descubriendo las reglas para construir nuevas palabras morfología luis villaseñor pineda...
TRANSCRIPT
Descubriendo las reglas para construir nuevas
palabras
Morfología
Luis Villaseñor Pineda
Laboratorio de Tecnologías del LenguajeCoordinación de Ciencias Computacionales,
Instituto Nacional de Astrofísica, Óptica y Electrónica
Laboratorio de Tecnologías del Lenguaje 2
Morfología
Entrada: Secuencia de fonemas (letras)
Salida: Secuencia de pares (lema, tag(s))
Estudia: Composición de fonemas/grafemas en formas léxicas (palabras) a
partir de sus raíces (lema) + categorías morfológicas (inflexión, derivación, composición).
Laboratorio de Tecnologías del Lenguaje 3
Contenido
¿Cómo construimos nuevas palabras? ¿Qué es una palabra? Funciones de la Morfología
Inflexión Derivación y Composición
Algunos enfoques para su resolución
Laboratorio de Tecnologías del Lenguaje 4
¿Para qué la morfología?
Usos corrientes Corrigiendo la ortografía
*presición => inherente a la palabra Yo caminabas => concordancia número y género termino / término => contexto / categoría gramatical sólo / solo => contexto / categoría gramatical
Separando en sílabas ta-re-a trans-crip-ción dí-a
Laboratorio de Tecnologías del Lenguaje 5
¿Para qué la morfología?
Recuperando su origen – significado Para clasificación de textos: mientras más se mencione una
palabra (un significado) con mayor seguridad el texto versa sobre ese tema huracán, huracanes lluvia, lluvias
Como primer paso de un analizador sintáctico
Laboratorio de Tecnologías del Lenguaje 6
¿Para qué la morfología?
Recordemos: Recuperación de información: recopilación de documentos
pertinentes Extracción de información: extracción de piezas de información
de interés a partir de documentos Minería de texto: descubriendo nuevas asociaciones entre las
piezas de información extraídas
Laboratorio de Tecnologías del Lenguaje 7
Morfología computacional Trata con el procesamiento de las palabras tanto en su forma escrita
(grafemas) como su forma hablada (fonemas). Sistematización para la creación de nuevas palabras así como formas
léxicas a partir de unidades más pequeñas.
Nuevas palabras deberán considerar la fonología del lenguaje déjà vu bougambillia – bugambilia computadora – ordenador
Laboratorio de Tecnologías del Lenguaje
Conceptos básicos Morfemas - los bloques básicos, entidades
abstractas expresando características básicas
Conceptos semánticos (raíces) Puerta, lápiz
Características abstractas Puerta-s plural
Laboratorio de Tecnologías del Lenguaje 9
Conceptos básicos
¿qué es una palabra? “algo” entre blancos – ¿entonces en el habla? “algo” con significado –
Dímelo - una sola palabra pero son tres “algos”
Laboratorio de Tecnologías del Lenguaje 10
Conceptos básicos
¿qué es una palabra? “algo” entre blancos – ¿entonces en el habla? “algo” con significado –
Dímelo - una sola palabra pero son tres “algos”
Unidades a partir de las cuales se forman oraciones Las palabras se agrupan por su función estructurando
una frase (parte de la oración)
Laboratorio de Tecnologías del Lenguaje 11
Funciones de la morfología
• Varía considerablemente entre idiomas:
• Inglés/Español • I speak – hablo --- I will speak –hablaré
• Náhuatl• Popocatépetl
• Popocitlali
Laboratorio de Tecnologías del Lenguaje 12
Funciones de la morfología I
Inflexión Cambia su categoría gramatical pero no su categoría de parte de
la oración. comeré – comiste ladrón – ladronzuelo
Tres clases en función de su inflexión Partículas o palabras sin inflexión (conjunciones, artículos, etc.) Verbos – admiten la conjugación Nominales – palabras con declinación (adjetivos, adverbios, etc.)
Laboratorio de Tecnologías del Lenguaje 13
Funciones de la morfología II
Derivación Proceso para crear nuevas palabras. Cambia su categoría
gramatical y cambia su categoría de parte de la oración. Comer - comestible
La derivación es incompleta no se puede aplicar a todas las palabras de una determinada clase Correr – *corrible
Depende de su origen (es una raíz latina o griega) Triste – tristeza Feo – *feeza
Laboratorio de Tecnologías del Lenguaje 14
Funciones de la morfología III
Composición Proceso para crear nuevas palabras. A partir de dos palabras
(dos raíces) creamos una nueva Cabizbajo Maniatado malhablado
No es claro donde termina la derivación y empieza la composición
Dinosaurio Televisión
Laboratorio de Tecnologías del Lenguaje 15
¡Los límites no son claros! Pasta – pasto Foco – foca Campana – campanilla Raya – rayo Velo – vela Taza – tazo Punto – punta Marco – marca Fila – filo Pilón – piloncillo Manzana – manzanilla Manzano – manzanillo
Laboratorio de Tecnologías del Lenguaje 16
Construyendo palabras
Una palabra es una secuencia / concatenación de morfemas
El morfema principal o libre es la raíz Un afijo es un morfema secundario o atado
Prefijo – afijo concatenado frente a la raíz Feliz – infeliz
Sufijo – afijo concatenado al final de la raíz Marca – marcas Árbol – árboles
Laboratorio de Tecnologías del Lenguaje 17
Ejemplos
Pseudohospitalización Pseudo – hospitalización Hospitalizar – hospitalización Hospital – hospitalizar
Destruir Mano Capital Sucio
Laboratorio de Tecnologías del Lenguaje 18
Restricciones sobre los afijos
Tenemos restricciones semánticas, por ejemplo, no es posible adjetivar negativamente un nombre que ya tiene una carga negativa: Feliz – infeliz Triste – *intriste Correcto – incorrecto Errado – *inerrado
Existen muchas más incluyendo restricciones fonológicas Propio – impropio Tonantzintla – Tonanzintla Cempoaxochitl – Cempaxúchil
Laboratorio de Tecnologías del Lenguaje 19
Etiquetando en partes de la oración
Usamos las características morfológicas de las palabras junto con su contexto para determinar su parte de la oración (su función gramatical)
La ayuda desinteresada de mi parte La – artículo femenino singular Ayuda – sustantivo femenino singular Desinteresada – adjetivo femenino singular De – preposición Mi – adjetivo posesivo primera persona singular Parte – sustantivo femenino singular
Laboratorio de Tecnologías del Lenguaje 20
El contexto es indispensable
*parte ayuda mi desinteresada de la
¿Qué pasa con estas frases? dímela Él ayuda a su madre Las notas son: do, re, mi, fa, sol La muy desinteresada se fue con otro Dé el nombre de un árbol Él parte el pastel con cuidado
Laboratorio de Tecnologías del Lenguaje 21
El contexto y nuestra expectativa
¿Qué tanto leemos y que tanto “inventamos”?
Laboratorio de Tecnologías del Lenguaje 22
El contexto y nuestra expectativa
¿Qué tanto leemos y que tanto “inventamos”?
"Sgeun un etsduio de una uivenrsdiad ignlsea, no ipmotra el odren en el que las ltears etsan ersciats, la uicna csoa ipormtnate es que la pmrirea y la utlima ltera esten ecsritas en la psiocion cocrrtea. El rsteo peuden estar ttaolmntee mal y aun pordas lerelo sin pobrleams. Etso es pquore no lemeos cada ltera por si msima snio la paalbra cmoo un tdoo. Pesornamelnte me preace icrneilbe..."
Laboratorio de Tecnologías del Lenguaje 23
¿Qué hay detrás de un etiquetador?
Un sistema de reglas aplicadas a un lexicón de base Junto con un proceso estocástico para incluir el
contexto (Modelos Ocultos de Markov)
Sistema con el que trabajaremos FreeLing LingPipe
Laboratorio de Tecnologías del Lenguaje 24
Aplicación: clasificación de preguntas
Objetivo: agrupar las preguntas por el tipo de respuesta esperada ¿Dónde nació Benito Juárez? – LUGAR ¿Quién inventó el teléfono? – PERSONA ¿Cuándo cayó la primera bomba atómica? – FECHA
¿Quién invadió a Kuwait?
Laboratorio de Tecnologías del Lenguaje 25
Solución con aprendizaje automático
Caracterizamos las preguntas:1. Los pesos de las palabras objetivo de la pregunta con respecto
al tipo de pregunta Usamos la Web
”President is a person” ”President is a place” ”President is a date” ”President is a measure” ”President is an organization”
2. Las palabras de la pregunta (bolsa de palabras)
Laboratorio de Tecnologías del Lenguaje 26
¿Cómo obtener las palabras objetivo?
Las obtenemos al consultar sobre la Web: Por ejemplo: Who is the President of the French Republic?
1. Eliminamos las palabras vacías (partículas sin contenido)2. Eliminamos los adverbios o pronombres interrogativos3. Reformulamos la consulta con el resto de las palabras:
”President French Republic is a si” donde si є {Person, Organization, Place, Date, Measure}.
Si el motor de búsqueda no regresa ningún resultado entonces eliminamos palabras de derecha a izquierda: ”President French is a si” ”President is a si”
En particular, para este último caso tenemos respuesta para todas las clases semánticas excepto FECHA
Laboratorio de Tecnologías del Lenguaje 27
Usando la Web para caracterizar una pregunta
Laboratorio de Tecnologías del Lenguaje 28
Usando las palabras de la pregunta
Usamos todas las palabras de la pregunta La presencia de una palabra caracteriza una pregunta
Problema: los plurales, las conjugaciones !! Quién, Quienes Es, eran, fue Cuánto, Cuántas
Solución: un analizador morfológico
Laboratorio de Tecnologías del Lenguaje 29
Usando las palabras de la pregunta
Problema: depende del idioma Solución: truncado
Quién – quienes A 4 caracteres >quie< A 5 caracteres >quien<
Se hicieron cálculos para tres idiomas: Español, italiano e inglés
Laboratorio de Tecnologías del Lenguaje 30
Resultados al clasificación usando palabras, prefijos y la Web
Laboratorio de Tecnologías del Lenguaje 31
Resultados al clasificación usando palabras, prefijos y la Web
Laboratorio de Tecnologías del Lenguaje 32
Resultados al clasificación usando palabras, prefijos y la Web