Variables Semánticas Oracionales y Términos Compuestos

Enfoque

1. Introducción

Una unidad terminológica poliléxica (UTP) con 3 formantes, o UTP ternaria, es un término formado por 3 palabras que no pueden separarse. Ejemplos de UTP ternarias, en lengua inglesa, son natural sediment supply (aporte natural de sedimentos) y flood prevention operation (medida de prevención de inundaciones). Una cuestión importante en las UTP con 3 o más formantes es su correcta desambiguación estructural, un proceso también denominado bracketing.

El bracketing consiste en reducir la UTP, en la lengua inglesa, a su forma básica de modificador+núcleo. Así, se puede indicar si el bracketing, en el caso de una UTP ternaria, es derecho (p.ej., natural [sediment supply]) o izquierdo (p.ej., [flood prevention] operation). Determinar correctamente el bracketing de una UTP es fundamental para elaborar su traducción precisa en otra lengua. Además, conocer el bracketing correcto de una UTP mejora el desempeño de los sistemas de traducción automática y de los analizadores sintácticos.

2. Objetivos y Metodología

Por tanto, el objetivo general de este trabajo es predecir el bracketing de una UTP ternaria, en lengua inglesa, a partir de tres variables semánticas, que se anotan en la oración donde esa UTP se emplea. El conjunto de datos que se analiza está compuesto por 188 oraciones en inglés, anotadas con cuatro variables semánticas. Estas oraciones se caracterizan por: (1) mencionar un potamónimo (el nombre propio de un río) en uno de sus sintagmas; y (2) emplear una UTP ternaria en el otro sintagma. Estas 188 oraciones se seleccionan de una muestra de 1694 oraciones que mencionan un potamónimo, y que se extraen de un corpus sobre ingeniería de costas en lengua inglesa. Así pues, los objetivos específicos del trabajo son:

1. Constituir una muestra de 188 oraciones del corpus, en las que se emplean 190 UTP ternarias y se menciona un potamónimo.
2. Anotar, en la muestra de 188 oraciones, las siguientes variables semánticas con el programa de anotación de corpus INCEpTION: (1) dominio léxico del verbo; (2) categoría semántica de los argumentos del verbo; (3) rol semántico de los argumentos del verbo; y (4) bracketing (izquierdo o derecho) de la UTP ternaria.
3. Construir dos modelos predictivos, a saber, random forest y árbol de decisión, para predecir el bracketing de una UTP ternaria.
4. Comparar el desempeño de los dos modelos predictivos.

3. Discusión y Conclusiones

Hasta ahora, en las publicaciones relacionadas con la predicción del bracketing, el número de variables predictivas que se ha empleado va desde 12 hasta 517.254 variables. La precisión de sistemas anteriores oscila entre el 72,60 % y el 95,40 %. La novedad de este trabajo estriba en que: (1) ningún trabajo previo ha empleado las variables semánticas que hemos descrito anteriormente para la predicción del bracketing; y (2) un conjunto de solo 3 variables semánticas, empleadas en el modelo de random forest, proporciona una precisión del 100 % en el conjunto de test (Test: 57 UTP, 30 %; Entrenamiento: 133 UTP, 70 %).