Contribución de la semántica combinatoria al desarrollo de herramientas digitales multilingües

171CLAC 90 2022: 171-188 Contribución de la semántica combinatoria al desarrollo de herramientas digitales multilingües María José Domínguez Vázquez 1 Recibido: 24 de enero de 2021/Aceptado: 28 de febrero de 2022 Resumen. El presente trabajo describe cómo la semántica combinatoria ha contribuido al diseño de tres prototipos de generación automática de esquemas argumentales del nombre en español, francés y alemán – Xera, Combinatoria y CombiContext. Asimismo, da cuenta de la importancia del conocimiento sobre la interfaz sintáctico-semántica argumental en una situación de producción en lenguas extranjeras. Tras un apartado descriptivo sobre el diseño, tipología y niveles informativos de los recursos, sigue una exposición sobre el papel fundamental del significado combinatorio –relacional y categorial– en su desarrollo. El estudio detalla diferentes filtros semánticos aplicados en la selección, organización y expansión del caudal léxico, siendo estos piezas clave para la generación de frases nominales mono y biargumentales gramaticalmente correctas y semánticamente aceptables. Palabras clave: significado combinatorio; Generación automática de la lengua; roles semánticos; rasgos ontológicos; esquemas argumentales [en] Contribution of the Combinatorial Semantics to the development of multilingual digital tools Abstract. This paper describes how the field of Combinatorial Semantics has contributed to the design of three prototypes for the automatic generation of argument patterns in nominal phrases in Spanish, French and German – Xera, Combinatoria and CombiContext. It also shows the importance of knowing about the argument syntactic-semantic interface in a production situation in the context of foreign languages. After a descriptive section on the design, typologie and information levels of the resources, there follows an explanation of the central role of the combinatorial meaning – roles and ontological features. The study deals with different semantic filters applied in the selection, organization and expansion of the lexicon, being these key pieces for the generation of grammatically correct and semantically acceptable mono- and biargumental nominal phrases. Keywords: combinatory meaning; Automatic Language Generation; semantic roles; ontological features; argument patterns Cómo citar: Domínguez Vázquez, M. J. (2022). Contribución de la semántica combinatoria al desarrollo de herramientas digitales multilingües. Círculo de Lingüística Aplicada a la Comunicación 90, 171-188. Índice. 1. Introducción. 2. Datos generales e interfaz de consulta de los generadores. 2.1. Punto de partida. 2.2. Descripción general y metodología. 2.3. Aplicación web de consulta. 3. Los generadores automáticos en el panorama lexicográfico: tipología. 4. De la interfaz sintáctico-semántica a la generación automática. 4.1. El esquema argumental como punto de partida. 4.2. El significado combinatorio. 4.3. Los roles semánticos. 4.3.1. Los roles semánticos como desambiguadores de significado. 4.3.2. Los roles semánticos como instancias grupales. 4.3.3. A modo de resumen. 4.4. Rasgos ontológicos como componentes del significado combinatorio: prototipos léxicos y clases semánticas. 5. Conclusión y perspectivas de futuro. Agradecimientos. Referencias. 1. Introducción En la era de la inteligencia artificial y de la comunicación digital, el desarrollo de innovadores recursos lingüísticos y lexicográficos de calidad implica potenciar la integración y retroalimentación de datos, así como la automatización de técnicas y procedimientos de extracción, procesamiento y generación del lenguaje natural. En esta línea, un análisis de las publicaciones recogidas en OBELEXmeta –recurso que compila literatura científica en el campo de la lexicografía electrónica– permite constatar que desde los años 80 se establece una mayor interacción entre las áreas de la lexicografía y del procesamiento del lenguaje natural (PLN) y generación (GLN). De hecho, hace unas décadas no contaríamos con estudios como Lexicography and Natural Language Processing (Horák y Rambousek, 2018), Lexicography between NLP and Linguistics: Aspects of Theory and Practice (Trap-Jensen, 2018) o Natural Language Processing and Automatic Knowledge Extraction for Lexicography (Krek, 2019). 1 Universidade de Santiago de Compostela–Instituto da Lingua Galega. Correo electrónico: [email protected] ORCID: https://orcid.org/0000- 0002-6060-9577 ARTÍCULOS Círculo de Lingüística Aplicada a la Comunicación ISSN: 1576-4737 https://dx.doi.org/10.5209/clac.73849 172 Domínguez Vázquez, M. J. CLAC 90 2022: 171-188 Es innegable que la Lexicografía y la Lingüística se benefician de los avances en la generación y el procesamiento del lenguaje natural - extracción de datos automatizada (Kilgarriff y Kosem, 2012), medidas de similitud semántica mediante métodos predictivos como word2vec (Mikolov et al, 2013) o fastText (Bojanowski et al., 2017) o generación automática de diccionarios (Bardanca, 2020). Y a la inversa: las áreas del PLN han demostrado beneficiarse de la disponibilidad de conocimiento léxico a diferentes niveles (Navigli y Ponzeto, 2012; Trap-Jensen, 2018). Además contamos, entre otros, con estudios más pormenorizados sobre el uso y los usuarios del diccionario y los recursos digitales (Müller-Spitzer, 2014; Müller-Spitzer et al, 2018), sobre el usuario como consumidor-“prosumidor” de información –en especial en la lexicografía colaborativa (Meyer y Gurevych, 2012)–, sobre el manejo de nuevos dispositivos y accesos a la información (Prinsloo et al, 2011, 2012; Nied, 2014) y sobre diferentes tipos de consulta, necesidades y expectativas de los usuarios (Gouws, 2017). Estas interacciones, así como los avances en las tecnologías de la lengua y el empoderamiento del usuario de los recursos lexicográficos han influido notablemente en el propio concepto de diccionario y en el tipo de tareas que la lexicografía ha de acometer (Maldonado, 2019; tesis de Villa Vigoni, 2018) Precisamente en esta nueva concepción del diccionario del futuro – entendido como sistema de información en la línea de las citadas tesis de Villa Vigoni – se enmarcan nuestros prototipos de generación automática argumental del nombre en español, francés y alemán, Xera, Combinatoria y CombiContext (http://portlex.usc.gal/combinatoria/). Estos sirven de modelo para un nuevo tipo de diccionario plurilingüe de valencias, que quiere dar respuesta a las demandas de los usuarios - consultas sencillas y rápidas, así como la obtención individualizada y concreta de datos (Spohr, 2011). Seguimos pues la máxima de que los recursos se desarrollan para ser consultados, en consonancia con la relevancia otorgada al usuario de la información lexicográfica en la literatura científica. El artículo se enmarca, por tanto, en las aproximaciones previamente señaladas, y tiene como objetivo presentar el papel que juega el significado combinatorio – relacional y categorial (Engel, 2004) – como elemento nuclear del nuevo método combinado que se ha aplicado en el desarrollo de los generadores (apartado 4). Dicho método permite describir, procesar y generar sintáctica y semánticamente el potencial combinatorio de la frase nominal en el eje sintagmático y paradigmático frasal (la valencia activa) y en el oracional (la valencia pasiva). Para tal fin, se analizan los patrones argumentales y el significado combinatorio – roles semánticos y rasgos ontológicos (4.2. y 4.3.) – de los elementos implicados en una expresión, así como los prototipos léxicos y clases semánticas (véase 4.4.) actualizables en las diferentes casillas funcionales. De este modo, el modelo y, en definitiva, los generadores cuentan con un sólido fundamento semántico. Por tanto, nuestros prototipos se asientan en diferentes aproximaciones lingüísticas, así como en procedimientos de recuperación y extracción de datos mediante técnicas de PLN y, finalmente, en la generación automática (GLN). Esta contribución se articula como sigue: En los apartados iniciales se aporta una visión de conjunto de los simuladores Combinatoria y CombiContext (apartado 2) junto con su descripción tipológica (apartado 3). El apartado 4 se centra en la aplicación de la semántica combinatoria en el desarrollo de los generadores. 2. Datos generales e interfaz de consulta de los generadores 2.1. Punto de partida Hoy en día están en funcionamiento tres generadores automáticos de patrones argumentales y sus ejemplos: Xera aporta esquemas monoargumentales de la frase nominal y Combinatoria esquemas biargumentales. CombiContext permite recrear el contexto frasal y oracional de las frases nominales generadas por los simuladores previamente citados. Dichos recursos surgen ligados a una necesidad doble y, por tanto, cuentan también con una doble aplicación: • El origen de nuestros generadores son las constatadas dificultades a la hora de compilar ejemplos de corpus adecuados para mostrar la combinatoria valencial de las cinco lenguas recogidas en el diccionario multilingüe de la valencia del nombre Portlex (Domínguez y Valcárcel, 2020). Dado que los corpus manejados no están anotados semánticamente, no es posible extraer ejemplos que atiendan a la interfaz sintáctico-semán- tica valencial, esto es, que reflejen el esquema sintáctico-semántico valencial y el potencial combinatorio de las unidades de análisis (vid. 3.). Por tanto, los búsquedas de corpus no permiten diferenciar realizaciones argumentales-valenciales frente a aquellas que no lo son (vid. 4.3.1.). Por este motivo, decidimos invertir la perspectiva: generar automáticamente esquemas argumentales y ejemplos adecuados para nuestro diccionario, en lugar de extraerlos. A diferencia de los corpus, los generadores también permiten extraer y consultar los datos atendiendo a criterios semántico-ontológicos. • Diferentes estudios señalan que la adquisición de un lexema está ligado al aprendizaje de su entorno sintáctico-semántico (Laufer y Nation, 2012) y que un nutrido número de errores en la producción en lenguas extranjeras se sitúa precisamente aquí (Gao y Haitao, 2020; Nied, 2014). Dado que, además, se constata una carencia de recursos electrónicos plurilingües sobre la valencia nominal, estos simuladores vienen a cubrir una laguna en la enseñanza-aprendizaje de lenguas, en donde se recurre a diferentes aplicaciones didácticas de los recursos lexicográficos (Alvarez de la Granja, 2017; Müller-Spitzer et al, 2018; Wolfer et al., 2016). 173Domínguez Vázquez, M. J. CLAC 90 2022: 171-188 2.2. Descripción general y metodología Los generadores piloto ofrecen información de 20 sustantivos de diferentes campos semánticos en alemán, español y francés, los cuales recoge la Figura 1: Figura 1. Sustantivos y campos semánticos El primer filtro para la inclusión de los sustantivos en los generadores es su estatus como portadores valenciales, esto es, su capacidad de abrir casillas funcionales (Engel, 2004). Nuestro modelo incluye la descripción de sustantivos derivados, por ejemplo, huida, sustantivos no deverbales, como presencia, e incluso aquellos que no muestran ningún tipo de derivación, como texto o vídeo. Contemplamos, a su vez, un segundo criterio: la pertenencia de los sustantivos a diferentes escenarios (Fillmore, 1977), la cual determinamos a partir del análisis de los diferentes roles semánticos o relatores implicados en el esquema argumental (vid. 4.2.). Tras la selección de los sustantivos objeto de análisis, describimos su esquema o patrón argumental (vid. 4.1.) siguiendo los presupuestos teórico-valenciales del diccionario Portlex (2018). A continuación, es necesario determinar qué caudal léxico puede cubrir el eje paradigmático de los diferentes complementos específicos, para, de este modo, poder codificar la generación de las realizaciones argumentales. Así, en relación con el patrón argumental del sustantivo esp. sabor [el sabor de algo a algo] se necesita responder a la pregunta de qué unidades léxicas pueden ocupar ambas casillas, como, por ejemplo, el sabor del {asado | pescado | churrasco, …} a {ajo | cebolla | pimienta | alcohol, …}. Para tal fin, extraemos datos de frecuencia y combinatoria de Sketch Engine, los clasificamos según su significado relacional y realizamos un prototipado semántico en dos niveles: establecemos, en primer lugar, los prototipos o candidatos léxicos (Domínguez, 2021) y, en segundo lugar, las clases semánticas específicas (vid. 4.4.). Consideramos prototipos o candidatos léxicos aquellos lexemas o unidades léxicas que ocupan típicamente una determinada casilla de una estructura valencial concreta de un núcleo. No se trata de conceptos abstractos o categorizaciones cognitivas (cfr. Rosch, 1978), dado que nuestra noción de prototipo está ligada a la estructura argumental sintáctica de un núcleo nominal concreto y la actualización de su(s) posible(s) lectura(s) o acepciones. Su tipicidad, así como su representatividad, se basa en la interacción de dos parámetros: la realización de un rol semántico vid. (4.3.) y su frecuencia en dicha estructura sintáctico-semántico argumental. Por tanto, el objetivo no es determinar si {cabeza} o {pelo} son per se prototipos centrales de la clase semántica {parte del cuerpo humano}, sino si estos lo son en una determinada estructura argumental. Así, para el patrón sintáctico [EL + DOLOR + DE + {N}] podemos concluir que {cabeza} – ej. el dolor de cabeza – es un prototipo léxico, frente a {pelo} que no es representativo de dicho patrón. Por el contrario, en el esquema argumental [EL + COLOR + DE + {N}], {pelo} sí que se puede considerar un candidato léxico prototípico – ej. el color de pelo. Ya en este nivel descriptivo el significado combinatorio, tanto en el plano relacional como categorial, es central vid. (4.4.). Para el análisis ontológico de los candidatos léxicos aplicamos una ontología léxica (Domínguez, Valcárcel y Bardanca, 2021), la cual compendia clases semánticas prototípicas resultantes de la vinculación entre los diferentes sustantivos y su(s) estructura(s) argumental(es) concreta(s). De este modo, se puede establecer el paradigma de clases semánticas y unidades léxicas de una determinada casilla funcional, lo cual resulta relevante desde un punto de vista 174 Domínguez Vázquez, M. J. CLAC 90 2022: 171-188 lingüístico e imprescindible en el procesamiento de extracción y generación automática de datos. Así, una vez delimitadas las unidades léxicas y clases semánticas que acostumbran a ocupar una casilla funcional concreta, tiene lugar el proceso de expansión léxica en el eje paradigmático: mediante los rasgos ontológicos adjudicados a los prototipos léxicos y las clases semánticas accedemos al caudal léxico recogido en WordNet (Gómez y Solla, 2018), organizado en diferentes ontologías. De este modo, extraemos un conjunto más amplio de candidatos léxicos representativos, los cuales comparten las características semánticas de los prototipos léxicos de los que partimos. Los datos extraídos siguen diferentes fases de depurado, tratamiento y empaquetado paradigmático, finalizándose con su generación. Para tal fin, se maneja en el caso de las estructuras biargumentales un conjunto de herramientas de creación propia (para una descripción detallada del procedimiento, así como de las herramientas manejadas véase Domínguez, Solla y Valcárcel, 2019). La generación de las estructuras oracionales se asienta en un PoS(Part of Speech) tagger de diseño propio, que extrae datos de la Wikipedia. Las diferencias entre los generadores son de diferente calado: Xera ofrece estructuras monoargumentales de la frase nominal con un acceso inicial a los datos de tipo formal. A diferencia de este generador, el segundo simulador, Combinatoria, presenta la estructura biargumental de la frase nominal con una estructura de acceso conceptual (vid. 2.3.). El último de los generadores desarrollados, CombiContext, bebe de las fuentes de los anteriores y recrea el marco oracional y frasal en el que se pueden realizar las frases nominales generadas por los simuladores previos. Actualmente la base de datos que sustenta a los madre/madres generadores cuenta con 90 500 formas y 45 000 lemas, asociados a diferentes clases semánticas. Por ejemplo, madre/madres son formas de representantes léxicos de la categoría semántica {animado humano familia} y madre es un lema de dicha categoría. Además, se han analizado 3600 argumentos, 20 600 estructuras sintáctico-semánticas y más de 85 000 estructuras oracionales (vid. Figura 2). Figura 2. Representación cuantitativa y cualitativa de niveles descriptivos Cabe señalar que en CombiContext un sustantivo cuenta de media con 83 estructuras oracionales (ESV) de tipo formal, por ejemplo: (a) sujetoFrase nominal + verbo + adverbio: El viaje de Mario a Berlín termina así; (b) sujetoFrase nominal + verbo + atributo: La fuga de los refugiados desde la frontera es peligrosa; (c) adverbio + sujeto + verbo + objeto directo sujetoFrase nominal: Ahora Carlos nota el olor a humedad de la casa; (d) sujeto + verbo + adverbio + suplementoFrase 175Domínguez Vázquez, M. J. CLAC 90 2022: 171-188 nominal: Nerea escribe brevemente sobre el amor de Marco Antonio por Cleopatra, etc. Esta cantidad de ESVs se refiere únicamente a estructuras formales, sin tener en cuenta toda la variabilidad paradigmática de las clases semánticas combinables entre sí y los diferentes verbos, adverbios o adjetivos que pueden ser actualizados. Lo mismo sucede con las estructuras sintáctico-semánticas (ESS), 343 estructuras de media por sustantivo. 2.3. Aplicación web de consulta El principal cometido de las herramientas consiste en dar cuenta de las interacciones argumentales sintácticosemánticas del nombre. Así, por ejemplo, en la interfaz de la herramienta Combinatoria (Figura 3), un usuario selecciona de un desplegable i) la lengua, ii) el sustantivo, iii) la combinación binaria y distribucional de los argumentos junto con su(s) clase(s) semánticas (vid. 4.4.) y iv) la estructura. La aproximación conceptual de esta herramienta – a diferencia de Xera – y la presencia de ventanas emergentes están en consonancia con estrategias de didactización de los recursos (vid. 3.), las cuales resultan de experimentos previos realizados con usuarios de diferente tipo. Figura 3. Herramienta Combinatoria Dado que el recurso presenta argumentos específicos del nombre, el orden de aparición de las unidades en la secuencia es relevante. Así, por ejemplo, en el ejemplo (1) de Pedro es interpretable como el dueño o habitante habitual de la casa y, por tanto, podríamos contar con una lectura como (2). El ejemplo (3) no deja lugar a posibles interpretaciones: Pedro es el que realiza la estancia, y, por tanto, desempeña –a diferencia de (1)– un rol semántico. (1) La estancia en la casa de Pedro (2) La estancia de Juan en la casa de Pedro (3) La estancia de Pedro en la casa 176 Domínguez Vázquez, M. J. CLAC 90 2022: 171-188 Realizada la elección, el usuario cliquea en la pestaña generar frases y obtiene resultados, también exportables en los formatos JSON y CSV (vid. Figura 4): Figura 4. Ejemplos generados automáticamente en español con la herramienta Combinatoria para [olor a {líquido no consumible} + de + determinante + {lugar construcción habitación}] La generación automática de los datos resulta de una aleatoria restringida, lo que supone que esta afecta a los representantes léxicos, no al rol ni a la clase semántica (vid. 4.). Esto es así, en primer lugar, porque el propio usuario selecciona previamente la estructura argumental y la clase semántica; en segundo lugar, porque las clases semánticas están preestablecidas para cada sustantivo (vid. 4.4.). Además, la herramienta ofrece un filtrado de la combinatoria sintagmática argumental mediante el empleo de word embeddings –representaciones vectoriales de una palabra en contexto. Para tal fin, aplicamos los métodos predictivos word2vec (Mikolov et al, 2013) y fastText (Bojanowski et al., 2017). Una de sus implementaciones –CBOW– intenta predecir qué palabra resulta más adecuada para un contexto específico, esto es, qué palabra ocupa frecuentemente una casilla (Bardanca Outeiriño, 2020). Obtenemos, por tanto, datos filtrados según su frecuencia de coaparición en contexto (vid. Figura 5), tratándose, en definitiva, de un filtrado semántico-distribucional en el sentido de Engel (2004: 188) o Firth (1957: 11). La aplicación de fast- Text (Figura 5) conlleva un volumen menor de datos y una menor variabilidad en cuanto a los candidatos léxicos combinados, a diferencia de los datos obtenidos sin su aplicación (Figura 4). En este último caso, los resultados son más números y cuentan con mayor variabilidad. Si bien cumplen criterios de gramaticalidad, algunas combinatorias pueden resultar poco aceptables o coherentes atendiendo a nuestro conocimiento enciclopédico o cultural. Figura 5. Datos de combinatoria sintagmática aplicando fastText en fr. [determinante + MORT + DE + determinante + actante N1{animado humano familia} + PAR + actante N2 {proceso natural patológico}] 177Domínguez Vázquez, M. J. CLAC 90 2022: 171-188 CombiContext, la herramienta para la recreación contextual y frasal de las frases nominales generadas, presenta también una aproximación distribucional en el primer acceso a su interfaz de consulta (Figura 6): es posible establecer si el verbo aparece antes o después de la frase nominal. El siguiente filtro permite seleccionar esquemas formales básicos, a los que acompañan ejemplos estándar para mayor claridad. Clicando en el esquema formal que se desea consultar se obtienen estructuras oracionales con información semántica sobre sus diferentes casillas valenciales. Figura 6. Interfaz 1.0. de CombiContext 3. Los generadores automáticos en el panorama lexicográfico: tipología Los simuladores proponen un nuevo concepto de diccionario plurilingüe – en este caso de diccionario valencial automático e interactivo (Prinsloo et al, 2011) integrado en el portal lexicográfico PORTLEX. Atendiendo a sus características mediales, estos recursos multilingües se conciben desde un principio como recursos en línea accesibles de modo simultáneo por más de un usuario. Por su carácter de prototipos o simuladores se encuentran en constante actualización, además son de acceso libre y gratuito. Han sido diseñados como herramientas lexicográficas independientes de consulta para un destinatario humano, pero integrables en otro tipo de recursos y exportables como léxicos computacionales (compárese Kabashi, 2018: 855). Los generadores conceden a las tres lenguas descritas el mismo estatus descriptivo en cuanto a la cantidad y tipo de información aportada. Dichos prototipos muestran similitudes y divergencias tipológicas con recursos de su entorno más cercano: a) Contamos con herramientas que generan automáticamente diferentes tipos de textos (Nallapati, Zhou, Nogueira dos Santos, Gulcehre y Xiang, 2016; Sordoni et al., 2015), frases literarias (Moreno Jiménez, Torres- Moreno, Wedemann y SanJuan, 2020), textos a partir de imágenes y viceversa (Otter, Medina y Kalita, 2019) y, en algunos casos, chistes, poemas o historias casi sin input de partida (Roemmele, 2016). Estos persiguen, sin embargo, finalidades distintas a nuestros simuladores. b) Difieren también de otros recursos que sí ofrecen datos sobre la interfaz sintáctico-semántica, si bien, en especial, para el inglés y para el verbo como unidad de análisis. Sirven aquí como ejemplo Verbnet, Propbank, CPA o Framenet; ejemplos para el verbo en español son Verbario y AnCora. No obstante, existen taxonomías para el sustantivo, como Kind, y proyectos como AncoraNom o NomBank. Estos últimos no describen, a diferencia de nuestros simuladores, las diferentes clases semánticas asociadas a un rol determinado ni los prototipos léxicos (vid. 4), tampoco lo contemplan entre sus objetivos. c) Diferentes estudios versan sobre la generación automática de contenidos lexicográficos: diccionarios (Bardanca, 2020; Kabashi, 2018; Delli, Bovi y Navigli, 2017), artículos lexicográficos (Geyken, Wiegand y Würzner, 2017) o partes del diccionario (los ejemplos, en Kosem et al, 2019). Estos no pretenden, sin embargo, generar automáticamente ejemplos de esquemas argumentales nominales según criteros de selección establecidos por el usuario. d) Su clasificación como nuevo tipo de diccionario valencial remite a la teoría gramatical en el que se sustentan y al objeto que describen: la estructura y combinatoria argumental de un portador valencial. Junto con su carácter plurilingüe y electrónico, existen además significativas diferencias con otros diccionarios de valencias: nuestros simuladores se perfilan como un modelo para nuevos diccionarios valenciales automáticos e interactivos, que pueden tener como usuarios a estudiantes –en primera instancia– y docentes de lenguas extranjeras, así como servir de base para el desarrollo de aplicaciones para el aprendizaje de lenguas asistido por ordenador (Raine, 2018). En una situación de producción en una lengua extranjera, un estudiante, dado 178 Domínguez Vázquez, M. J. CLAC 90 2022: 171-188 un deficit informativo o inseguridad con respecto a una estructura argumental concreta, puede manejar el recurso según tres finalidades centrales: i. informativo-descriptiva: el usuario recaba información preestablecida sobre la estructura concreta que selecciona y consulta; ii. tentativa-consultiva: el usuario intenta generar su propia frase y comprueba si está consignada como adecuada en el recurso; iii. tentativa-tutorizada: el usuario realiza ejercicios diseñados para la práctica de la valencia. Se trata, en definitiva, de un modelo para un nuevo tipo de diccionario de combinatoria, que pone el foco en el usuario de los recursos digitales y la individualización de los contenidos que demandan (véase también Gouws, 2017: 26): [W]hat is needed is not only a lexicographical tool that is capable of dealing with types of users and situations, but one that provides the necessary mechanisms for individualization of dictionary content – in terms of customizing the views that an individual user is given on the lexicographic data (Spohr, 2011: 103) 4. De la interfaz sintáctico-semántica a la generación automática 4.1. El esquema argumental como punto de partida Los prototipos de generación automática ilustran esquemas sintáctico-semántico monoargumentales del nombre – Xera– y biargumentales –Combinatoria. Dado que la unidad objeto de estudio es el esquema argumental, tenemos que establecerlo para cada sustantivo en cada una de las lenguas, procedimiento que ejemplificamos con el conjunto nominal dolor | Schmerz | douleur en su acepción ‘Sensación molesta de tipo físico’ (Figuras 7, 8 y 9). Las tres lenguas recurren, como era de esperar, a diferentes realizaciones formales, si bien comparten un mismo esquema triargumental formado por un Argumento1 –el cual desempeña el rol semántico ‘Aquel que experimenta el dolor’–, un Argumento2 –‘Aquello que es el origen del dolor’– y un Argumento3 –‘Lugar en donde se localiza el dolor’: Figura 7. Estructura argumental y realizaciones de esp. dolor Figura 8. Estructura argumental y realizaciones de fr. douleur 179Domínguez Vázquez, M. J. CLAC 90 2022: 171-188 Figura 9. Estructura argumental y realizaciones de dt. Schmerz Para garantizar el adecuado funcionamiento de las herramientas, es necesario, además, codificar no solo regularidades –como el hecho de que algunos núcleos solo cuenten con número singular (dt. Anwesenheit, `presencia´), frente a otros con ambos (esp. texto)–, sino también una serie de incompatibilidades y preferencias formales y semánticas de la frase nominal, como, por ejemplo: I. Restricciones formal-argumentales a) Núcleos en singular o plural: la configuración argumental determina algunas restricciones entre el núcleo en singular y/o plural y los respectivos argumentos: (4) la muerte del niño (7) la muerte del niño por intoxicación alimentaria (5) las muertes de los niños (8) las muertes de los niños por intoxicación alimentaria (6) *las muertes del niño (9) las muertes de los niños por intoxicaciones alimentarias (10) *la muerte del niño por intoxicaciones alimentarias En algunas ocasiones, la presencia del núcleo en singular o plural depende de la dotación semántica del lexema que lo acompañe. Así, el sustantivo fr. odeur suele aparecer en plural al realizarse en una estructura del tipo ODEUR + DE + {lugar población ciudad}, por ejemplo: Les odeurs de Paris. b) Argumentos en singular o plural: algunos argumentos, como en (11), se realizan en plural, frente a otros en singular (12): (11) El dolor de huesos (12) El dolor de cabeza | cuello | espalda | barriga La selección del número no se explica, en este caso, mediante nuestro conocimiento enciclopédico –solo tenemos un cuello o una barriga–, puesto que la parte del cuerpo también aparece expresada en singular con un experimentante en plural, como, por ejemplo: (13) El dolor de cabeza de los enfermos II. Determinantes a) Su presencia o ausencia va ligada en algunos sustantivos con la expresión de un rol concreto. En (14) la parte del cuerpo en donde se localiza el dolor carece de artículo. Su inclusión reconfiguraría la estructura argumental, de modo que la frase preposicional «de la enferma» (ej. 15) pasaría a ser un modificador de la parte del cuerpo: (14) el dolor de dientes de la enferma (15) el dolor del diente molar de la enferma 186 Domínguez Vázquez, M. J. CLAC 90 2022: 171-188 Bojanowski, P., Grave, E., Joulin, A. y Mikolov, T. (2017). Enriching word vectors with subword information. Transactions of the Association for Computational Linguistics, 5, 135-146. CombiContext = Domínguez Vázquez, M. J. (Dir.), Valcárcel Riveiro, C, Bardanca Outeiriño, D., Calañas Continente, J. A., Catalá Torres, N., Martín Gascueña, R., Mirazo Balsa, M., Sanmarco Bande, M. T. y Pino Serrano, L. (2021): CombiContext. Prototipo online para la generación automática de contextos frasales y oraciones de la frase nominal en alemán, español y francés. Universidade de Santiago de Compostela. http://portlex.usc.gal/combinatoria/verbal Combinatoria = Domínguez Vázquez, M.J. (Dir.), Valcárcel Riveiro, C., Bardanca Outeiriño, D., Catalá Torres, N., López Iglesias, N., Martín Gascueña, R., Mirazo Balsa, M., Sanmarco Bande, M.T. y Pino Serrano, L. (2020). Combinatoria. Prototipo online para la generación biargumental de la frase nominal en alemán, español y francés. Universidade de Santiago de Compostela. http://portlex.usc.gal/combinatoria/usuario Delli Bovi, C. y Navigli, R. (2017). Multilingual semantic dictionaries for natural language processing: The case of BabelNet, 149- 163 World Scientific Encyclopedia with Semantic Computing and Robotic Intelligence. Semantic Computing. DOI:https:// doi.org/10.1142/S2425038416300159 Domínguez Vázquez, M. J. y Valcárcel Riveiro, C. (2020). PORTLEX as a multilingual and cross-lingual online dictionary. En Domínguez Vázquez, M. J., Mirazo Balsa, M. y Valcárcel Rivero, C. (Eds.), Studies on multilingual lexicography, 135-158. Berlin: de Gruyter. DOI: https://doi.org/10.1515/9783110607659 Domínguez Vázquez, M. J., Solla Portela, M. A. y Valcárcel Riveiro, C. (2019). Resources interoperability: Exploiting lexicographic data to automatically generate dictionary examples. En Kosem, I. y Zingano Kuhn, T. (Eds.), Proceedings of the VI. eLex conference Electronic lexicography in the 21st century: Smart Lexicography, 51-71. Brno: Lexical Computing CZ s.r.o. https://elex.link/elex2019/wp-content/uploads/2019/09/eLex_2019_4.pdf Domínguez Vázquez, M. J. (2021). Zur Darstellung eines mehrstufigen Prototypbegriffs in der multilingualen automatischen Sprachgenerierung: vom Korpus über word embeddings bis hin zum automatischen Wörterbuch. Lexikos, 31, 20-50. DOI: https://doi.org/10.5788/31-1-1623 Domínguez Vázquez, M. J. y Caíña Hurtado, M. (2021). Aplicación de recursos de xeración automática da lingua para estudos comparativos. Estudos de Lingüística Galega, 13, 139-172. DOI: https://doi.org/10.15304/elg.13.7409 Domínguez Vázquez, M. J., Valcárcel Riveiro, C. y Bardanca Outeiriño, D. (2021). Ontología léxica. Santiago de Compostela <http://portlex.usc.gal/ontologia/>[Consultado: <20/12/201>]. Engel, U. (1996). Semantische Relatoren. Ein Entwurf für künftige Valenzwörterbücher. En Weber, N. (Ed.), Semantik, Lexikographie und Computeranwendung, 223-236. Tübingen: Niemeyer. Engel, U. (2004). Deutsche Grammatik – Neubearbeitung. München: Iudicium. Fillmore, C. J. (1977). Scenes-and-Frames Semantics. En Zampolli A. (Ed.). Linguistic Structures Processing. 55-81. Amsterdam, New York & Oxford: North-Holland. Firth, J.R. (1957). A synopsis of linguistic theory 1930-1955, 1-32. Oxford: Philological Society. Gao, J. y Haitao. L. (2020). Valency Dictionaries and Chinese Vocabulary Acquisition for Foreign Learners. Lexikos, 30, 111-142. DOI: https://doi.org/10.5788/30-1-1548 Geyken, A., Wiegand, F. y Würzner, K. M. (2017). On-the-fly Generation of Dictionary Articles for the DWDS Website. En Kosem, I., Tiberius, C., Jakubíček, M., Kallas, J., Krek, S. y Baisa, V. (Eds.), Electronic lexicography in the 21st century: Proceedings of eLex 2017 conference, 560-570. Brno: Lexical Computing CZ s.r.o. https://elex.link/elex2017/proceedings/ eLex_2017_Proceedings.pdf Gómez Guinovart, X. y Solla Portela, M. A. (2018). Building the Galician wordnet: methods and applications. Language Resources and Evaluation, 52(1), 317-339. Gross, G. (2008). Les classes d’objets. Lalies (Paris), 111-165. Paris: Presses de l’Ecole normale supérieure. Gouws, R. H. (2017). La sociedad digital y los diccionarios. En Domínguez Vázquez, M.J. y Sanmarco Bande, M.T. (Eds.). Lexicografía y didáctica. Diccionarios y otros recursos lexicográficos en el aula, 17-34. Frankfurt: Peter Lang. Hashimoto, T., Zhang, H. y Liang, P. (2019). Unifying human and statistical evaluation for natural language generation. En Burstein, J., Doran, C. y Solorio, T. (Eds.), Proceedings of the 2019 Conference of the North American Association for Computational Linguistics: Human Language Technologies, 1, 1689-1701. Minesota: Association for Computational Linguistics. DOI: https://doi.org/10.18653/v1/N19-1169 Horák, A. y Rambousek, A. (2017): Lexicography and natural language processing. En Fuertes Olivera, P. (Ed.), The Routledge Handbook of Lexicography, 179-196. Nueva York: Routledge. DOI: https://doi.org/10.4324/9781315104942 Kabashi, B. (2018). A Lexicon of Albanian for Natural Language Processing. En Čibej, J., Gorjanc, V., Kosem, I. y Krek, S. (Eds.), Proceedings of the XVIII EURALEX International Congress: Lexicography in Global Contexts, 855-862. Ljubljana, Ljubljana University Press. https://euralex.org/publications/ a-lexicon-of-albanian-for-natural-language-processing/ Kilgarriff, A. y Kosem, I. (2012). Corpus tools for lexicographers. En Granger, S. y Paquot, M. (Eds.), Electronic Lexicography. DOI: https://doi.org/10.1093/acprof:oso/9780199654864.003.0003 Klein, W. (2015). Das Wörterbuch der Zukunft ist kein Wörterbuch. En Eichiger, L. (Ed.), Sprachwissenschaft im Fokus, 227- 297. Berlin/Boston: de Gruyter. DOI: https://doi.org/10.1515/9783110401592.277 Kosem, I., Koppel, K., Zingano Kuhn, T. Michelfeit, J. y Tiberiusm C. (2019). Identification and automatic extraction of good dictionary examples: the case(s) of GDEX. International Journal of Lexicography, 32(2), 119-137. DOI: https://doi. org/10.1093/ijl/ecy014 Krek, S. (2019). Natural Language Processing and Automatic Knowledge Extraction for Lexicography. International Journal of Lexicography, 32(2), Pages 115–118. DOI: https://doi.org/10.1093/ijl/ecz013 Laufer, B. y Nation, P. (2012). Vocabulary. En Gass, S. M. y Mackey, A. (Eds.), The Routledge Handbook of Second Language Acquisition, 163–176. London/ New York: Routledge. Maldonado, M. C. (2019). Las investigaciones de mercado en lexicografía comercial: un aprendizaje para el mundo académico e investigador. RILE. Revista Internacional de Lenguas Extranjeras, 10, 101-118. DOI: https://doi.org/10.17345/rile10.101- 118 187Domínguez Vázquez, M. J. CLAC 90 2022: 171-188 Meyer, C. M. y Gurevych, I. (2013). Wiktionary: A new rival for expertbuilt lexicons? Exploring the possibilities of collaborative lexicography. En Granger, S. y Paquot, M. (Eds.), Electronic Lexicography, 259–291.Oxford: Oxford University Press. DOI: https://doi.org/10.1093/acprof:oso/9780199654864.003.0013 Mikolov, T., Chen, K., Corrado, G. y Dean, J. (2013). Efficient estimation of word representations in vector space. En Bengio, Y. y LeCun, Y. (Eds.), Proceeding of the International Conference on Learning Representations Workshop Track. Arizona: Conference Track Proceedings. https://arxiv.org/pdf/1301.3781.pdf Moreno Jiménez, L. G., Torres-Moreno, J. M.m Wedemann, R. S. y SanJuan, E. (2020). Generación automática de frases literarias. Linguamática, 12 (1), 15-30. DOI: https://doi.org/10.21814/lm.12.1.308 Müller-Spitzer, C. (2014). Using Online Dictionaries, 1-10. Berlin/Boston: de Gruyter. DOI: https://doi. org/10.1515/9783110341287.1 Müller-Spitzer, C., Domínguez Vázquez, M.J., Nied Curcio, M.J.,Silva Dias, I.M. y Wolfer, S. (2018). Correct Hypotheses and Careful Reading Are Essential: Results of an Observational Study on Learners Using Online Language Resources. Lexicos, 28, 287-315. DOI: https://doi.org/10.5788/28-1-1466 Nallapati, R., Zhou, B., Nogueira dos Santos, C., Gulcehre, C. y Xiang. B. (2016) Abstractive text summarization using sequence- to-sequence RNNs and beyond. En Riezler, S., y Goldberg, Y. (Eds.), Proceedings of the 20th SIGNLL Conference on Computational Natural Language Learning, 280-290. Berlin: Association for Computational Linguistics. DOI: https://doi. org/10.18653/v1/K16-1028 Navigli, R. y Ponzeto, S. P. (2012). BabelNet: The automatic construction, evaluation and application of a wide-coverage multilingual semantic network. Artificial Intelligence, 193, 217-250. DOI: https://doi.org/10.1016/j.artint.2012.07.001 Nied, M. (2014). Die Benutzung von Smartphones im Fremdsprachenerwerb und -unterricht. En Abel, A., Vettori, C. y Ralli, N. (Eds.), Proceedings of the XVI EURALEX International Congress: The User in Focus, 263-280. Bolzano/Bozen: Institute for Specialised Communication and Multilingualism. http://euralex2014.eurac.edu/en/callforpapers/Documents/EURALEX%20 2014_gesamt.pdf Otter, D.W., Medina, J. R. y Kalita, J.K. (2020). A Survey of the Usages of Deep Learning for Natural Language Processing. En He, H. (Ed.), IEEE Transactions on Neural Networks and Learning Systems. DOI: https://doi.org/10.1109/TNNLS.2020.2979670 Portlex = Domínguez Vázquez, M.J. (Dir.), Valcárcel Riveiro, C., Mirazo Balsa, M. Sanmarco Bande, M.T., Simões, A. y Vale, M.J. (2018). Portlex. Dicccionario multilingüe de la valencia del nombre. Universidade de Santiago de Compostela. http:// portlex.usc.gal/portlex/ Prinsloo, D. J., Heid, U., Bothma, T. y Faaß. (2011). Interactive, dynamic electronic dictionaries for text production. En Kosem, I. y Kosem, K. (Eds.), Electronic lexicography in the 21st Century: New Applications for New Users, Bled, 215-220. Eslovenia: Trojina, Institute for Applied Slovene Studies. Recuperado de https://elex2011.trojina.si/Vsebine/proceedings/eLex2011-29. pdf Prinsloo, D. J., Heid, U., Bothma, T. y Faaß. (2012). Devices for information. Presentation in electronic dictionaries. Lexikos, 22, 290–320. DOI: https://doi.org/10.5788/22-1-1009 Raine, P. (2018). Developing Web-based English Learning Applications: Principles and Practice. Computer Assisted Language Learning Electronic Journal, 19(2), 125–138. Roemmele, M. (2016). Writing stories with help from recurrent neural networks. En Schuurmans, D. y Wellman, M. (Eds.), Proceedings of the Thirtieth AAAI Conference on Artificial Intelligence (AAAI-16), 30 (1), 4311-4312. California: Association for the Advancement of Artificial Intelligence. Rosch, E. (1978). Prototype classification and logical classification: The two systems. En Scholnik, E. (Ed.). New trends in cognitive representation: Challenges to Piaget‘s theory Hillsdale. 73-86. NJ: Erlbaum. Sordoni, A., Galley, M., Auli, M., Brockett, C., Ji, Y., Mitchell, M., Nie, J.Y., Gao, J. y Dolan, B. (2015). A neural network approach to context-sensitive generation of conversational responses. En Mihalcea, R., Chai, J. y Sarkar, A. (Eds.), Human Language Technologies: The 2015 Annual Conference of the North American Chapter of the ACL, 2015, Denver, Association for Computational Linguistics, 196–205. Spohr, D. (2011). A Multi-layer Architecture for “Pluri-Monofunctional” Dictionaries. En Fuertes-Olivera, P. A. y Bergenholtz, H. (Eds.), E-Lexicography: The Internet, Digital Initiatives and Lexicography, 103-120. Londres: Continuum. DOI: https:// doi.org./10.5040/9781474211833.ch-005 Trap-Jensen, L. (2018). Lexicography between NLP and Linguistics: Aspects of Theory and Practice. En Čibej, J., Gorjanc, V., Kosem, I. y Krek, S. (Eds.), Proceedings of the XVIII EURALEX International Congress: Lexicography in Global Contexts,25-37. Ljubljana: Ljubljana University Press. https://euralex.org/wp-content/themes/euralex/proceedings/ Euralex%202018/118-4-2949-1-10-20180820.pdf Valcárcel Riveiro, C. (2017). Las construcciones N1N2 como realizaciones actanciales del sustantivo en francés y su tratamiento en el diccionario multilingüe PORTLEX. En Domínguez Vázquez, M.J. y Kutscher, S. (Eds.), Interacción entre gramática, didáctica y lexicografía, 193-207. Berlin/Boston: de Gruyter. DOI: https://doi.org/10.1515/9783110420784-015 Wolfer, S., Bartz, T., Weber, T., Abel, A., Meyer, C.M., Müller-Spitzer, C y Storrer, A. (2016). The Effectiveness of Lexicographic Tools for Optimising Written L1-Texts. En International Journal of Lexicography, 31 (1), 1-28. DOI: https://doi.org/10.1093/ ijl/ecw038 Villa Vigoni-Thesen, V. (2018). Wörterbücher für die Zukunft – Die Zukunft der Wörterbücher. Herausforderungen an die Lexikografie in einer digitalen Gesellschaft. https://www.emlex.phil.fau.de/andere-publikationen/ Xera = Domínguez Vázquez, M. J. (Dir.), Valcárcel Riveiro, C, Bardanca Outeiriño, D., Calañas Continente, J. A., Catalá Torres, N., Martín Gascueña, R., Mirazo Balsa, M., Sanmarco Bande, M. T. y Pino Serrano, L. (2021) (2020). Xera. Prototipo online para la generación automática monoargumental de la frase nominal en alemán, español y francés. Universidade de Santiago de Compostela. http://portlex.usc.gal/combinatoria/usuario XeraWord = Domínguez Vázquez, M.J. (Dir.), Bardanca Outeiriño, D., Caíña Hurtado, M., Gómez Guinovart, X., Iglesias Allones, J.vL., Simões, A., Valcárcel Riveiro, C., Álvarez de la Granja, M. y Cidrás Escaneo, F.A. (2020). XeraWord. Prototipo de 188 Domínguez Vázquez, M. J. CLAC 90 2022: 171-188 xeración automática da argumentación da frase nominal en galego e portugués. Santiago de Compostela: Instituto da Lingua Galega. http://ilg.usc.gal/xeraword/ Otros recursos electrónicos y diccionarios AnCora = http://clic.ub.edu/corpus/es/ancora AncoraNom = http://clic.ub.edu/corpus/es/ancoranom_es CPA = http://www.pdev.org.uk/ Framenet = https://framenet.icsi.berkeley.edu/fndrupal/ Kind = http://www.tecling.com/cgi-bin/kind/2020/ NomBank = https://nlp.cs.nyu.edu/meyers/NomBank.html OBELEXmeta = https://www.owid.de/obelex/meta?info Portal lexicográfico PORTLEX = http://portlex.usc.gal/ Propbank = http://verbs.colorado.edu/propbank/framesets-english-aliases/ Sketch Engine = https://www.sketchengine.eu Verbario = http://www.verbario.com Verbnet = https://verbs.colorado.edu/~mpalmer/projects/verbnet.html