Descubriendo las reglas para construir nuevas palabras Morfologa
Descubriendo las reglas para construir nuevas palabras Morfología Luis Villaseñor Pineda Laboratorio de Tecnologías del Lenguaje Coordinación de Ciencias Computacionales, Instituto Nacional de Astrofísica, Óptica y Electrónica Laboratorio de Tecnologías del Lenguaje
Morfología l Entrada: l l Salida: l l Secuencia de fonemas (letras) Secuencia de pares (lema, tag(s)) Estudia: l Composición de fonemas/grafemas en formas léxicas (palabras) a partir de sus raíces (lema) + categorías morfológicas (inflexión, derivación, composición). Laboratorio de Tecnologías del Lenguaje 2
Contenido l l l ¿Cómo construimos nuevas palabras? ¿Qué es una palabra? Funciones de la Morfología l l l Inflexión Derivación y Composición Algunos enfoques para su resolución Laboratorio de Tecnologías del Lenguaje 3
¿Para qué la morfología? l Usos corrientes l Corrigiendo la ortografía l l l *presición => inherente a la palabra Yo caminabas => concordancia número y género termino / término => contexto / categoría gramatical sólo / solo => contexto / categoría gramatical Separando en sílabas l l l ta-re-a trans-crip-ción dí-a Laboratorio de Tecnologías del Lenguaje 4
¿Para qué la morfología? l Recuperando su origen – significado l Para clasificación de textos: mientras más se mencione una palabra (un significado) con mayor seguridad el texto versa sobre ese tema l l l huracán, huracanes lluvia, lluvias Como primer paso de un analizador sintáctico Laboratorio de Tecnologías del Lenguaje 5
¿Para qué la morfología? l Recordemos: l l l 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 6
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. l l Nuevas palabras deberán fonología del lenguaje l l considerar la déjà vu bougambillia – bugambilia computadora – ordenador Laboratorio de Tecnologías del Lenguaje 7
Conceptos básicos l Morfemas - los bloques básicos, entidades abstractas expresando características básicas l Conceptos semánticos (raíces) l l Puerta, lápiz Características abstractas l Puerta-s plural
Conceptos básicos l ¿qué es una palabra? l l “algo” entre blancos – ¿entonces en el habla? “algo” con significado – l Dímelo - una sola palabra pero son tres “algos” Laboratorio de Tecnologías del Lenguaje 9
Conceptos básicos l ¿qué es una palabra? l l “algo” entre blancos – ¿entonces en el habla? “algo” con significado – l l l 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 10
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 11
Funciones de la morfología I l Inflexión l Cambia su categoría gramatical pero no su categoría de parte de la oración. l l l comeré – comiste ladrón – ladronzuelo Tres clases en función de su inflexión Partículas o palabras sin inflexión (conjunciones, artículos, etc. ) l Verbos – admiten la conjugación l Nominales – palabras con declinación (adjetivos, Laboratorio de Tecnologías del Lenguaje adverbios, etc. ) l 12
Funciones de la morfología II l Derivación l Proceso para crear nuevas palabras. Cambia su categoría gramatical y cambia su categoría de parte de la oración. l l La derivación es incompleta no se puede aplicar a todas las palabras de una determinada clase l l Comer - comestible Correr – *corrible Depende de su origen (es una raíz latina o griega) l l Triste – tristeza Feo – *feeza Laboratorio de Tecnologías del Lenguaje 13
Funciones de la morfología III l Composición l Proceso para crear nuevas palabras. A partir de dos palabras (dos raíces) creamos una nueva l l Cabizbajo Maniatado malhablado No es claro donde termina la derivación y empieza la composición l l Dinosaurio Televisión Laboratorio de Tecnologías del Lenguaje 14
¡Los límites no son claros! l l l 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 15
Construyendo palabras l l l Una palabra es una secuencia / concatenación de morfemas El morfema principal o libre es la raíz Un afijo es un morfema secundario o atado l Prefijo – afijo concatenado frente a la raíz l l Feliz – infeliz Sufijo – afijo concatenado al final de la raíz l l Marca – marcas Árbol – árboles Laboratorio de Tecnologías del Lenguaje 16
Ejemplos l Pseudohospitalización l l l l Pseudo – hospitalización Hospitalizar – hospitalización Hospital – hospitalizar Destruir Mano Capital Sucio Laboratorio de Tecnologías del Lenguaje 17
Restricciones sobre los afijos l Tenemos restricciones semánticas, por ejemplo, no es posible adjetivar negativamente un nombre que ya tiene una carga negativa: l l l Feliz – infeliz Triste – *intriste Correcto – incorrecto Errado – *inerrado Existen muchas más incluyendo restricciones fonológicas l l l Propio – impropio Tonantzintla – Tonanzintla Cempoaxochitl – Cempaxúchil Laboratorio de Tecnologías del Lenguaje 18
Etiquetando en partes de la oración l Usamos las características morfológicas de las palabras junto con su contexto para determinar su parte de la oración (su función gramatical) l La ayuda desinteresada de mi parte l l l 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 19
El contexto es indispensable l *parte ayuda mi desinteresada de la l ¿Qué pasa con estas frases? l l l 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 20
El contexto y nuestra expectativa l ¿Qué tanto leemos y que tanto “inventamos”? Laboratorio de Tecnologías del Lenguaje 21
El contexto y nuestra expectativa l ¿Qué tanto leemos y que tanto “inventamos”? l "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 22
¿Qué hay detrás de un etiquetador? l Un sistema de reglas aplicadas a un lexicón de base Junto con un proceso estocástico para incluir el contexto (Modelos Ocultos de Markov) l Sistema con el que trabajaremos l l l Free. Ling. Pipe Laboratorio de Tecnologías del Lenguaje 23
Aplicación: clasificación de preguntas l Objetivo: agrupar las preguntas por el tipo de respuesta esperada l ¿Dónde nació Benito Juárez? – LUGAR ¿Quién inventó el teléfono? – PERSONA ¿Cuándo cayó la primera bomba atómica? – FECHA l ¿Quién invadió a Kuwait? l l Laboratorio de Tecnologías del Lenguaje 24
Solución con aprendizaje automático Caracterizamos las preguntas: l 1. Los pesos de las palabras objetivo de la pregunta con respecto al tipo de pregunta l 2. Usamos la Web § ”President is a person” § ”President is a place” § ”President is a date” § ”President is a measure” § ”President is an organization” Las palabras de la pregunta (bolsa de palabras) Laboratorio de Tecnologías del Lenguaje 25
¿Cómo obtener las palabras objetivo? l l Las obtenemos al consultar sobre la Web: Por ejemplo: Who is the President of the French Republic? 1. 2. 3. Eliminamos las palabras vacías (partículas sin contenido) Eliminamos los adverbios o pronombres interrogativos Reformulamos la consulta con el resto de las palabras: l l Si el motor de búsqueda no regresa ningún resultado entonces eliminamos palabras de derecha a izquierda: l l l ”President French Republic is a si” donde si є {Person, Organization, Place, Date, Measure}. ”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 26
Usando la Web para caracterizar una pregunta Laboratorio de Tecnologías del Lenguaje 27
Usando las palabras de la pregunta l Usamos todas las palabras de la pregunta l l Problema: los plurales, las conjugaciones !! l l La presencia de una palabra caracteriza una pregunta Quién, Quienes Es, eran, fue Cuánto, Cuántas Solución: un analizador morfológico Laboratorio de Tecnologías del Lenguaje 28
Usando las palabras de la pregunta l l Problema: depende del idioma Solución: truncado l Quién – quienes l l l A 4 caracteres >quie< A 5 caracteres >quien< Se hicieron cálculos para tres idiomas: l Español, italiano e inglés Laboratorio de Tecnologías del Lenguaje 29
Resultados al clasificación usando palabras, prefijos y la Web 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
- Slides: 32