aparecerá el menú de barras con los ficheros
.TXT presentes en el directorio.
Dentro de la opción relativa a ficheros de resultados se nos pedirá que escojamos un texto
47
Realmente llega con la existencia en dicho directorio de
un fichero .CMT,no son necesarios .GRA,.REG...
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
de los disponibles en el disco, para luego solicitarnos qué tipo de resultado nos interesa, si árboles
sintácticos dibujados mediante caracteres ASCII, paréntesis etiquetados, estadísticas de utilización
de reglas y símbolos o tiempos de "parsing", errores hallados en las oraciones agramaticales...
Los ficheros AUSENTES.* y HayError.* tienen cada uno su opción de menú y su menú
intermedio, siguiéndose una mecánica de selección similar a los casos anteriores, solamente en la
opción final, "Edición de ficheros no específicos", se entrará directamente al editor, que es quien
nos pide, sin más menús, el nombre del fichero que editar.
Tras la edición de un diccionario, se verificará automáticamente la corrección de su
ordenamiento.
Recordar que las opciones de un menú que contengan una letra resaltada en mayúsculas
podrán ser escogidas sin más que presionarla en el teclado, estén o no bloqueadas las mayúsculas, y
que pulsando ESC volveremos al menú precedente, incluido el principal.
Los ficheros que realizan listados del disco duro, darán u mensaje de error "No se ha
encontrado ningún fichero" si su busca ha sido infructuosa.
VII.9.3 Finalizar
Para salirse del programa deberemos escoger esta opción (o pulsar ESC, 'f' o 'F') y
responder 's' o 'S' a la pregunta de si deseados realmente salir del programa.
VII.9.4 Opciones
Un menú nos permite variar :
-los colores
-las características del análisis o la compilación de reglas
-guardar la situación actual
de los parámetros variables en el fichero de configuración por defecto
VII.9.5 Mostrar reglas
Aparecerán las reglas extendidas de veinte en veinte. Moviendo la barra resaltada
recorreremos las reglas; para ver de qué regla no extendida proceden, pulsaremos F2.Las notas,
comentarios y ejemplos presentes en nuestro fichero .CMT se podrán ver por medio de F3.
Todas las convenciones de manejo de menús de barras son válidas aquí: tecla de Inicio,
tecla de Fin...
ESC nos hará pasar a ver las siguientes reglas, y con Pausa volveremos al menú principal.
La velocidad, lenta, con la que se escriben en la pantalla las informaciones pedidas, se debe
achacar a la necesidad de leer los ficheros numerados (un número sin extensión) donde se guarda la
CAPITULO VII : EL ENTORNO PARA EL DESARROLLO DE GRAMÁTICAS
¡Error!Marcador no
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
definido.
regla original y su información asociada. Las reglas creadas por el programa para gestionar los
símbolos acabados en '+' poseen comentarios también creados por programa.
ORACION=(SP Coma) OImperativa|OImperativa Coma SP
<< Las oraciones Imperativas admiten llevar "por favor"...
<< antepuesto o pospuesto.
ºº LA SEGUNDA ALTERNATIVA CARECE DE PARÉNTESIS PARA EVITAR
LA DUPLICACIÓN DE REGLAS
çç por favor , dame lo mío.
çç dame lo mío , por favor.
ºº
Ilustr. 20 Comentarios asociados a una regla.
VII.9.6 Mostrar símbolos
Permite ver, de veinte en veinte, los símbolos definidos por el usuario al escribir la
gramática y las categorías léxicas del diccionario. Seleccionando uno de ellos y pulsando F2, para el
símbolo seleccionado, una ventana nos mostrará de qué símbolos no terminales puede ser nodo-hijo
en un árbol sintáctico (eso quiere decir que, siguiendo al notación por niveles, si Det aparece en una
regla SN1=Det..., no será SN1 quien aparezca, sino SN, símbolo no terminal visible). También se
nos dirá cuáles son las categorías léxicas en las que admite debajo (si editamos las categorías
léxicas, la única información disponible será esta última invertida: en qué categorías sintácticas
terminales se puede convertir la seleccionada).
Las convenciones son las de siempre; pulsando ESC saltamos a los siguientes veinte
símbolos o categorías léxicas (éstas aparecen cuando se acaban los anteriores); la tecla Pausa nos
devuelve al menú principal.
VII.9.6 Analizar texto
Un menú de barras nos muestra los ficheros .TXT que tenemos en el directorio actual, sin
verificar si se trata de ficheros de auténticos ficheros de texto (las longitudes de línea menores que
el máximo permitido, no existencia de símbolos especiales como el tabulador...).
Frase a frase (una frase será cualquier secuencia de caracteres ASCII acabada con un
punto) se buscarán la palabras en el diccionario categorizado. Las que no se encuentren, serán
acumuladas en NuevaPal.DIC para que al acabar de analizar el texto se llame al editor Norton y
categorizar NuevaPal.DIC; al salir del editor se mezclará el fichero editado con el diccionario y se
ordenará; nos preguntará si deseamos o no repetir el análisis.
Si una línea del texto excede la longitud máxima, se nos indicará y finalizará el análisis.
CAPITULO VIII: LINGUISTICA APLICADA
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
CAPITULO VIII
LINGÜÍSTICA APLICADA
VIII.1 Los conceptos de oración y enunciado
Si se suele coincidir en la definición de enunciado como una cadena perteneciente al habla
situada entre dos pausas mayores (generalmente puntos), la definición del término oración ha
suscitado abiertas controversias.
Desde un enfoque semántico, la oración estaría constituida por uno o más enunciados con
sentido completo. La formalización del concepto de sentido completo es posible en determinados
entornos no completamente naturales (accesos a bases de datos, fundamentalmente, donde cad
enunciado debe corresponderse con una petición a la misma, siendo inaceptables las peticiones cuya
lógica no se ajuste al esquema conceptual de la base). En ámbitos más generales y no tan
restringidos, la formalización parece hallarse lejos y, en todo caso, precisaría de la intermediación
de la sintaxis.
Ante estas dificultades preferiremos el enfoque sintáctico-formal: para el generativismo, la
oración es el axioma del que se parte para analizar la lengua. Esta axiomatización no presupone
definición alguna: con una adecuada escritura de las reglas la oración puede variar sustancialmente
de contenido, desde la más complicada estructura subordinada al más simple sintagma pasando por
limitarse a las proposiciones dotadas de verbo en forma personal.
El enunciado será bien fragmentario bien oracional, y la oración podrá ser de posición
relativa (proposición inserta en otra de orden superior) o absoluta.
VIII.2 Sintaxis del enunciado fragmentario
Rapidez, emotividad o economía expresiva hacen que en diálogos, obras literarias,
publicidad... se pausen como enunciados algunos sintagmas que desde un punto de vista formalista
carecen de autonomía sintáctica. La entonación y el contexto lingüístico o extralingüístico nos
permiten asignar una significación a breves respuestas, exclamaciones, títulos...
Con nuestro entorno sólo podremos estudiar su sintaxis, teniendo que pasar por alto cómo
la variación de la entonación convierte "¡Bien!" en una expresión irónica o de reproche con
significado opuesto al habitual.
Aunque desde posiciones generativistas (Hernanz[87], página 56) se ha criticado el analizar
CAPITULO VIII: LINGUISTICA APLICADA
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
como oraciones los simples fragmentos carentes de verbo en forma personal en torno al cual
ordenarse, o sin independencia sintáctica, el pragmatismo que nos guía hace aconsejable tratar a la
vez las oraciones formales y las "informales", aunque sin mezclarlas. Sin el estudio sintáctico de los
fragmentos no podremos abordar sistemas basados en diálogo de una mediana complejidad, ni la
comprensión de textos con pocas restricciones.
En esta recta final cambiaremos el nombre de nuestro axioma gramatical, que ya no será la
oración sino el enunciado, y distinguiremos entre oraciones formales y fragmentos (éstos no serán
susceptibles de aparecer en posiciones no absolutas: subordinaciones no entrecomilladas por ser
literales...).
Así nuestra gramática será más robusta frente a texto irrestringido, aunque sin que
pretendamos hacerla plenamente robusta, que acepte todo enunciado como correcto y le asigne una
estructura conocida o improvisada. En un entorno de reconocimiento de voz eso exigiría una tasa
de reconocimiento de palabras cercana a la infalibilidad, y eliminaría totalmente la posibilidad de
48
guiado por sintaxis .
VIII.2.1 Fragmentos y elipsis verbal
Conviene diferenciar a los fragmentos de las proposiciones con elipsis verbal recuperable a
partir del contexto lingüístico oracional. En:
"el ganador recorrió 220 kilómetros y el segundo clasificado, la mitad"
no podemos considerar que "el segundo clasificado la mitad" constituya un fragmento coordinado
copulativamente con una proposición, ya que la pausa que antecede a "la mitad" nos señala la
ausencia del verbo, que, debido al paralelismo entre los sintagmas nominales, fácilmente
recuperamos de la primera proposición.
No obstante, la ausencia de antecedente en el interior del presente enunciado, si que dará
lugar a fragmento:
"el segundo clasificado, la mitad"
En la subordinada adverbial causal:
"porque él no quiso"
encontramos un verbo en forma personal articulando toda una proposición, pero ésta indica la
causa de un efecto no comprensible simplemente por el contenido del enunciado. Un "parser"
48
En sistemas de lectura o comprensión de texto escrito y
fiable,el análisis de fragmentos muy alejados del concepto
clásico de sintagma,una heurística de emergencia debería
intentar ,partiendo de los constituyentes mayores o estadísticamente más probables,usar programación dinámica...para construirles un árbol.Ver Russi[].
CAPITULO VIII: LINGUISTICA APLICADA
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
superior, de carácter semántico pragmático, debería enlazar nuestra subordinada con su
correspondiente principal, completando así el sentido del texto.
VIII.2.2 Clasificación pragmática de los fragmentos
-respuestas: ver el capítulo dedicado a la oración interrogativa.
-exclamativas: consultar "Las oraciones exclamativas"
-imperativas informales:
"Fuera"; "casa"
-descripciones rítmicas:
"el patio, con su fuente y sus rosales.La cocina, con su puchero y su
gazpacho.Todo era típico"
-títulos de todo tipo de obras, objetos...
"El sí de las niñas"
-refranes populares:
"perro labrador, poco mordedor"
-dichos y tópicos:
"un hombre, un voto"
-anuncios:
"consulta a las cinco"
-fragmentación retórica:
"nunca profeséis de gracioso.porque siempre hay ganas de reír.Aunque no falten
motivos para ello"
-fragmentos fáticos:
"hola"; "¿que tal?"
VIII.2.3 Clasificación sintáctica de los fragmentos
-proposición de infinitivo:
"No tener tanto que trabajar"
"a correr al patio hasta que os canséis"
-proposición de participio:
"marido cansado de esperar a su esposa"
"prohibido el paso"
CAPITULO VIII: LINGUISTICA APLICADA
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
-proposición de gerundio:
"jugador lanzando un golpe de castigo"
-otras subordinadas substantivas:
"que te digan a los sesenta que ya eres viejo..."
"¡que ya no sirves!"
-otras subordinadas adjetivas:
"que te quiere bien" (a modo de comentario)
-otras subordinadas adverbiales:
"a pesar de lo dicho"
-sintagmas nominales varios:
"papá y el periódico"
"peligro de muerte"
"silencio"
"última edición"
-sintagmas adjetivales varios:
"verde por fuera,rojo por dentro"
-sintagmas adverbiales varios:
"Bien"
"nunca más"
-sintagmas preposicionales:
"¡a mi edad!"
"¿para qué derramar más sangre?"
VIII.3 La oración formal
Para que un enunciado sea formalmente una oración completa, deberá tener un verbo en
forma personal (por elevación X con barra, un SintagmaVerbal).La misma caracterización de ese
verbo como personal implica la existencia explícita o implícita, de un sujeto concordante con él.
Aunque existen verbos que no admiten sujeto (meteorológicos como llover o impersonales reflejos
como en se come bien allí), la mayoría de las oraciones que en castellano carecen de sujeto poseen
desinencias verbales que nos permiten recuperarlo.
No consideraremos la flexión como constituyente inmediato de la proposición debido a que
ello supone una transformación en la estructura sintáctica por extracción de un elemento del
sintagma verbal para situarlo entre éste y el sujeto. Como nuestras reglas de contexto libre impiden
estos fenómenos, la flexión debe ser un rasgo que el sintagma verbal transmite al nivel proposición,
49
que será quien verifique la concordancia con el sujeto .
49
En los casos de elisión de sujeto deberá descender al sujeto elidido y caracterizarlo para otras posibles concordancias o
determinaciones.
CAPITULO VIII: LINGUISTICA APLICADA
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
Pero la relación entre sujeto y verbo no se limita a la concordancia: pueden existir más
sintagmas nominales que concuerden con el verbo y no sean sujetos, incluso puede haber un solo
sintagma nominal que concuerde con el verbo y lo anteceda sin tener por ello que ser su sujeto:
Propos[SN[las] SV[cogieron] SNSujeto[entre Juan y Pedro]]
La función de sujeto no se somete fácilmente a las reglas sintagmáticas y precisaría de una
determinación posterior si no queremos limitarnos a oraciones de estructura:
Proposición→(SintagmaSujeto) SintagmaVerbal
o la muy ambigua:
Proposición→SintagmaVerbal Sujeto
En el capítulo de líneas futuras veremos como otros módulos adicionales de "parsing"
podrían contemplar este caso y el de los constituyentes discontinuos:
Proposición[ SV[ transcurre diabólicamente] Sujeto[ el tiempo] SV[ SPrep[ con lentitud
propia de otras épocas ]]]
VIII.3.1 El sintagma nominal
En torno al sustantivo (al menos principalmente) se ordena uno de los dos constituyentes
50
inmediatos de la oración: el sintagma nominal . Siguiendo la sintaxis X con barra, será la
proyección máxima del nombre, y en distintos niveles de ascensión se le irán añadiendo
determinantes, modificadores, la coordinación y la subordinación...
Aunque su papel temático o funcional varía (sujeto, objeto...), característica sintácticas
comunes a todos ellos los hacen perfectamente integrables en un análisis mediante ordenamientos.
Como muestra compárese la estructura de "una fuerte tormenta de nieve" en:
"una fuerte tormenta de nieve azotó la comarca" (sujeto)
"los meteorólogos anuncian una fuerte tormenta de nieve (objeto directo)
"todos temen el inicio de una fuerte tormenta de nieve" (término de un sintagma
preposicional complemento de nombre)
50
En Brucart[], al sintagma nominal y verbal se añade la
flexión,donde residirá la información de concordancia entre
ambos y que ,según los autores ,podrían ser considerado núcleo
de la oración.Como la flexión es parte del verbo,inseparable
sintácticamente de él,nuestro formalismo no podría interpretar
correctamente una gramática así.Los rasgos heredados por
elevación cumplirán un papel similar.
CAPITULO VIII: LINGUISTICA APLICADA
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
"el invierno comenzó con una fuerte tormenta de nieve" (término de un sintagma
preposicional complemento del verbo)
VIII.3.1.2 Constituyentes del Sintagma Nominal
Tres tipos de elementos, con sintaxis muy particulares, pueden constituirse en núcleos del
sintagma nominal: el nombre común, le nombre propio y el pronombre personal.
VIII.3.1.2.1 El nombre propio
Destacar sólo, dado que le dedicaremos a continuación un capítulo entero, que el
analizador léxico debería tener un mecanismo de inducción ya que no se basan en morfología ni son
numerables, siendo desaconsejable la lista cerrada salvo en dominios semánticos muy restringidos.
VIII.3.1.2.2 Los pronombres personales
Conservan restos del sistema de casos del latín: como sujeto sólo pueden usarse yo, tu...;
como complemento directo: la, lo...; como términos de una preposición no todos son factibles; al
ralizar funciones de complemnto directo equivalen a sintagmas con la preposición la...
Léxicamente presentan la particularidad de poder unirse al verbo y saltarse, al igual que las
contracciones, los espacios en blanco como delimitadores categoriales. Como los pronombres no
pueden ir tras el verbo de otro modo, la gramática será distinta si incluimos el pronombre en el
verbo o si los separamos.
Conviene categorizarlos por casos (sujeto, complemento directo...) y diferenciarlos para
limitar las posibilidades de coordinación y repetición (no es posible coordinar dos complementos
directos pronominales; raros son los casos de doble complemnto directo; no son posibles las
combinaciones le lo...).
En los casos de elipsis siempre es posible sustituir el verbo ausente por un pronombre
personal que concuerde con el verbo y realice las funciones del sujeto ausente.
VIII.3.1.1.3 El nombre común
Da lugar a la forma más general de sintagma nominal. Admite determinantes, sintagmas
adjetivos o preposicionales previos, aposiciones nominales adjuntas o explicativas, sintagmas
adjetivos y preposicionales posteriores, proposiciones de relativo con o sin preposición...
Las ambigüedades que pueden surgir de las reglas que contemplen tanta diversidad suelen
tener su origen en la rección prepositiva: si admitimos que cada nombre pueda tener como
complementos a sintagmas preposicionales sin restricción alguna, la presencia en el sintagma
nominal de varios complementos de ese tipo da lugar a, al menos, dos análisis: el segundo sintagma
como complemento del primero o como complemnto del núcleo. Si admitimos complementos
CAPITULO VIII: LINGUISTICA APLICADA
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
preposiconales dentro de sintagmas adjetivos o aque se encuentren más allá de una proposición de
relativo, las ambigüedades crecerán.
Para recortar su número, cada núcleo debe llevar codificada la información de
quépreposiciones pueden regirlo. El número de sílabas o palabras de los sintagmas intermedios
influye en la gramaticalidad de complementos lejanos, pero supone otra sencilla modificación en el
"parsing".
Los sitagmas preposicionales previos al núcleo son problemáticos. Su escaso uso
(generalmente por razones estéticas o de métrica) y la extrañeza que producen al oyente, nos
recomiendan su esclusión del patron más genérico del sintagma nominal.
VIII.3.1.3 ¿Nominalización o elipsis?
La ausencia de núcleo nominal en muchos sintagmas que pro su estructura deberían tenerlo
abunda en castellano. A lo largo de la historia de la lingüística se han sostenido diversas hipótesis
para su explicación:
-la nominalización del determinante: en sintagmas como un desesperado, este de verde, mis
viejos... la función de núcleo recaería sobre el artículo, el demostrativo, la familia léxixa de ningún...
-la nominalización de los complementos: o sea, del adjetivo, el sintagma preposicional o la
proposición de relativo en: el que te pegó, los blancos, los de Pamplona...
-la elipsis del núcleo nominal, que deberíamos extraer del contexto lingüístico o de
situación. Hablando de fútbol, los de negro serían los señores de negro, los árbitros; en los de
Pamplona se sobreentiende el núcleo habitantes...
Si admitimos una de las opciones pronominalizadoras, podríamos incluir en el lexico la
categorización de los elementos nominalizables como sustantivos; así madrileño sería nombre
común gentilicio además de adjetivo relativo a Madrid. La naturaleza sintáctica del problema no lo
hace aconsejable: los elementos pronominalizados sólo funcionan como tales en estructuras de
sintagma nominal muy determinadas. Deberíamos crear reglas que traten dichas estructuras y
utilizar categorías intermedias AdjetivoPronominalizado, ArtículoNominalizado... para dejar claro
en nuestros árboles cuál es nuestro modo de abordar el problema.
Si optamos por la elipsis (algo muy común en el generativismo) usaremos una categoría
51
vacía NucleoNominal sub lambda que deje constancia de la ausencia del sustantivo y permitirá a
otros módulos semántico-pragmáticos su relleno.
52
Aunque el tema no admite un tratamiento homogéneo (el artículo nuetro sí parece realizar
labores de núcleo al ir acompañado de adjetivos, sintagmas preposicionales o proposiciones de
51 Si el método de parsing no admitiera la cadena vacía siempre podríamos marcar la regla como especial y posprocesar los árboles
que la contengan.
52
En Hallebeek[91] se puede hallar una pequeña gramática para este tipo de sintagmas.
CAPITULO VIII: LINGUISTICA APLICADA
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
relativo), las diferencias entre los diversos planteamientos expuestos son mínimas al escribir las
reglas sintácticas (no funcionales).
VIII.3.2 El sintagma verbal
La importancia del verbo queda ya reflejada en su etimología ( verbum, la palabra).
Aunque mucha gente asocia palabra con sustantivo, es el verbo la más característica de las palabras
de una oración gramaticalmente completa.
Ya hemos visto como el verbo concuerda con un elemento externo a su propio sintagma, el
sujeto. Sin embargo, la verdadera riqueza sintáctica asociada a él se da en las relaciones que
mantiene con sus otros complementos. La intimidad de trato que el verbo tiene con sus objetos
directo e indirecto fue señalada por la gramática tradicional, diferenciando así a estos
complementos de otros calificados como accesorios o circunstanciales.
Estos últimos complementos no subcategorizados gozan de una notable libertad de
movimientos que dificultan considerablemente el análisis automático. Ellos provocan los más
abundantes casos de relaciones lejanas intraoracionales y sintagmas discontinuos, provocando la
multiplicación del número de ambigüedades que ya causaban los sintagmas preposicionales en el
interior de los nominales.Como es necesario establecer marcos de subcategorización para los
53
verbos, será en líneas futuras donde se siga tratando esta cuestión .
VIII.4 La coordinación y la yuxtaposición
Definiremos la coordinación y la yuxtaposición como la concatenación de dos sintagmas u
oraciones mediante nexos formales copulativos o yuxtapositivos, para formar un sintagma u
oración de nivel X-barra superior.
Bajo este paraguas aparentemente sencillo se cobijan gran diversidad de fenómenos:
oraciones asemánticas, jerarquías, subordinaciones sin nexo de subordinación tradicional,
cuestiones estilísticas, ambigüedad en el ámbito...
Desde un punto de vista tradicional, no deberíamos analizar la coordinación y la
yuxtaposición conjuntamente: la ausencia de nexo gramatical en la segunda las diferencia claramente. Sin embargo, las relaciones tan estrechas que mantienen y sus características formales comunes
justificarán nuestra decisión (lo formal o estructural es lo que mejor podemos tener en cuenta con
las gramáticas de contexto libre).
Aunque lo semántico no es objeto principal de nuestro análisis, no se puede dejar de señalar
que el significado desempeña un papel crucial en su funcionamiento. Desde concatenación de
oraciones no relacionadas:
53 Por esta misma razón en la gramática incremental que estamos desarrollando nos hemos centrado en la estructura del sintagma
nominal.
CAPITULO VIII: LINGUISTICA APLICADA
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
"Mis tíos se han ido de casa; el caballo parece mayor"
a la yuxtaposición con valor de coordinación:
"Comió peras, manzanas..."
o la subordinación consecutiva por medio de coordinación :
"fue empujado y cayó"
La independencia gramatical, y no la lógica, nos guiará a la hora de analizarlas: un módulo
semántico o pragmático debería estudiar la propiedad o no de las concatenaciones que la sintaxis
ha aceptado. Esa misma independencia las diferenciará de las subordinadas incluso cuando todas
ellas puedan ser funcionalmente equivalentes: las oraciones subordinadas se integran en sus
respectivas principales; las coordinadas y yuxtapuestas, no.
VIII.4.1 Paradigma transformacional
Al enfrentarnos a oraciones como:
"Juan comió y bebió todo lo que quiso"
ó
"Juan es el autor y director de la obra"
podíamos considerar que se han producido una serie de elisiones no particularmente complejas a
partir de:
"Juan comió todo lo que quiso y Juan bebió todo lo que quiso"
"Juan es el autor de la obra y Juan es el director de la obra"
Un enfoque radicalmente transformativo conlleva complicadas manipulaciones, elisiones...:
"Juan y María fueron al parque"
que realmente, en la estructura profunda sería:
"Juan fue al parque y María fue al parque"
Otro ejemplo sobre la existencia de coordinación y yuxtaposición en niveles no oracionales
lo encontramos en:
"un capón y una perdiz fueron comidos por ellos durante el banquete"
VIII.4.1 Aritmética coordinativa
CAPITULO VIII: LINGUISTICA APLICADA
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
Hasta ahora la mayoría de los ejemplos vistos seguían las reglas habituales de la aritmética:
singular+singular == plural
singular + plural == plural
plural + singular == plural
plural + plural == plural
Existen, sin embargo, casos donde la suma de números no se produce:
"la directora y autora de la obra fue llamada al orden"
aunque:
"directora y autora de la obra fueron llamadas al orden"
También:
"me gustó la chica flaca y joven"
pero:
"la flaca y la joven no me gustan"
Parece que la determinación desempeña un papel importante para no tener que admitir
ambigüedad en el número a la hora de analizar los sintagmas nominales:
SN[ Det[ la ] Núcleo[ directora y autora ]]
y
SN[ SN1[ directora ] y SN1[ autora ]]
Así mismo:
SN[ Det[ la ] Núcleo[ chica ] SAdj[ flaca y joven]]
y
SN[ SN1[ la flaca ] y SN1[ la joven ]]
VIII.4.2 Coordinación y elipsis
La fuerte relación entre elipsis y coordinación da lugar a abundantes ambigüedades:
"estos tres y aquellos cuatro maleantes..."
CAPITULO VIII: LINGUISTICA APLICADA
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
podría ser estructurado como:
SN[ Det[ estos tres y aquellos cuatro ] maleantes ]
o como:
SN[ SN1[ Det[ estos tres ] ] y SN1[ Det[ aquellos cuatro] maleantes ] ]
dependiendo del contexto extralingüístico en que sea enunciada (debe ser un módulo
superior el que desambigüe).
El análisis automatizado basado en ordenamientos encuentra más ambigüedades que las
reales, debido a la falta de información semántica, pragmática o de pausado. En:
"mujeres que van y vienen corriendo"
versus:
"mujeres que van | y vienen corriendo"
o:
"el ganado o los carros cavando las tierras o llevando en la cabeza las sellas del
agua o las cestas con fruta o pescado"
donde formalmente es posible la coordinación inverosímil:
"el ganado o los carros...o las cestas...o pescado"
VIII.4.3 Homogeneidad de coordinación
Habitualmente las estructuras coordinadas son del mismo tipo: sintagmas nominales,
sintagmas adjetivales, verbos... La regla general nos dice que es la función más que la sintagmática
la que rige la coordinación:
"el chico pelirrojo y de mirada tierna..."
"del amigo amable y que te asegura fidelidad eterna,
desconfía"
donde se coordinan diferentes sintagmas en función de modificador del sustantivo.
A pesar de esto el planteamiento sintáctico nos será útil sin más que permitir la
coordinación heterogénea en entornos delimitados, evitando aceptar ejemplos extremos
(gramaticales o no):
"comió lechuga y de pie"
CAPITULO VIII: LINGUISTICA APLICADA
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
VIII.4.4 Tipos de coordinación oracional y su prioridad
Tradicionalmente la coordinación se divide (por sus nexos y significación) en:
-copulativa : "ni corrió ni se cansó"
-disyuntiva : "lo mató o hizo algo parecido"
-adversativa : "es muy trabajador pero no le cunde"
-distributiva : "ora corre,ora anda: nunca está quieto"
-explicativa : "es gallego, o sea, es peligroso"
De ellas sólo la adversativa no admite ni estructuras bimembres ni recursión.
?"se comió el pastel entero, pero no le sentó mal; sin embargo fue al médico"
En las principales gramáticas consultadas no se analiza la combinación en una misma
proposición de distintos tipos de coordinaciones (posiblemente por su no existencia en los textos
literarios de donde suelen sacar los ejemplos):
"hombre y mujeres, niños desamparados, ancianos y ancianas..."
VII.5.La sintaxis X con barra
Es normal que las categorías léxicas se proyecten sintacticamente dando lugar a sintagmas
que lleven su nombre: (sintagmas verbal, nominal, preposicional...) porque, de algún modo, esas
categorías constituyen el nucleo que les da entidad.
Dicho camino de ascensión ha sido directo en la gramática tradicional, sin reflejar
subestructuras intermedias presentes en dichos sintagmas:
-la relación especial entre un sustantivo y sus modificadores o entre un verbo transitivo y su
complemento directo (al que va casi siempre adosado, sólo delante en las interrogativas...).
-la recursividad de un elemento (los varios adjetivos consecutivos que pueden anteceder o
suceder a un sustantivo...) no debe multiplicar la presencia de éste en el árbol, como lo harían reglas
como:
Install Equation Editor and doubleclick here to view equation.
donde se repite SintagmaAdjetival, un símbolo del cual no se puede prescindir en el árbol
Con el fin de aumentar de un modo sencillo y sistemático las categorías clásicas, Jackendoff
propuso que cada una de ellas adoptara una estructura de niveles numerados que toman su nombre
del núcleo del sintagma y que se relacionan entre si de acuerdo con el patrón:
Install Equation Editor and doubleclick here to view equation.
CAPITULO VIII: LINGUISTICA APLICADA
⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
¡Error!Marcador no definido.
En nuestro entorno no seguiremos de un modo purista la notación X con barra empleada
por los lingüistas y conservaremos la noción de Sintagma nominal sin considerarla simplemente
como la proyección máxima del nombre y así evitar que tengamos que definir un número máximo o
mínimo de proyección (cuestión siempre muy polémica). Como los niveles intermedios,
caracterizados por acabar en un número, no aparecerán en los árboles para evitar que éstos sean
excesivamente densos a la vista y aunque se usen en la estructuración de la gramática, debemos
cuidar especialmente la existencia de extremos dibujables, que no acaben en número o comiencen
por subrayado.
Como ejemplo de su uso encontramos en M. L. Gutiérrez[78], convenientemente
transformado a reglas sintácticas:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
CAPITULO IX : EJEMPLO DE DESARROLLO DE UNA GRAMÁTICA
¡Error!Marcador no definido.
CAPITULO IX
EJEMPLO DE DESARROLLO DE UNA GRAMÁTICA :
EL NOMBRE PROPIO
Para explicar la metodología recomendada para construir una gramática que cubra
determinados aspectos del castellano natural, estudiaremos incrementalmente la del nombre propio,
generando un pequeño conjunto de reglas para los sintagmas nominales que tengan al nombre
54
propio como núcleo .
Los manuales generales de gramática del español apenas tratan las estructuras de dichos
sintagmas (especialmente si se apoyan en textos literarios para dar ejemplos). Se justifica su
carácter de categoría léxico-sintáctico-semántica diferenciada apoyándose en que:
-se escriben con mayúsculas y muchas veces este hecho nos permite reconocerlos
-suelen carecer de morfemas (salvo casos de composición como en: calle de
"Rompeteelalma", donde se nominaliza y se hace propia una expresión...)
-no se hallan en los diccionarios sino en las enciclopedias porque carecen de semántica
connotativa; Luisa, Barcelona... no son definibles sino que simplemente denotan seres humanos,
entidades geográficas... concretas.
-la presencia de determinantes y complementos no es frecuentemente admisible o supone
una importante variación o matiz de significado; comunalización+vulgarismo ("el Pepe"),
55
temporalización ("la Marbella que tú conociste"), metonimia ("un Velázquez")...
Normalmente el nombre propio se presentará solo, carente de complementos o
54
No entraremos en detalles sobre otro tipo de sintagmas
(aunque también sean nominales);los ejemplos analizados usarán
la gramática general que estamos desarrollando en su estado
actual;se ha procurado evitar interferencias con otros problemas
del castellano usando oraciones sencillas o sólo el análisis
principal.
55
La comunalización puede ser tal que haya duplicación:
"Mecenas",nombre
propio
latino;"mecenas",nombre
común
que
designa a un benefactor de artistas.
CAPITULO IX : EJEMPLO DE DESARROLLO DE UNA GRAMÁTICA
¡Error!Marcador no definido.
determinantes y rama única del nodo de un sintagma nominal (sujeto, complemento directo..). Una
sencilla regla:
Install Equation Editor and doubleclick here to view equation.
daría cuenta de ejemplos típicos del acceso a una base de datos o un libro de gramática:
"dame todos los vuelos del aeropuerto de Madrid hasta Barcelona"
"eran la flor de su pueblo de Vizcaya"
"Juan parece tonto pero no lo es"
ORACION
≥
Proposición
≥
SVAtrib
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗↵
VerbCop
Atrib
≥
≥
SN
≥
≥ ∨⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗↵
SPdirecc
≥ DET Nucl
≥ ≥ ≥ ∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗↵
SNOrig
≥ Det N PrepOrig
≥ ≥ ≥ ≥ ∨⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵
SPdeProp
≥ ≥ ≥ ≥ DET Nucl
≥ ≥ ≥ ≥ ≥ ≥ ∨⊗⊗⊗⊗⊗⊗ℑ⊗⊗↵
≥ ≥ ≥ ≥ Det N PrepDe NombreProp
≥ ≥ ≥ ≥ ≥ ≥ ≥
≥
eran la flor de su pueblo de Vizcaya
ORACION
≥
OCompuesta
≥
OCoordinada
≥
OAdversativa
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
Proposición
NexoAdversat
Proposición
∨⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗↵
≥
≥
SN SVAtrib
SVAtrib
≥
≥
∨⊗⊗ℑ⊗⊗⊗↵
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗↵
NomProp VerbCop Atrib ≥ AdvNegativo PronPreVerb VerbCop
≥
≥ ≥
≥
≥
≥
≥
≥
≥ SAdj
≥
≥
≥
≥
≥
≥ ≥
≥
≥
≥
≥
≥
≥ Adj
≥
≥
≥
≥
≥
≥ ≥
≥
≥
≥
≥
Juan parece tonto pero
no
lo
es
CAPITULO IX : EJEMPLO DE DESARROLLO DE UNA GRAMÁTICA
¡Error!Marcador no definido.
Como admite la coordinación con otros nombres propios o incluso otro tipo de sintagmas
nominales, no aparecerá directamente bajo SintagmaNominal, sino bajo SintagmaNominal_1, su
derivado para coordinación:
"No aparecieron ni Juan ni el alcalde de la ciudad"
"Juan y Pepe fueron los autores"
Install Equation Editor and doubleclick here to view equation.
En ese mismo nivel situaremos las aposiciones explicativas (las que van entre comas):
"Juan, que no parece fiable, será el jefe"
"Juan, rebelde hasta el extremo, no lo admitió"
ORACION
≥
Proposición
∨⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗↵
SN
V SAdv
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊕⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥ ≥
SN1 NexoMonoCop SN1
≥ Adv
≥
≥
≥
≥ ≥
NombrePropio
≥ NombrePropio ≥ ≥
≥
≥
≥
≥ ≥
Juan
y
Pepe corren más
ORACION
Proposición
≥
∨⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
SN
SVAtrib
∨⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
∨⊗⊗⊗ℑ⊗⊗⊗↵
SN
Coma
Aposición
Coma VerbCop Atrib
≥
≥
≥
≥ ≥
≥
NombrePropio ≥
ORelativo
≥ ≥ SN
≥
≥
≥
≥ ≥ ∨⊗ℑ⊗↵
ORelativoSin
≥
≥
≥ ≥ DET Nucl
≥
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵
≥ ≥ ≥ ≥
ORACION
≥
≥ PronRelativo
≥ ≥ Det N
≥
≥
≥
≥
≥ ≥ ≥ ≥
Proposición
≥
≥
≥
≥ ≥ ≥ ≥
≥
≥
≥
≥
≥ ≥ ≥ ≥
SVAtrib
≥
≥
≥
≥ ≥ ≥ ≥
≥
≥
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜℑ⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗↵ ≥ ≥ ≥ ≥
AdvNegativo PronPreVerb VerbCop Atrib ≥ ≥ ≥ ≥
≥
≥
≥
≥
≥
≥
≥
≥
≥ ≥ ≥ ≥ ≥ ≥
≥
≥
≥
≥
≥
≥ SAdj ≥ ≥ ≥ ≥
≥
≥
≥
≥
≥
≥ ≥ ≥ ≥ ≥ ≥
≥
≥
≥
≥
≥
≥ Adj ≥ ≥ ≥ ≥
≥
≥
≥
≥
≥
≥ ≥ ≥ ≥ ≥ ≥
Juan
,
que
no
me parece fiable , será el jefe
CAPITULO IX : EJEMPLO DE DESARROLLO DE UNA GRAMÁTICA
¡Error!Marcador no definido.
Para tratar los nombres compuestos de entidades geográficas (ciudades, ríos, macizos...)
que admiten o exigen artículos determinados, sintagmas preposicionales en "de"... (los Estados
Unidos deAmérica, La Coruña...), podemos optar por generar reglas sintácticas con una
categorización más fina:
SintNominal_1=NomGeoSinArt (SintPrepDE)
SintNominal_1=ArtDet NomGeoConArt (SintPrepDE)
SintNominal_1=NomPersona
o dejar que sea el analizador lexicográfico quien agrupe varias palabras bajo una misma
categoría (por ejemplo: NombrePropConArt o NombrePropSinArt).
Dado que nuestro entorno es léxicamente biunívoco (una palabra implica una categoría),
pero para evitar una engorrosa escritura, simularemos el comportamiento de un analizador
lexicográfico más complejo uniendo en una las diferentes palabras de un nombre compuesto:
"Felipe_VI_de_Borbón_y_Grecia"
"Maximiliano_Victor_Caramés_Bartolomé"
"Santiago_Cortizas_González-Criado"
y crearemos cinco categorías léxico-sintácticas:
-NomPersonaSimple: "Juan"...
-NomPersonaComp: "Juan_Carlos_I"...
-NomGeoSimple: "Madrid"...
-NomGeoCompConArt: "Cerro_de_los_Angeles"...
-NomGeoCompSinArt: "Villafranca_del_Bierzo"...
Agregando la posibilidad de que los nombres de persona lleven títulos delante ("santo",
"san", "don"...):
SintNominal_1=(Título) NomPersonaSimple
SintNominal_1=NomGeoSimple
SintNominal_1=(Título) NomPersComp
SintNominal_1=NomGeoCompSinArt
SintNominal_1=ArtDet NomGeoCompConArt
cubriremos los ejemplos:
"(Don) Juan"
"Barcelona"
"(Don) Juan_Carlos"
"Santiago_de_Compostela"
"el Cerro_De_Los_Angeles"
Las categorías léxicas multisintácticas (las familias de "otro", "demás", "mucho"...) se
CAPITULO IX : EJEMPLO DE DESARROLLO DE UNA GRAMÁTICA
¡Error!Marcador no definido.
diferencian de los adjetivos ordinarios en que no necesitan determinante:
"no hay otros Pirineos"
"busca otro Shakespeare porque éste no me vale"
"mucho Pérez veo por aquí suelto"
"conozco algún Javier que está loco por ti"
"Pepe es mucho Pepe"
ORACION
≥
OCompuesta
≥
OCoordinada
≥
OAdversativa
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗
↵
Proposición
NexoAdversat
Proposición
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗↵
≥
≥
V
SN
≥
SVAtrib
≥
∨⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵
≥
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
AdjAntAlgún NomPersona
AdvNegativo
≥
≥
VerbCop
Atrib
≥
≥
≥
≥
≥
≥
≥
NomPersSimple
≥
≥
≥
≥
SPde
≥
≥
≥
≥
≥
≥
≥
∨⊗⊗⊗⊗⊗ℑ⊗⊗⊗↵
≥
≥
≥
≥
≥
PrepDe
AdvAutónomo
≥
≥
≥
≥
≥
≥
≥
≥
≥
conozco
algún
Javier
pero
no
es
de
aquí
CAPITULO IX : EJEMPLO DE DESARROLLO DE UNA GRAMÁTICA
¡Error!Marcador no definido.
Si admitimos estas construcciones (que deberíamos marcar como a-normales dado su
fuerte grado de comunalización del nombre propio, las referencias contextuales que conllevan...),
escribiremos una regla para cada caso:
NomPropSinArt=NomPersonaComp|NomPersonaSimple|NomGeoSimple
|NomGeoCompSinArt
SintNominal_1=AdjALGUN (Titulo) NomPropSinArt (Compl)
SintNominal_1=(DET) AdjMUCHO (Titulo) NomPropSinArt (Compl)
SintNominal_1=(DET) AdjOTRO (Titulo) NomPropSinArt (Compl)
⋅
⋅
Para "mismo" y "tal" (mucho más comunes en combinación con nombres propios) es fácil
encontrar oraciones "normales":
"un tal Jiménez te llamó anoche"
"el mismísimo Balboa era quien conducía el timón"
Necesitan ir precedidos de determinante y permiten complementos pospuestos al nombre
propio:
"todos los tales Monteros eran gente de mal vivir"
"este mismo Pepe comía además de beber"
"tu misma Barcelona tampoco me parece una gran ciudad"
provisionalmente creamos las reglas:
SintNominal_1=DET AdjTAL NomPropSinArt (Compl)
SintNominal_1=DET AdjMismo NomPropSinArt (Compl)
SintNominal_1=NomProp AdjMismo
Los adjetivos que pueden anteceder al nombre (los llamaremos previos y no explicativos
por nuestro enfoque sintáctico no funcional) son poco compatibles con las categorías que
acabamos de mencionar en ausencia de más complementos:
* "una tal hermosa Isabel"
* "la misma hermosa Isabel"
La razón es el choque entre el carácter especificativo de unos y el explicativo de los otros:
Para contemplar:
"tu bella Barcelona..."
"la desierta y desoladora Siberia..."
CAPITULO IX : EJEMPLO DE DESARROLLO DE UNA GRAMÁTICA
¡Error!Marcador no definido.
"este tan centrado Cerro_de_los_Angeles..."
"la siempre glacialmente provocadora Sharon"
"la misma magistral Michelle_Pfeiffer que asombró en..."
construiremos:
SintNominal_1=DET AdjMISMO SAdjPre NomPropSin Compl
SintNominal_1=DET SAdjPre NomPropSin (Compl)
Los posibles complementos pospuestos (sin contar con aposiciones adjuntas o explicativas)
son SintagmaAdjetvoPosterior , SintagmaPreposicional, ProposiciónDeRelativo.
"esa Sharon_Stone perfecta e impecable de aquella película no se repetirá"
ORACION
ORACION
≥
≥
Proposición
Proposición
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
SN
SVAtrib
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗↵
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
DET
SAdjPre
NomPropSin
VerbCop
Atrib
SN
PronPreVerb
V
AdvIns
≥
∨⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥
≥
≥
Det
SAdv
Adj
NomPersona
SAdj
≥
∨⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥
∨⊗⊗⊗⊗⊗ℑ⊗⊗⊗↵
≥
≥
≥
≥
SAdjPre
NomPropSin
ORelativo
≥ ≥ Adv2
≥ DET AdjMismo
≥ ≥ ≥ ≥ ≥
≥
≥
Adv1
NomPersComp
SAdjConAdv
≥
≥
≥
Det
Adj
NomPersona
≥
≥
≥
≥
≥
≥ ≥ ≥
≥
≥
≥
≥
≥
≥
∨⊗⊗⊗⊗ℑ⊗⊗⊗⊗↵ ORelativoSin
SAdv
Adj
≥ ≥
≥∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗↵
≥
≥
≥≥ ≥ ≥ ≥
≥
≥
≥ ≥ ≥
≥
≥
≥
≥
≥
≥
≥
≥
≥
NomPersComp
PronRelativo
ORACION
≥
≥
≥
Adv2
≥
≥
≥
≥
≥
≥
≥
≥≥ ≥ ≥ ≥
≥ ≥
≥ ≥≥ ≥ ≥
≥≥
≥≥
≥
la siempre glacialmente provocadora Sharon_Stone
era
demasiado peligrosa
Proposición
≥ ≥
≥
≥
≥
≥
≥
≥ ≥
≥
≥
≥
≥
SP
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗↵ ≥ ≥ ≥ ≥ ≥
≥
≥
≥ PronPreVerb V
≥
≥ ≥ ≥ ≥
≥
≥
≥
≥
≥ ORACION
∨⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗↵ ≥ ≥ ≥
≥ SN
≥ ≥
≥
≥
≥
≥
≥ Prep
≥
≥
≥ ≥ ≥
≥
≥
≥
≥
≥ ≥
Proposición
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
DET Nucl ≥ ≥ ≥ ≥ ≥
∨⊗⊗⊗ℑ⊗⊗⊗↵ ≥ ≥ ≥ ≥ ≥SN ≥
≥
≥
≥
≥ ≥ AdvNegativo
≥
≥
PronPreVerb
V
≥
≥
≥ ≥ ≥
≥ ≥ ≥ ≥
∨⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥
≥
≥
≥
≥
≥
≥DET ≥NomPropSin
≥
≥
≥SAdjPost
≥
≥ ≥Det N
≥ SPde
≥ ≥
≥
≥
≥
≥ que nos≥ asombró en
≥Det
≥NomPersona
≥
≥Adj∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊕⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
≥
≥
≥ Adj
≥ ≥
≥PrepDe
≥ ∨⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗↵
≥ SN
≥ la misma magistral Michelle_Pfeiffer
NexoMonoCop
≥
≥
≥
aquella
película
nos
cautiva
ya
≥
≥
≥
≥
≥
≥
∨⊗⊗⊗ℑ⊗⊗⊗↵
≥
≥
≥
≥ NomPersComp
≥
≥
≥
≥
≥
≥
≥
ORACION
≥
≥
≥
esa Sharon_Stone perfecta
≥
≥
≥
≥
≥
e
≥
≥
≥
≥
impecable
≥
≥
≥
≥
de
DET
Nucl
≥
Det
≥
N
≥
≥
aquella película
≥
≥
≥
≥
no
≥
≥
≥
≥
se
≥
≥
≥
≥
repetirá
Proposición
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
SN
SVAtrib
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗ℜ⊗⊗ℑ⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
DET SAdjPre
NomPropSin AdvNegativo VerbCop Atrib
≥ ∨⊗⊗⊗⊗⊗ℑ⊗↵
≥
≥
≥
≥
Det SAdv Participio NomGeoSin
SP
≥
≥
≥ ≥
≥
≥
≥
≥ ∨⊗⊗⊗⊗⊗⊗ℑ⊗↵
≥ Adv2 ≥ NomGeoCompSinArt
≥
≥ Prep SN
≥ ≥
≥
≥
≥
≥ ≥
≥
≥ ≥
≥
≥
≥
≥ ≥ NomGeoSimple
≥ ≥
≥
≥
≥
≥ ≥
≥
este tan centrado CerroDeLosAngeles no
está en Madrid
CAPITULO IX : EJEMPLO DE DESARROLLO DE UNA GRAMÁTICA
¡Error!Marcador no definido.
CAPITULO X : INTEGRACIÓN...
¡Error!Marcador no definido.
CAPITULO X
INTEGRACIÓN DE LA SINTAXIS EN LOS SISTEMAS
DE RECONOCIMIENTO DE VOZ
X.1 Parsing de un lattice
Si dispone de una celosía de palabras detectadas en una serie de tramas de voz, de sus
tramas de comienzo y sus trama final, podemos aplicarle los algoritmos sintácticos para encontrar la
secuencia de palabras gramatical más probable.
X.1.1 CYK
Puede usarse el algoritmo de Ney que más adelante veremos, en su versión asíncrona, con
los mismos defecto que se reseñarán (Makino[91], Andry[91]).
X.1.2 Algoritmos predictivos
Con ellos tratamos de encontrar todos los caminos gramaticales presentes en el lattices,
compuestos de palabras compatibles por sus tramas de comienzo y terminación (permitiremos
cierto grado de solapamiento y pausas entre palabras).
-Inicialmente predecimos todas las posibles palabras que puedan ser principio de oración
(caminos activos iniciales: nº1)
-Recorremos las tramas de voz:
-si encontramos que en una de ellas se ha detectado el comienzo de una o más
palabras predichas en alguno de los caminos gramaticales activos y su comienzo es compatible con
el final de la última palabra de dicho camino, avanzamos el análisis hasta el final de la palabra.
-si para un mismo camino activo hemos encontrado varias palabras con distinta
trama final, creamos una nueva rama activa para cada una menos la primera (que continuará por la
rama ya presente anteriormente)
La eliminación del "lattice" intermedio es teóricamente sencilla aunque en la práctica
delicada de implementar.
CAPITULO X : INTEGRACIÓN...
¡Error!Marcador no definido.
Ahora no disponemos de la probabilidad definitiva de que una palabra comience en una
trama determinada y finalice en otra dada: debemos ir continuamente actualizando la información
probabilístico-fonética hasta que, o bien sea muy reducida y nos sea posible podar esa rama del
análisis (lo que antes llamábamos pila por similitud con el algoritmo LR), o bien hayamos
procesado todas las tramas y tengamos los resultados no parciales sino absolutos.
Para evitar que la anchura de análisis (el número de pilas simultáneamente activas)
desborde la capacidad del sistema se debe establecer otro "pruning" (en Saito[89] se muestra la
dependencia que en la práctica puede tener una buena o mala política de poda y en Kita[91] otra
similar pero trabajando con fonemas en lugar de palabras).
CAPITULO X : INTEGRACIÓN...
¡Error!Marcador no definido.
Estructuras de datos:
struct TipoCélula
{
TipoPila PilaLR;
PROBABILIDADES Q[n];
BOOLEAN Aceptada;
} Célula;
Inicialización:
begin
C=CrearCélula()
C->Q[0]=1.0
for i=0 to N
C->Q[i]=0.0
MeteEnPila(C.PilaLR,EstadoInicial)
C.Aceptada=FALSE
end
Bucle:
while ()
begin
para cada célula C tal que C.Aceptada==FALSO
begin
s=CimaDeLAPila(C.PilaLR)
para cada símbolo terminal 'a' tal que
ACCION(s,a)!=ERROR
begin
si ACCION(s,a)=='dsh s2'
begin
for i=1 to N
Temp[i]=probabilidad del último estado de
Markov para la trama i
if (máximo(Q)>UMBRAL)
begin
C.Q=Temp
MeteEnLaPila(C.PilaLR,s2)
end
else
DestruyeCélula(C)
end
si ACCION(s,a)=="red a->B'
Reduce(C.PilaLR,A,B)
si ACCION(s,a)=='aceptac"
C.Aceptada=CIERTO
end
end
24 Algoritmo LR sin lattice intermedio.
CAPITULO X : INTEGRACIÓN...
¡Error!Marcador no definido.
EstadoAct[1]=0;
NumPilas=1
for TramaActual=0 to TramaFinal
begin
Palabras={palabras que comiencen en esta trama}
si cardinal(Palabras)==0
continue
for j=1 to NumPilas
begin
Expect(j)={categorías esperadas para el
estado actual de la pila j }
Si el cardinal de Expect(j)==0
begin
Realizar las posibles reducciones de la
pila j
end
si no
begin
for k=1 to Cardinal(Palabras)
begin
si (no ha sido actualizada
temporalmente y UltimaPalabra(j) es compatible con
Palabras[k])
avanzar la pila temporalmente
si (fue actualizada temporalmente
y
UltimaPalabra
es
compatible
con Palabras[k])
crear
una
nueva
pila
dependiente
de la anterior...
end
end
end
end
25 Algoritmo de Tomita para parsing de lattices de palabras
mediante LR(0) extendido.
X.2 Integración síncrona
X.2.1 Integración de CYK con la programación dinámica
En 1987 Ney propone combinar el algoritmo sintáctico CYK con el fonético de
alineamiento temporal para habla continua, realizando simultáneamente el parsing y la detección de
límites de palabra sin necesidad de posproceso.
CAPITULO X : INTEGRACIÓN...
¡Error!Marcador no definido.
Utilizando la versión síncrona de CYK e incorporando a los símbolos guardados la
información de probabilidad y límites que el alineamiento temporal va calculando. Los dos pasos
del algoritmo serán las de la figura 26
for i=1 to I
begin
para cada palabra 'u' del vocabulario
Score[j][i][u]=score acústico en i-2*J...i
for j=i-1 to max(0,i-2*J)
para cada regla U->u
begin
si D[j][i][u]<Chart[j][i][U]
begin
Chart[j][i][U]=
Score[j][i][u]
B[j][i][U]=
NumRegla(U->u)
F[j][i][U]=0
end
end
end
for j=i-1 to 0
recorrer las reglas U->VW
for l=j+1 to i-1
begin
Aux=Chart[j][i][V]+Chart[l][i][W]
si (Aux<Chart[j][i][U])
begin
Chart[j][i][U]=Aux
B[j][i][U]=NumRegla
F[j][i][U]=l
end
end
26 Algoritmo de Ney.
,donde:
-el Chart es ahora tridimensional (no bidimensional con una pila en cada casilla) y guarda en
Chart[j][i][U] la probabilidad de que un símbolo No Terminal 'U' aparezca entre las tramas 'i' y 'j'
-B[j][i][U] guarda cual ha sido la regla con 'U' en su parte izquierda, que ha dado mayor
CAPITULO X : INTEGRACIÓN...
¡Error!Marcador no definido.
probabilidad al ascender en el parsing
-F[j][i][U] contiene, si es que existe, la trama que separa los dos símbolos No Terminales
que el parsing ha unificado en 'U' al aplicar la regla B[j][i[U]
-el proceso de reconstrucción nunca será ambiguo al habernos quedado al ascender sólo
con las reglas que nos dan la mayor probabilidad parcial (en eso consiste la programación dinámica)
El resultado es la secuencia de palabras más probable ateniéndose a las restricciones
impuestas por la gramática, aunque a expensas de un enorme coste computacional:
-para cada trama hay que realizar el alineamiento hacia atrás de todas las palabras del
vocabulario sin usar la información predictiva incluida en la gramática
-el Chart y las demás matrices son proporcionales en tamaño al número de tramas y no al
número de palabras como en el CYK convencional.
su-algoritmo
nº de operaciones
memoria usada
alineamiento temporal
2*J*J*I*Cardinal(u)
2*J*Card(u)
reglas U->u
2*J*I*Card(U->u)
3*I*I*Card(U->u)
reglas U->VW
I*I*I*Card(U->VW)/6
3*I*I*Card(U->VW)
X.2.2 Guiado del reconocimiento mediante predicción sintáctica
Más elegante es el tratamiento modular de Okada[91], que utiliza un autómata creciente en
el tiempo para guiar a un "one-pass": el algoritmo sintáctico(en su caso un "active chart", aunque es
perfectamente extensible al Earley) va creando el autómata (o simplemente un árbol, si no
deseamos autolazos en el autómata creciente):
CAPITULO X : INTEGRACIÓN...
¡Error!Marcador no definido.
Inicialización
Para cada regla del tipo S->A..B
incorporar a la agenda {S->⋅A..B,0,0,[]}
Para cada regla A->⋅C..D
si C es No Terminal
añadir a la agenda todas las reglas
{C->E..F,0,0,[]}
Para cada regla A->a..D
si 'a' es un símbolo Terminal
comunicar al reconocedor one-pass la
existencia de un nodo {'a',0,0[]}
Actualización del chart
mientras haya elementos activos en la agenda
begin
si el elemento no ha sido incorporado al chart
begin
Incorporarlo
si es del tipo {A->a⋅B..,i,j,[o,p,...]}
begin
para cada B->C..D
incorporar {B->⋅C..D,j,j,[]}
para cada {B->⋅C..D,j,j,[]}
incorporar {C->⋅E..F,j,j,[]}
para cada elemento del Chart
B->C..⋅D..,j,k,[m,n,..]}
begin
Crear un vértice 'l' en el Chart
añadir a la agenda el elemento
{A->..B⋅..,i,l,[k]}
end
para cada nuevo elemento
{C->..⋅a..,j,j,[]}
Comunicar el nuevo nodo al 1-pass
end
si es del tipo B->..⋅,i,j,[o,p,..]}
para cada {A->a⋅B..,k,i,[m,n,...]}
begin
Crear un vértice 'l'
Añadir {A->aB⋅..,k,l,[j]}
end
end
end
27 Chart Parsing de Okada.
CAPITULO X : INTEGRACIÓN...
¡Error!Marcador no definido.
El one-pass sólo ve la existencia en el Chart de nodos léxicos: aquellos que están esperando
la aceptación de una palabra o símbolo terminal, o aquellos que ya la han recibido. Cuando la zona
activa de una palabra esperada alcanza su estado final de Markov, la palabra es aceptada y se
comunica asíncronamente al Actualizador del Chart.
Los módulos sintáctico y acústico pueden ser implementados en procesadores diferentes
con comunicación asíncrona.
En número de operaciones es proporcional al número de trama de voz, la longitud media
de las zonas activas y el número medio de nodos.
CAPITULO XII : LÍNEAS FUTURAS
¡Error!Marcador no definido.
CAPITULO XI
LÍNEAS FUTURAS
Aunque las gramáticas de contexto libre tal cual están contempladas en nuestro entorno nos
proporcionan un aceptable marco para caracterizar una lengua natural como el castellano, la muy
detallada labor de categorización necesaria para cubrir la multitud de aspectos que presentan las
lenguas y la lentitud que para el "parsing" supone la generación de numerosas estructuras
intermedias finalmente carentes de utilidad, hace aconsejable una ampliación del formalismo de
escritura basándonos en rasgos.
La introducción de rasgos simples (género, número, persona...) no implica salirnos del
paradigma generativo: si permitimos que cada símbolo de la gramática pueda llevar asociadas unas
características que lo diferencien de otros del mismo nombre (por ejemplo Sustantivo[+Masculino,
56
+Plural] ), sólo tendremos que, por cada posible n-tupla
Símbolo[+Característica_1,... ,+Característica_n-1]
crearemos un nuevo símbolo terminal.
Por el número excesivo de reglas y símbolos a que dará lugar (cada
Sustantivo[+Característica_1,+Característica_2]
supondrá
la
existencia
de
varios
SintagmaNominal_m[+Caract_1,+Caract_2]) preferiremos o bien el postproceso o bien el
"parsing" con rasgos incorporados:
-Si los árboles que nuestra gramática da para la mayoría de las oraciones son pocos, un
simple posproceso podrá verificar la concordancia entre los rasgos mediante una función recursiva
de recorrido de cada árbol: partiendo del nodo raíz bajará hasta las palabras y desde allí elevará sus
rasgos y comprobará su compatibilidad con los de los restantes constituyentes de su nivel.
-conforme aplica las reglas gramaticales de contexto libre, el "parser" puede ir chequeando
las compatibilidades y evitando la aceptación de frases discordantes.
Rasgos más complejos que describan no sólo características de la palabra sino también el
contexto en el que puede o debe aparecer, podrían hacer imposible la tarea de hallar un algoritmo
de "parsing" (Ver Shieber[86]).
56
No confundir con el formalismo de las gramáticas
indexadas,donde entre corchetes hay una pila propia del símbolo.
CAPITULO XII : LÍNEAS FUTURAS
¡Error!Marcador no definido.
Si nos limitamos a casos como el del verbo impersonal que exige ausencia de sujeto o un
sustantivo que no admite sintagmas preposicionales en "de", seguiremos teniendo la doble
posibilidad: posproceso o integración. Por ejemplo:
-el verbo impersonal elevará a sus categorías superiores el rasgo "no se admite la presencia
de sujeto". El "parser", cuando intente unificar un sintagma nominal con ese sintagma verbal, no
permitirá que al primero se le asigne la función de sujeto (podrá ser complemento temporal o
espacial no subcategorizado...).
Los mecanismos de herencia requerirán barreras que impidan su propagación más allá de
donde son necesarios o significativos. Que una proposición no pueda tener sujeto porque el verbo
57
es meteorológico (llover...) y le ha transmitido dicho rasgo por elevación , no quiere decir que
proposiciones de nivel superior que contengan a la impersonal también sean impersonales.
La elipsis, tan frecuente en castellano, podría suponer alteraciones de estos límites al
combinarse con la coordinación o la yuxtaposición. En:
"Juan comió y María cocinó spaguetis"
el carácter transitivo de la construcción verbal influye más allá de los límites de las
proposiciones coordinadas, alcanzando el ámbito oracional. Aunque podría considerarse que la
coordinación no es entre proposiciones sino entre fragmentos incompletos de proposiciones ("Juan
comió" y "María cocinó"), más lógico es considerar que hay una elipsis en la primera proposición y
que el hueco es rellenado con un sintagma por el nivel superior (al unificar las proposiciones
coordinadas en una oración completa, el rasgo "falta un sintagma nominal complemento directo"
exige que dicho sintagma sea copiado desde la otra proposición o si no que no se unifique).
Para reducir la memoria, los rasgos pueden no ser continuamente ascendidos sino que,
cuando es necesario comprobar una concordancia, se realiza una reconstrucción parcial para
extraer temporalmente dichos rasgos sólo presentes continuamente en el nivel de palabra. La
ralentización sería notable ya que la reconstrucción es mucho más lenta que el análisis simple.
Gazdar propone en su "Generalised Phrase Structure Gramar" que sustituyamos las
transformaciones (mecanismos conceptualmente elegantes, muy gráficos pero poco prácticos a la
hora de analizar) por un método doble:
-incluir dentro de las reglas sintácticas la posibilidad de emplear categorías derivadas (las
propias de las Gramáticas Categoriales) para dar que se puedan transmitir de un modo sencillo las
elipsis
-meta-reglas que alteren la estructura superficial que se va creando para que salga a la luz la
estructura de relaciones correcta
Bresnan, por su parte, creó junto a Kaplan el formalismo llamado "Lexical Functional
57
Este concepto de elevación no implica que el algoritmo deba
de ser ascendente.Los algoritmos descendentes también pueden
emplear rasgos.
CAPITULO XII : LÍNEAS FUTURAS
¡Error!Marcador no definido.
Gramar" donde realiza el "parsing" secuencialmente en dos niveles:
-el sintáctico, bastante laso y de contexto libre como los de este proyecto
-el funcional, basado en ir rellenando patrones desde el nivel terminal hasta el nivel
axiomático de los árboles sintácticos.
Para la oración:
"una niña le dió un regalo"
obtendríamos una estructura sintagmática simple (26).
ORACION
∨⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊕⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗⊗↵
SintagmaNominal
SintagmaVerbal
SintagmaNominal
∨⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵
∨⊗⊗⊗⊗⊗ℑ⊗⊗⊗⊗⊗↵
Det
Núcleo
Prononbre
VerboTransit
∨⊗⊗⊗⊗⊗ℑ⊗⊗⊗↵
Det
Núcleo
El verbo, principal componente de la mayoría de las oraciones gramaticales, guiará el
análisis funcional:
Install Equation Editor and doubleclick here to view equation.
Unas reglas sintáctico-funcionales traducirán las categorías funcionales en categorías
sintácticas:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
Los posibles ordenamientos de las categorías funcionales también deberán ser
especificados:
Install Equation Editor and doubleclick here to view equation.
Install Equation Editor and doubleclick here to view equation.
⋅
⋅
CAPITULO XII : LÍNEAS FUTURAS
¡Error!Marcador no definido.
El resultado funcional será :
Install Equation Editor and doubleclick here to view equation.
Las distintas cadenas vacías :
CAPITULO XII : LÍNEAS FUTURAS
¡Error!Marcador no definido.
Install Equation Editor and doubleclick here to view equation.
CAPITULO XII : LÍNEAS FUTURAS
¡Error!Marcador no definido.
resultarían útiles al hacer el "parsing":su presencia indicaría al "parsing" funcional que debe buscar
más allá de los límites proposicionales lo que falta.
Las referencias pronominales podrían recibir un tratamiento similar.
Aunque con estos mecanismos nos salimos de la ortodoxia generativa, los estudios de ésta
sobre restricciones a la aplicación de transformaciones (ningún elemento puede ser extraído de una
proposición coordinada aunque sí puede ser copiado...), las reglas de elisión (recuperabilidad
gracias a la huella...), ... nos seguirán siendo útiles.
¡Error!Marcador no definido.
BIBLIOGRAFÍA
[Aho 72] A.V.Aho y J.D.Ullman, The theory of parsing, translation and compiling:
volume I: parsing, Ed. Prentice Hall, 1972.
[Alcina 75]J.Alcina y J.M.Blecua, Gramática española, Ed. Ariel, 1991.
[Andry 91] F.Andry y S.Thornton, "A parser for speech lattices using a Unification
Categorial Gramar", IEEE-ICASSP, pp.219-222, 1991.
[Ascen 93] Ascension Gallardo, Proyecto Fin de Carrera, ETSI Telecomunicación (UPM),
1993.
[Dik 78] S.C.Dik, Gramática Funcional, Ed. Sociedad General Española de Librería S.A.,
1981.
[Dirksen 92] A.Dirksen, "PROS-3 Sintax and Prosody for text-to-speech", Polyglot, 1992.
[Earley 70] J.Earley, "An efficient context-free parsing algorithm", en Grosz [86], pp.2533.
[Edinburgh 89] "Edinburgh course on computational sintax".
[Esbozo 73] Comisión de gramática de la R.A.E., Esbozo de una nueva gramática
de la lengua española, Ed.Espasa-Calpe, 1991.
[Fissore 88] L.Fissore et al, "Interaction between fast lexical access and word verification in
large vocabulary continuous speech recognition", IEEE-ICASSP, pp.279-282, 1988.
[Fissore 89] L.Fissore et al, "A word hypothesizer for a large vocabulary continuous speech
understanding system", IEEE-ICASSP, pp.453-456, 1989.
[Fu ] K.Fu, "Syntactic approach to pattern recognition"
[Fu 85] K.Fu, "VLSI Architectures for recognition of context-free languages".
[Granda 90] J.S.Granda, "Clasificación del léxico para un algoritmo probabilístico de
etiquetado automático en microordenadores", Actas del VI Congreso de lenguajes naturales y
lenguajes formales, pp.949-970, 1991.
[Grosz 86] B.Grosz et al, Readings in Natural Language Processing, Ed. Morgna
Kaufmann, 1986.
[Gutiérrez 78] M.L.Gutiérrez, Estructuras sintácticas del español actual, Ed. Sociedad
General Española de Librería S.A., 1978.
[Hallebeek 90] J.Hallebeek, "Nominalización funcional y análisis sintáctico automatizado",
¡Error!Marcador no definido.
Actas del VI Congreso de lenguages naturales y lenguajes formales, pp.621-640, 1991
[Haller 91], "La ingeniería lingüística: un ejemplo de cooperación entre Universidad e
Industria", ASPLN, Barcelona, 1991
[Hernanz 87] J.M.Brucart y M.L.Hernanz, La sintaxis.Volumen 1: Principios teóricos.La
oración simple", Ed. Crítica, 1987.
[Leandro 89] M.A.Leandro, "Análisis semántico automático de la lengua española aplicado
al reconocimiento de habla", Proyecto Fin de Carrera DIE-ETSIT-UPM, 1989.
[Levinson 87] S.E.Levinson, "Continuous speech recognition of acoustic/phonetic
classification obtained from a Hidden Markov Model", IEEE-ICASSP, pp.93-96, 1987.
[Levinson 88] S.E.Levinson et al, "Large vocabulary speech recognition using a Hidden
Markov Model for acoustic/phonetic classification", pp.505508, 1988.
[Macías 92] J. Macías,Proyecto Fin De Carrera, DIE-ETSIT-UPM, 1992.
[Miller 88] L.G.Miller y S.E.Levinson, "Syntactic analysis for large vocabulary speech
recognition using a context-free covering gramar", pp.271-274, 1988
[Nakagawa 87] S.Nakagawa, "Spoken sentence recognition by time-synchronous parsing
algorithm of context-free gramar", IEEE-ICASSP, pp.829-832, 1987.
[Ney 87] H.Ney, "Dynamic programming speech recognition using a context-free gramar⋅,
IEEE-ICASSP, pp.69-72, 1987.
[Niemann 86] H.Niemann et al, "Generating word hypotheses in continuous speech",
IEEE-ICASSP, pp.1565-1568, 1986.
[Okada 91] M.Okada, "A unification-gramar-directed One-Pass search algorithm for
parsing spoken language", pp.721-724, 1991.
[Pereira 87] F.C.N.Pereira y S.Shieber, Prolog and natural language analysis, Ed. CLSI,
1987.
[Perrault 84] "On the mathematical properties of linguistic theories", en Grosz[86]
[Pieraccini 91] R. Pieraccini, E. Levin, "Stochastic representation of semantic structure for
speech understanding", IEEE-ICASSP, pp. 383-386 ,1991.
[Pieraccini 92] R. Pieraccini et al, "A speech understanding system based on statistical
representation of semantics", IEEE-ICASSP, pp.193-196, 1991
[Radford 81] A.Radford, Introducción a la sintaxis transformativa, Ed.Teide, 1988.
[Roe 91] Roe et al "Toward a spoken language translation for restricted-domain context-
¡Error!Marcador no definido.
free languages", IEEE-ICASSP, pp.1063-1066, 1991.
[Roe 92] Roe et al, "Efficient gramar processing for a spoken language translation system",
IEEE-ICASSP, pp.213-216, 1992.
[Russi 91] T.Russi, "Robust and efficient parsing for applications such as text-to-speech
conversion", IEEE-ICASSP, pp.775-778, 1991.
[Sager 91] "Panorama de aplicaciones de la lingüística computacional a problemas de
comunicación bilingüe", ASPLN, Barcelona, 1991
[Saito 89] H.Saito et al, "HMM continuous speech recognition using predictive LR
parsing", IEEE-ICASSP, pp.703-706, 1989.
[Seneff 92] S. Seneff, "Robust parsing for spoken languaje systems", IEEE-ICASSP, pp.
189-192, 1992
[Shieber 86] S.Shieber, An introduction to Unification-based aproaches to gramar, CLSI
Lecture Notes, 1986.
[Smaïli 90] K.Smaïli et al, "A continuous speech recognition approach for the design of a
dictation machine", IEEE-ICASSP, pp.953-956, 1990.
[Subirats 91] C.Subirats, "System of electronic dictionaries of Spanish", Congreso de
Barcelona, Septiembre 1991.
[Tomita 86a] M.Tomita, "An efficient word lattice parsing algorithm for continuous speech
recognition", IEEE-ICASSP, pp.1569-1562, 1986.
[Tomita 86b] M.Tomita, Efficient parsing for natural language.A fast algorithm for
practical systems, Ed. Kluger Academic Publishers, 1986.
[Vidal 90] E.Vidal y P.García, "Inference of k-testable languages in the strict sense and
application to syntactic pattern recognition", IEEE Transactions on Pattern Analysis and Machine
Intelligence, pp.920-925, Septiembre 1990.
[Vidal 91] E.Vidal y N.Prieto, "Learning language models through the EGGI method",
IEEE-ICASSP, pp.395-398, 1991.
[Waibel 92] A. Waibel et al, "Testing generality in Janus: a multilingual speech translation
system", IEEE-ICASSP, pp. 209-212, 1992
[Ward 91] W.Ward, "Incorporating LR parsing into SPHINX", IEEE-ICASSP, pp.269272, 1991.
[Willemse 90] R.Willemse, Wild Card Parser user manual.
[Winograd 83] T.Winograd, Language as a cognitive process. Volume I: Syntax, Ed.
¡Error!Marcador no definido.
Addison Wesley, 1983.
[Wirth 82] N.Wirth, Programación en Modula-2, Ed.El Ateneo, 1987.
[Young 91] S.Young y M.Matessa, "Using pragmatic and semantic knowledge to correct
parsing of spoken language utterances", IEEE-ICASSP, pp.223-227, 1991.