39
Acceso au oma izado a aseologismos y colocaciones
en co pus no e ique ado
ANTONIO PAMIES BERTRÁN (Uni e sidad de G anada)
JOSÉ MANUEL PAZOS BRETAÑA (Uni e sidad de G anada)
In oducción
Sinclai de ine la colocación léxica como la [ ei e ada] ocu encia de dos
o más palab as a co a dis ancia una de o a en un ex o (1991: 170). Es a
de inición, independien e de unos p esupues os lingüís icos pa icula es,
o ece un pun o de pa ida idóneo pa a in es iga la ex acción
au oma izada en un co pus elec ónico no ano ado. Tiene la en aja de
p es a se a comp obaciones, y de que pe mi e desa olla dis in as
hipó esis pa a el análisis colocacional, al como han p opues o, en e
o os, Chu ch e al. (1989, 1990), Clea (1993), Dunning (1993), o S ubbs
(1995). Po o a pa e, con es e ipo de ap oximación es posible abaja
sin necesidad de un g an despliegue de medios écnicos y no se equie e
ninguna in o mación lingüís ica adicional (p.ej., puede aplica se a un
co pus que no equie a p e iamen e se e ique ado y ap o echa
he amien as de análisis ya conocidas)1. De es e modo, un p ime abo daje
con mé odos me amen e cuan i a i os compensa po su economía el
ca ác e ela i amen e "p imi i o" y ap oximado de lo que, en p incipio,
puede espe a se de ellos.
In en amos en es e abajo accede con apidez a las posibles
combinaciones colocacionales de un co pus ex ual, basándonos en el
me o hecho de que la ecuencia de coapa ición es el elemen o cla e,
como pa e inhe en e de la p opia de inición de las colocaciones léxicas.
De se e icaz, es a écnica pod ía ayuda a cons ui dicciona ios de
colocaciones2. Na u almen e, las exp esiones que sólo apa ecen una ez
quedan ue a del expe imen o. El co pus elegido como campo de p uebas
ha sido el Quijo e de Ce an es, cuyo amaño es, po un lado, lo
su icien emen e g ande pa a ob ene esul ados es adís icamen e
ele an es y, po o o, lo su icien emen e educido como pa a pode
1 En es e sen ido, éase ambién Aguila (1994), K aï (1997); Pamies, Gui ao &
Bolí a (1998) o Gui ao & Pamies (en p ensa).
2 Véase al espec o, Haussmann 1979, Cowie 1981, Luque 1995 y Koike 2001.
Language Design 5 (2003, 39-50)
40 An onio Pamies Be án & José Manuel Pazos B e aña
e i ica "manualmen e" la calidad de la in o mación ob enida. No
dis ingui emos aquí en e colocación y unidad aseológica en gene al
(UF), siendo -po o a pa e- las colocaciones una subclase de las UF3, que
ambién cumplen con la de inición de pa ida (coapa ición ecu en e de
palab as en un ex o).
Me odología
Un en oque me amen e cuan i a i o de las UF debe comp oba has a qué
pun o la ecuencia de un de e minado pa ón de concu encia léxica
di ie e de lo que pod ía espe a se es adís icamen e. Una des iación
signi ica i a puede conside a se como un indicio de que la p esencia de
una de e minada palab a in luye de alguna mane a en la apa ición de
o as. Podemos conside a dos ipos de ecuencia: una ecuencia o al
(llamamos n a la ecuencia o al de la base y c a la del colocado), que
nos indica el núme o de eces que una palab a apa ece en el co pus
conside ado, y una ecuencia de coapa ición de dos palab as a una
de e minada dis ancia. Pa a comp oba la ele ancia de es a ecuencia, es
p eciso compa a la con o a magni ud: la ecuencia espe ada (es deci ,
la ecuencia de coapa ición "casual”). Pa a calcula la, el modelo
dis ibucional más sencillo es el modelo alea o io o no mal, que
p esupone que -en ausencia de ninguna egla - la p obabilidad de una
de e minada combinación en un de e minado agmen o del ex o debe ía
se la misma que en la o alidad del ex o. La p obabilidad alea o ia de
coapa ición de un big ama se ía igual al p oduc o de las ecuencias
o ales de sus componen es di idido po el p oduc o de las p obabilidades
de apa ición indi idual de los mismos ( n x c/ pn x pc), siendo és as, a su
ez, iguales a la ecuencia o al di idida po el núme o de palab as del
ex o. Tes s es adís icos como z-sco e4: y -sco e5 se basan en es os da os.
3 c . Zuluaga 1980; Mendí il 1991; Co pas 1996; Ruiz Gu illo 1998; Iñes a &
Pamies 2002.
4 El z-sco e nos pe mi e analiza da os ob enidos de dis ibuciones que poseen
di e en es medias y/o des iaciones es ánda y que no pod ían se compa ados de
o a mane a. Viene dado po la ó mula:
(
)
σ
/EOz
−
=
donde: O es la ecuencia
en colocación, E es la ecuencia de ocu encia espe ada (o no mal) del colocado,
σ es la des iación es ánda y equi ale a la aíz de la a ianza o (des iación
cuad á ica media). És a iene dada po la exp esión
(
)
(
)
ppN −1 donde: N es la
suma de las palab as den o de los in e alos, p es la p obabilidad de que esa
palab a apa ezca en el ex o (núme o o al de palab as del ex o pa ido po el
núme o de ocu encias de dicha palab a).
Acceso au oma izado a aseologismos y colocaciones... 41
Dunning (1993) c i icó la p esunción de dis ibución alea o ia, poco
ealis a dadas las conside ables a iaciones comp obadas según cada ipo
y amaño de co pus. P opone el uso de un coe icien e más independien e
del amaño del co pus y que no p esupone una dis ibución no mal del
léxico, conside ando dis ibuciones binomiales y mul inomiales6.
La in o mación necesa ia es un lis ado de odos los big amas
ecu en es, omando como con ex o ele an e un in e alo de x palab as a
de echa e izquie da del p ime componen e, jun o con los da os numé icos
siguien es pa a cada pa eja:
a) ecuencia de coapa ición (k): núme o de eces que apa ecen jun as
dos palab as den o del in e alo elegido;
b) ecuencias o ales ( n y
c): núme o de eces que apa ecen los
componen es po sepa ado en la o alidad del ex o (en ausencia de
conocimien os cuali a i os, se p esupone con encionalmen e que el
p ime o es el nodo y el segundo es el colocando);
c) z-sco e magni ud es adís ica no malizado a que nos indica, en
dis ibuciones no males, la des iación de la media exp esada en
acciones o múl iplos de la des iación es ánda [índice de a iabilidad
que nos mues a la dispe sión de un conjun o de da os];
5 En cambio, en que el -sco e se conside a la des iación es ánda σ de la base en
combinación con el colocado (no únicamen e de la del colocado como e a el caso
en el z-sco e):
(
)
σ
/EO
−
=
σ =
(
)
(
)
qqN −1
donde q iene dado po la p obabilidad de que la base y el colocado concu an
den o del ango seleccionado.
6 La ó mula log likehood, al como la e o mula Daille (1995), se ía la siguien e:
2 [a·loga + b·logb +c·logc +d·logd - (a+b)·log(a+b) - (a+c)·log(a+c) -
- (b+d) ·log(b+d) - (c+d) ·log(c+d) + (a+b+c+d) ·log(a+b+c+d)],
donde a es el núme o de binomios (big amas ecu en es) en los que X apa ece
jun o a Y; b es el núme o de binomios en los que X no apa ece jun o a Y; c es el
núme o de binomios donde Y apa ece pe o no X; d es el núme o de binomios
donde no apa ecen ni X ni Y. Así, a+b equi ale al núme o de ocu encias de X;
a+c al al núme o de ocu encias de Y; y a+b+c+d al núme o o al de palab as
del co pus conside ado.
42 An onio Pamies Be án & José Manuel Pazos B e aña
d) -sco e: o a magni ud es adís ica que conside a la des iación es ánda
[ a ianza] de la supues a base en combinación con el supues o colocado
(no únicamen e de la del colocado como ocu e con z-sco e).
e) ó mula de Dunning: magni ud que compa a la dis ibución en e
binomios donde ocu en X con Y, X sin Y, Y sin X, ni X ni Y (siendo X e
Y componen es de cualquie big ama ecu en e del co pus).
P e iamen e, elabo amos una abla de "conco dancias" ( odas las
apa iciones en con ex o de cada palab a en el ex o), ealizada con el
p og ama Conco dance .3.0. (Wa 2002), que nos se i á de e e encia y
comp obación, además del p opio co pus. Con ayuda del p og ama TACT
.2.1. (B adley 1996)7, ob enemos el lis ado de los big amas ecu en es y
sus es ecuencias. Las ablas esul an es se p ocesan con el p og ama de
es adís icas SPSS .11. pa a calcula z-sco e, -sco e y la ó mula de
Dunning. Se a a como emos de unos medios compu acionales muy
"lige os", con los que, en p incipio, debe íamos pode ex ae una
in o mación cuan i a i a que iden i ica las colocaciones léxicas como
ales, po se el co ela o numé ico de la de inición de pa ida.
Resul ados
En un p ime in en o, cla amen e allido, aplicamos -como mic ocon ex o-
una en ana de cua o palab as al ex o ín eg o del Quijo e, sin más, con lo
cual, se ga an iza la ecupe acción de la in o mación, pe o las unidades
de ec adas se pie den en el inmenso iche o esul an e (un p ime in en o
nos dio 27.250 en adas, equi alen es a unos 500 olios). Resul a
imposible comp oba la in o mación dispe sada en e miles de
combinaciones pu amen e g ama icales (p.ej. P on.+V., Aux+ Pa , A +
N, e c).
Pa a il a es os da os "pa asi a ios", se epi e el expe imen o
aplicando un il o léxico (s op wo d lis )8, que elimina odos los
mo emas g á icamen e au ónomos (de e minan es, conjunciones,
p eposiciones, p onomb es, e bos auxilia es, e bos modales y ad e bios
que no acaben en -men e). Con ello pe demos na u almen e las locuciones
conjun i as, p eposi i as y ad e biales (p.ej., siemp e y cuando, en con a
de, a causa de, de cuando en cuando), y ambién colocaciones que se
dis inguen po su al a de a ículo in e io (del ipo ab i uego), que se
7 éase ambién Pé ez Gue a 1998.
8 c . Gui ao & Pamies (en p ensa)
Acceso au oma izado a aseologismos y colocaciones... 43
uni án a sus co ela os no colocacionales, o incluso a o a colocación
di e en e (p.ej. da de mano ≠ da la mano). Ello queda ampliamen e
compensado po las en ajas de la educción del iche o, ya que, en la
p ác ica, hemos comp obado que la inmensa mayo ía de las coapa iciones
en que pa icipan se y habe son me as combinaciones sin ác icas con
pa icipios pa a o ma iempos compues os y/o pasi as. También
eliminamos algunos nomb es p opios de p o agonis as p incipales, po que
dan luga a mul i ud de co-ocu encias i ele an es con palab as de al a
ecuencia (Don Quijo e [de la Mancha], Sancho [Panza], Dulcinea [del
Toboso]). Es o nos pe mi e usa como con ex o de coapa ición una
en ana más educida, pues o que, una ez eliminadas las palab as
g ama icales, bas a con un in e alo de dos palab as pa a de ec a una
colocación. En cuan o a las UF mayo es, no quedan eliminadas po dicho
bina ismo, en el peo de los casos quedan uncadas y solapadas en
big amas di e en es (pedi co u as en el gol o> pedi +co u as &
co u as+gol o).
Es e segundo expe imen o pe mi e así ob ene un iche o que no
con iene oda la in o mación deseada, pe o que, en cambio, pe mi e
examina y e i ica los da os, g acias a sus dimensiones manejables y su
mayo adecuación al obje o in es igado. El lis ado ob enido con TACT
incluye aun así muchas combinaciones ecu en es que cumplen con la
ci ada de inición de Sinclai pe o que no son UF pese a ello. Es as
combinaciones ex uales, que podemos llama "alea o ias" (p.ej.
ama+sob ina, que co-ocu en 24 eces), abundan incluso más que las UF,
pues és as sólo ep esen an 723 big amas sob e un o al de 10.716
combinaciones de ec adas, o sea un 6,75%9. Nues a hipó esis inicial e a
que, al o dena de o ma descenden e el lis ado ob enido, según una de las
magni udes es adís icas, las UF se debe ían concen a en una zona en
pa icula , dis inguiéndose así de las combinaciones "alea o ias", po
c i e ios exclusi amen e es adís icos.
Mos amos a con inuación, pa a cada zona delimi ada po los
esul ados es adís icos, el núme o de unidades aseológicas (UF), el
núme o de big amas ecu en es (BG); la densidad aseológica
9 En iéndase unidades dis in as (los okens se ían muchos más); po o a pa e, no
ol idemos que sólo se de ec an las co-ocu encias que se dan -como mínimo- dos
eces en el co pus. Los da os absolu os ambién a ia ían si hubiésemos
lema izado el co pus, y si no hubiese solapamien o en e agmen os de UF
mayo es uncadas en a ios big amas (pedi +co u as y co u as+gol o). Las
únicas ci as ealmen e ep esen a i as son po an o las p opo ciones.

44 An onio Pamies Be án & José Manuel Pazos B e aña
(p opo ción en e el núme o de unidades aseológicas y de big amas pa a
una zona: %UF/ BG), el olumen aseológico (p opo ción en e el
núme o de UF de una zona y el o al de UF del co pus: %UF /TOT), así
como el olumen de co-ocu encia (p opo ción en e el núme o de
big amas de la zona y el o al de big amas ecu en es del co pus: %BG
/TOT).
Tab.1 z-sco e
z-sco e UF BG %UF /BG %UF /TOT %BG /TOT
>200 14 69 20,29 1,98 0,64
>150 21 83 25,30 2,97 0,77
>100 27 199 13,57 3,82 1,86
>50 81 534 15,17 11,46 4,98
>25 154 1184 13,01 21,78 11,05
>10 229 2614 8,76 32,39 24,39
>9 29 365 7,95 4,10 3,41
>8 40 423 9,46 5,66 3,95
>7 33 481 6,86 4,67 4,49
>6 29 552 5,25 4,10 5,15
>5 18 671 2,68 2,55 6,26
>4 10 689 1,45 1,41 6,43
>3 14 826 1,69 1,98 7,71
>2 4 826 0,48 0,57 7,71
>1 3 656 0,46 0,42 6,12
>0 1 404 0,25 0,14 3,77
<0 0 140 0,00 0,00 1,31
Tab.2 -sco e
-sco e UF BG %UF /BG %UF /TOT %BG /TOT
>5 6 21 28,57 0,85 0,20
>4 14 34 41,18 1,98 0,32
>3 45 125 36,00 6,36 1,17
>2 167 638 26,18 23,62 5,95
>1,5 229 2019 11,34 32,39 18,84
>1 242 6862 3,53 34,23 64,04
<1 4 1017 0,39 0,57 9,49
Acceso au oma izado a aseologismos y colocaciones... 45
Tab.3 ó mula de Dunning
F.Dunn. UF BG %UF /BG %UF /TOT %BG /TOT
>100 6 28 21,43 0,83 0,26
>50 23 64 35,94 3,18 0,60
>40 29 66 43,94 4,01 0,62
>30 38 122 31,15 5,26 1,14
>20 134 394 36,29 19,78 3,68
>15 95 637 15,23 13,42 5,94
>10 151 1668 9,17 21,16 15,57
>9 23 520 4,42 3,18 4,85
>8 33 689 4,79 4,56 6,43
>7 38 792 4,80 5,26 7,39
>6 62 831 7,82 8,99 7,75
>5 41 964 5,91 5,67 6,48
>4 16 1002 1,60 2,21 9,35
>3 8 977 0,82 1,11 9,12
>2 7 887 0,79 0,97 8,28
>1 2 634 0,32 0,28 5,92
>0 1 441 0,23 0,14 4,12
Discusión
Cuan i a i amen e, los es pa áme os sólo coinciden pa cialmen e
con la hipó esis de pa ida: en odos ellos podemos e que, g osso
modo, a mayo alo de z-sco e, de -sco e o de la ó mula de
Dunning, mayo densidad aseológica. Pe o, al mismo iempo, es a
co elación iene poca u ilidad p ác ica, po que esul a que las zonas
de al a densidad aseológica, delimi adas g acias a los alo es
supe io es de z-sco e y -sco e, coinciden con zonas de bajo olumen
aseológico po que hay su ez poco olumen de co-ocu encia ( ig.
1 & ig 2). Es e hecho es especialmen e llama i o en el caso de
-sco e, ya que las zonas que con ienen la g an mayo ía del olumen
aseológico es án p ác icamen e en co elación in e sa con las de
al a densidad aseológica.
En es e sen ido, la ó mula de Dunning esul a mejo pa ada
( ig. 3), ya que sus alo es supe io es delimi an zonas en las que
coinciden densidad y olumen aseológicos. Aún así, dos e cios de
las UF quedan en zonas de baja densidad, con lo cual ampoco
podemos espe a de la me a aplicación de es a ó mula una
decan ación au oma izada de las UF del co pus.
46 An onio Pamies Be án & José Manuel Pazos B e aña
El p oblema eside po an o en que, a pesa de que a mayo ma cado
es adís ico mayo densidad aseológica, hay o o ipo de
combinaciones, siemp e mayo i a ias, que consiguen los mismos
alo es es adís icos que las UF, sob e odo en las zonas de mayo
olumen aseológico.
Cuali a i amen e, es e " uido" co esponde a a ios ipos de
big amas:
a) nomb es p opios y opónimos (alejand o+magno, julio+césa ,
amadis+gaula, miguel+ce an es, san+ped o; élez+málaga,
ínsula+ba a a ia);
b) combinaciones con ex uales cuya ecu encia es ca ac e ís ica del
co pus elegido (p.ej. ingenioso+hidalgo/, yelmo+mamb ino/
ba be o+cu a/ bachille +cu a/ gobie no+ínsula/ bacia+ba be o/
ensa a + e anes);
c) combinaciones concep uales debidas a ue es nexos lógicos u
on ológicos en e dos e e en es, pe o que siguen siendo
combinaciones lib es (come+bebe/ hamb e+sed/ silla+sen ado/
lee +lib os/ mano+de echa/ lado+izquie do/ ayos+sol/
escudos+o o/ pan+queso/, manadas+o ejas/ ja o+agua/
onco+á bol/ hojas+á boles/ al anje+mo isco/ pequeña+aldea/
do mi +colchones/ lengua+cas ellana/ empe ado + omano/
mandamien o+cumpli / o e+al a);
d) combinaciones a i iciales p oducidas po nues a p opia
me odología, como, p.ej., la eliminación de los clí icos que sepa aban
dos palab as (dice+me ced <dice [ uesa] me ced/)10.
e) eduplicaciones e ó icas, ya sea po én asis (¡Lad ones,
lad ones!/ Cásese, cásese/ ... e anes y más e anes), pa alelismo
(de mesón en mesón y de en a en en a) an í esis (po que yo me
case o no me case con aquella seño a), pleonasmo (Ca lomagno es
Ca lomagno), anadiplosis (no odos los caballe os pueden se
co esanos ni odos los co esanos pueden ni deben se caballe os
andan es / la p ima e a sigue al e ano, el e ano al es ío...), o
calambu (no osa la oz en a po an es echo es echo)...
10 Algunas eces las palab as que se jun a on po es a azón ya o maban de odas
mane as una exp esión ija, p.ej. hon ada+pa a <... la muje hon ada, la pa a
queb ada y....
Acceso au oma izado a aseologismos y colocaciones... 47
ig.1 z-sco e
ig.2 -sco e
%UF /BG %UF /TOT % BG /TOT