Gene aci´on semiau om´a ica de ecu sos ∗
Fe nando En ´ıquez, Jos´e A. T oyano, Fe m´ın C uz yF. Ja ie O ega
Dep. de Lenguajes y Sis emas In o m´a icos
Uni e sidad de Se illa
A da. Reina Me cedes s/n
41012 Se illa
[email p o ec ed]
Resumen: Los esul ados de muchos algo i mos que se aplican en a eas de p oce-
samien o del lenguaje na u al dependen de la disponibilidad de g andes ecu sos
ling¨u´ıs icos, de los que ex aen el conocimien o necesa io pa a desempe˜na su aba-
jo. La exis encia de es os ecu sos de e mina po an o la calidad de los esul ados,
el endimien o gene al del sis ema y en ocasiones, ambas cosas. Vamos a mos a
di e sos aspec os que hacen e e encia al es ue zo necesa io pa a la c eaci´on de es os
ecu sos, y que po lo an o jus i ican los in en os de desa olla m´e odos que ali ien
es a a ea, as´ı como di e sas p opues as que se han mos ado pa a sol en a es a
cues i´on. Es as p opues as pueden conside a se al e na i as al p oblema que que e-
mos soluciona y lo a on an de muy di e en es mane as, algunas de las cuales quiz´as
podamos adap a a nues as p opias implemen aciones en un u u o p ´oximo.
Palab as cla e: Gene aci´on de ecu sos, ap endizaje au om´a ico, combinaci´on de
sis emas
Abs ac : The esul s o many algo i hms ha a e applied o na u al language
p ocessing asks depend on he a ailabili y o la ge linguis ic esou ces om which
hey ob ain he equi ed knowledge o do hei wo k. The exis ence o hese esou ces
de e mines he quali y o he esul s, he gene al pe o mance o he sys em and
equen ly bo h hings. We a e going o show some aspec s ha e e o he e o
needed in he c ea ion o hese esou ces, and hus jus i y he a emp s o de elop
me hods ha ligh en his ask, and also some p oposals ha ha e been made o
sol e his p oblem. These p oposals can be conside ed al e na i es o he p oblem
we wan o sol e and hey ace i in e y di e en manne s, some o which could be
adap ed in ou own implemen a ions in a nea u u e.
Keywo ds: Resou ce gene a ion, machine lea ning, sys em combina ion
1. In oducci´on
Sin duda alguna el mayo p oblema que
su ge a la ho a de a on a la c eaci´on de e-
cu sos ling¨u´ıs icos es el es ue zo que se e-
quie e pa a ob ene esul ados de su icien e
en e gadu a como pa a que les sean ´u iles
a los algo i mos que los necesi an. Gene al-
∗Pa cialmen e inanciado po el Minis e io de Edu-
caci´on y Ciencia (TIN2004-07246-C03-03).
men e, un algo i mo de ap endizaje supe -
isado que hace uso de un co pus e ique-
ado pa a una de e minada a ea, exige un
n´ume o muy al o de palab as o ases e ique-
adas pa a o ece esul ados que puedan se
conside ados de calidad aunque es o depen-
de ´a del algo i mo en cues i´on y de la a ea
que se es ´e a on ando.
Si nos cen amos en una a ea amplia-
P ocesamien o del Lenguaje Na u al, nº39 (2007), pp. 173-180 ecibido 18-05-2007; acep ado 22-06-2007
ISSN: 1135-5948 © 2007 Sociedad Española pa a el P ocesamien o del Lenguaje Na u al
men e conocida den o del p ocesamien o del
lenguaje na u al, como es la desambiguaci´on
de signi icados, podemos hace nos una idea
de es e es ue zo que es amos comen ando. Se
a a de una a ea que a on a el p oblema
de selecciona el signi icado de una palab a
en un ex o de en e odos los signi icados
que posee. La ambig¨uedad es muy com´un
aunque los humanos es amos an acos um-
b ados a ella y enemos al capacidad de e-
sol e la bas´andonos en el con ex o de las pa-
lab as, que casi pasa desape cibida an e nues-
os ojos. Pa a es a a ea se han desa ollado
m´ul iples algo i mos con muy buenos esul a-
dos, aunque la disponibilidad de co pus e i-
que ados sigue cons i uyendo un p oblema.
En (Ng, 1997) se ealiz´o un es udio que ase-
gu a que pa a ob ene una p ecisi´on buena
se necesi an al menos 500 ejemplos po cada
una de las palab as ambiguas a a a (es a
es una ci a que ep esen a la media ya que
hay di e encias conside ables de una palab a
a o a). A un i mo de un ejemplo e ique a-
do po minu o y conside ando la exis encia
de unas 20000 palab as ambiguas en el o-
cabula io ingl´es com´un, es o nos conduci ´ıa
a unas 160000 ho as de e ique ado, que e-
sul a ´ıan en nada m´as y nada menos que 80
a˜nos de dedicaci´on exclusi a pa a una pe -
sona que lle e a cabo es a a ea de e ique a-
do. Si adem´as le a˜nadimos el hecho de que
las a eas de e ique ado suelen se lle adas a
cabo po ling¨uis as en enados o expe os, no
cabe duda de que se a a de un p oceso eal-
men e ca o y gene almen e p ohibi i o en la
inmensa mayo ´ıa de los casos.
Todo es o supone una limi aci´on y e -
mina po educi el n´ume o de ejemplos
disponibles, a ec ando a la a ea en gene al
y posiblemen e al desa ollo de nue as ´ıas
de in es igaci´on que puedan apo a mejo as
en los esul ados. De ah´ı que es e sea el pun-
o de pa ida de una linea de abajo u u o
que deseamos eco e y de la que in en a e-
mos ex ae soluciones sa is ac o ias a es e
p oblema.
A lo la go de los sucesi os cap´ı ulos
e emos algunas ´ecnicas empleadas pa a
c ea ecu sos ling¨u´ıs icos, comenzando en el
cap´ı ulo 2 con un algo i mo que emplea con-
sul as en buscado es web. En el cap´ı ulo 3
comen a emos las ´ecnicas de c owdsou cing,
cuyo uso se es ´a ex endiendo con apidez,
mien as que en los cap´ı ulos 4 y 5 comen a e-
mos m´e odos de combinaci´on e impo aci´on
de ecu sos espec i amen e. En el cap´ı ulo
6 e emos las ´ecnicas de boo s apping pa a
inaliza con un cap´ı ulo dedicado a las con-
clusiones.
2. Empleando B´usquedas en la
Web
Una de las ´ıas que han su gido pa a in-
en a palia los e ec os del eno me es ue zo
eque ido pa a la c eaci´on de ecu sos, es el
uso de la Web. El con enido de la Web puede
se conside ado un eno me co pus que puede
se explo ado pa a di e sas a eas, si bien
p esen a una es uc u a y unos con enidos
an he e og´eneos que no siemp e se sabe muy
bien como saca le pa ido a oda la in o ma-
ci´on que posee.
En (Mihalcea, 2002) podemos ap ecia
un magn´ı ico ejemplo de c´omo se puede
hace uso de la Web pa a ob ene ecu -
sos ling¨u´ıs icos a a ´es de los sis emas de
b´usquedas que enemos a nues a disposi-
ci´on. La a ea que se a on a en es e a-
bajo es la desambiguaci´on de signi icados
y el sis ema p opues o hace uso de di e -
sos ecu sos disponibles como el co pus Sem-
Co (Mille , 1993) y la base de da os l´exica
Wo dNe (Mille , 1995). El algo i mo se e-
sume en la igu a 1.
Las semillas es ´an o madas po m´ul iples
unidades de palab as que con ienen una pa-
lab a ambigua, de o ma que la exp esi´on po
s´ı misma supone una es icci´on pa a el posi-
ble signi icado de la palab a en la que ecae
el in e ´es.
En es e algo i mo se emplea un m´e odo
pa a, u ilizando Wo dNe , cons ui consul-
as que con engan sin´onimos o de iniciones
del signi icado de las palab as de in e ´es y me-
dian e los mo o es de b´usqueda disponibles
en In e ne , ealiza dichas consul as pa a
ob ene ex os elacionados con esas de ini-
ciones. En Wo dNe se buscan en p ime lu-
ga sin´onimos que sean monos´emicos, y si no
exis en, se buscan de iniciones de la palab a.
Al hace la b´usqueda, se seleccionan las o a-
ciones que con engan la de inici´on o el sin´oni-
mo y se sus i uyen po la palab a o iginal,
ob eni´endose un ejemplo de uso de dicha pa-
lab a con su signi icado.
Una ez enemos las exp esiones encon-
adas as explo a la web haciendo uso de
las semillas, se aplica un algo i mo i e a i o
de desambiguaci´on median e a ios p ocedi-
mien os cuyas cla es se esumen en:
Fe nando En iquez, Jose An onio T oyano, Fe min C uz y F. Ja ie O ega
174
1. C ea un conjun o de semillas,
compues as po :
1.1 Ejemplos de SemCo .
1.2 Ejemplos de Wo dNe .
1.3 Ejemplos e ique ados
c eados median e b´usquedas en
la web de sin´onimos monos´emicos o
de iniciones de la palab a.
1.4 Ejemplos adicionales
e ique ados manualmen e (si es ´an
disponibles).
2. Realiza b´usquedas en la Web
u ilizando las exp esiones de las
semillas.
3. Desambigua las palab as en un
con ex o ce cano al ex o que
odea las exp esiones de las
semillas. Ag ega los ejemplos
o mados con las palab as
desambiguadas al conjun o de las
semillas.
4. Vol e al paso 2.
Figu a 1: Algo i mo de b´usquedas en la web.
1. Localiza las en idades, como nomb es
de pe sonas, luga es y o ganizaciones, y
ma ca su signi icado.
2. Localiza las palab as monos´emicas y
ma ca su signi icado.
3. Pa a cada palab a se o man pa es con
la palab a dada y la an e io y pos e-
io . Si en el co pus SemCo apa ecen
dichos pa es su icien es eces (supe io a
un umb al p ees ablecido) y siemp e con
el mismo signi icado, se le asigna dicho
signi icado a la palab a.
4. Pa a los sus an i os se c ea un con ex-
o, con eniendo los sus an i os que sue-
len apa ece ce ca po cada signi icado
posible. Luego se compa a con el con-
ex o ac ual del sus an i o y se escoge el
signi icado m´as pa ecido.
5. Se buscan conexiones sem´an icas en e
palab as, po lo que, si una palab a iene
un signi icado que la con ie e en sin´oni-
ma de o a ya desambiguada, se le asigna
dicho signi icado. Tambi´en se es udian
elaciones de hipe onimia e hiponimia y
se buscan conexiones en e palab as es-
ando ambas sin desambigua .
Los expe imen os ealizados pa a medi la
calidad de los co pus que se ob ienen median-
e es e algo i mo, demues an que se ob ienen
esul ados compa ables a los adqui idos a
a ´es del uso de co pus e ique ados manual-
men e. Conc e amen e, los au o es hicie on
expe imen os con di e sas he amien as de
e ique ado sem´an ico, u ilizando un co pus
e ique ado manualmen e y po o o lado, el
co pus ob enido au om´a icamen e median e
es e algo i mo. La p ecisi´on alcanzada cuan-
do se usaba el co pus au om´a ico e a a eces
incluso mejo que la ob enida con las mismas
he amien as pe o u ilizando el co pus ma-
nual.
3. El C owdsou cing
El c owdsou cing es un ´e mino acu˜nado
ecien emen e y que cons i uye un paso
adelan e as el ou sou cing. Es e ´ul imo
es ´a basado en la delegaci´on de cie as a-
eas en de e minadas en idades ex e nas pa a
aho a cos es y simpli ica el p oceso de de-
sa ollo en un p oyec o (gene almen e las em-
p esas han es ado ijando las mi adas en India
o China). Las nue as posibilidades de aho o
en es e en o no es posible que se encuen en
en el abajo dispe so y an´onimo de mul i-
ud de in e nau as que desa ollan a eas de
mayo o meno alo pa a una o ganizaci´on
que sepa llama su a enci´on de alguna de en-
e an as o mas posibles. Es a o ma de e-
copila el es ue zo y o ien a lo hacia la con-
secuci´on de alg´un obje i o elacionado con el
desa ollo de alguna a ea en conc e o se de-
nomina c owdsou cing 1.
El p ecu so de es e ´e mino es Je Howe,
qui´en en (Howe, 2006) comen a a ios ejem-
plos en los que se ha aplicado es a o ma
de abajo. En dicho a ´ıculo comienza co-
men ando un caso pa icula e e en e a un
o ´og a o p o esional que pie de un clien e
al descub i es e que puede comp a o os
a a ´es de iS ockPho o a un p ecio mu-
cho meno (el clien e solo buscaba o os de
gen e en e ma pa a un abajo que es aba
ealizando). En es e po al se publican un
nume o muy g ande de o os ealizadas po
ama eu s y que son muy ´u iles en muchos
casos sin necesidad de paga el al o p ecio
1Del ingl´es ‘c owd’ que signi ica mul i ud y
‘sou ce’ que signi ica uen e
Gene ación Semiau omá ica de Recu sos
175
que cob a ´ıa un p o esional al que le en-
ca gase el abajo de o ma di ec a. Es un
ejemplo m´as en el que el abajo de miles
de pe sonas puede se ap o echado cambian-
do un escena io emp esa ial que pa ec´ıa en
p incipio inqueb an able. De es a o ma ca-
da pa icipan e puede publica odo ipo de
o os cob ando muy poco po cada una pe o
con la capacidad de pone las al alcance de
cualquie a que es ´e conec ado a In e ne . Es-
o lle a al au o a deci :
Welcome o he age o he c owd.
Jus as dis ibu ed compu -
ing p ojec s like UC Be keley’s
SETI@home ha e apped he un-
used p ocessing powe o millions
o indi idual compu e s, so dis-
ibu ed labo ne wo ks a e using
he In e ne o exploi he spa e
p ocessing powe o millions o
human b ains.
En la misma l´ınea de es e ejemplo que
acabamos de comen a , hallamos mul i ud
de p oyec os, sis emas y aplicaciones que in-
en an saca pa ido de odo es e po encial,
po ejemplo, la wikipedia, una enciclopedia
que se ex iende ´apidamen e en e las p e-
e encias de los usua ios de In e ne , y que
es ´a hecha median e la con ibuci´on an´oni-
ma de odos los que quie an apo a su g ano
de a ena a es a ecopilaci´on de conocimien o.
Tambi´en lo emos en los p og amas de ele-
isi´on que se basan es ic amen e en mos a
el ma e ial c eado po los p opios elespec-
ado es (emi iendo sus ideos case os, com-
posiciones musicales, e c) y que ob ienen en
muchos casos ci as de audiencia espec acu-
la es sin apenas supone le ning´un cos e a la
cadena. O os ejemplos pueden se , el p oyec-
o InnoCen i e, a a ´es del cu´al se publi-
can p oblemas de cie a di icul ad ´ecnica o
cien ´ı ica que le su gen a odo ipo de emp e-
sas, de o ma que cualquie a puede in en a
da le soluci´on ( ecibiendo g andes ecompen-
sas econ´omicas) o el Tu co Mec´anico de Ama-
zon, a a ´es del cu´al odo el mundo puede
cob a una peque˜na can idad de dine o po
ealiza a eas muy simples sin necesidad de
una g an p epa aci´on p e ia.
La inicia i a ‘Open Mind’ (S o k, 1999)
es el esul ado de aplica es a idea a
la gene aci´on de ecu sos ling¨u´ıs icos. La
idea b´asica es u iliza la in o maci´on y el
conocimien o que se puede ob ene a pa -
i de los millones de usua ios de In e ne
con el obje i o de c ea aplicaciones m´as in-
eligen es. Den o de es a inicia i a se en-
cuen an di e sos p oyec os elacionados con
el lenguaje na u al como Open Mind Wo d
Expe (Mihalcea, 2003), cen ado en la de-
sambiguaci´on de signi icados (gene ando co -
pus ano ados sem´an icamen e po los usu-
a ios) y Open Mind Common Sense (Singh,
2002) que se cen a en la adquisici´on del sen-
ido com´un pa a gene a un co pus ex ual.
4. La Combinaci´on de Recu sos
O a es a egia que podemos encon a en
la bibliog a ´ıa pa a gene a co pus es la com-
binaci´on de ecu sos ya exis en es, de mane a
que se en iquezcan unos con o os aumen an-
do su alo al se conside ados de o ma glo-
bal. Un ejemplo muy cla i icado lo podemos
encon a en (Shi, 2005), donde se combinan
F ameNe , Ve bNe y Wo dNe . Vamos a co-
men a b e emen e el con enido de es os e-
cu sos pa a luego comp ende c´omo se com-
binan c eando un ecu so uni icado.
La p ime a pieza de es e puzzle pa e
de Wo dNe . Es una g an base de da os
l´exica con mucha in o maci´on sob e pa-
lab as y concep os. Es e es el ecu so
u ilizado pa a iden i ica ca ac e ´ıs icas
sem´an icas supe iciales que pueden aso-
cia se a unidades l´exicas. En Wo dNe
se cub en la g an mayo ´ıa de nomb es,
e bos, adje i os y ad e bios del ingl´es.
Las palab as se o ganizan en conjun os
de sin´onimos (llamados ‘synse s’) que e-
p esen an concep os.
F ameNe po su pa e es un ecu so
que con iene in o maci´on sob e di e en-
es si uaciones, llamadas ‘ ames’. Ca-
da ase e ique ada en F ameNe ep e-
sen a una posible cons ucci´on sin ´ac ica
pa a los oles sem´an icos asociados con
un ame pa a una de e minada palab a.
Solemos e e i nos al conocimien o que
apo a Wo dNe como conocimien o a
ni el de palab a (wo d-le el knowledge),
mien as que F ameNe y Ve bNe ha-
cen e e encia al conocimien o a ni el de
ase (sen ence-le el knowledge).
Y inalmen e Ve bne es un ecu so l´exi-
co de e bos basado en las clases de
e bos de Le in, y que ambi´en apo -
a es icciones selec i as asociadas a los
Fe nando En iquez, Jose An onio T oyano, Fe min C uz y F. Ja ie O ega
176
oles sem´an icos. Iden i icando la clase
de Ve bNe que se co esponde con un
ame de F ameNe , se pueden analiza
sin ´ac icamen e ases que incluyen e -
bos que no es ´an cubie os a´un po
F ameNe . Se puede hace es o g acias
a que exis e una elaci´on ansi i a en-
e las clases de Ve bNe (los e bos que
pe enecen a la misma clase en Ve b-
Ne ienen una al a p obabilidad de com-
pa i el mismo ame en F ameNe , y
po lo an o se pueden analiza sem´an i-
camen e aunque no apa ezcan expl´ıci a-
men e en F ameNe ).
Dados es os es ecu sos, se pueden com-
bina de mane a que se pueda abaja con
odos ellos a la ez, en luga de es a obliga-
dos a elegi s´olo uno enunciando a la in o -
maci´on que apo an los o os. Las ca ac e ´ıs-
icas que pe mi en lle a a cabo es a uni´on
son las siguien es:
F ameNe no de ine expl´ıci amen e es-
icciones de selecci´on pa a los oles
sem´an icos. Adem´as, la cons ucci´on de
F ameNe equi i´o de un g an es ue zo
humano po lo que la cobe u a y es-
calabilidad se han is o se iamen e a ec-
adas.
Ve bNe sin emba go iene mucha mejo
cobe u a y de ine elaciones sin ac ico-
sem´an icas de una mane a m´as expl´ıci a.
Ve bNe e ique a oles em´a icos y p o-
po ciona es icciones de selecci´on pa a
los a gumen os de los ma cos sin ´ac icos.
Wo dNe po su pa e cub e casi al com-
ple o odos los e bos del ingl´es y apo -
a una g an in o maci´on sob e las ela-
ciones sem´an icas en e los sen idos de
los e bos. De odas o mas, la cons uc-
ci´on de Wo dNe es ´a basada en el sig-
ni icado de los e bos y no incluye el
compo amien o sin ´ac ico o sem´an ico
de los mismos (como pueden se las es-
uc u as de ipo p edicado-a gumen o).
Una ez analizado el con enido de es os
es ecu sos, la combinaci´on de la in o ma-
ci´on codi icada en cada uno de ellos pasa po :
Aumen a la sem´an ica de los ma cos
con las clases de Ve bNe e ique ando
los ma cos y los oles sem´an icos de
F ameNe con las en adas de Ve bNe
y sus a gumen os co espondien es.
Tambi´en se ex iende la cobe u a de los
e bos de F ameNe haciendo uso de las
clases de Ve bNe y las elaciones de
sinonimia e hiponimia de los e bos de
Wo dNe .
Adem´as, se iden i ican las conexiones ex-
pl´ıci as en e los oles sem´an icos y las
clases sem´an icas, codi icando es iccio-
nes de selecci´on pa a los oles sem´an i-
cos median e la je a qu´ıa de nomb es de
Wo dNe .
La cons ucci´on de ecu sos ling¨u´ıs icos
equie e un g an es ue zo humano y cada e-
cu so es ´a pensado pa a soluciona un de e -
minado ipo de p oblemas, mos ando i -
udes en cie os aspec os y des en ajas en
o os. De es a o ma, la combinaci´on de es-
os ecu sos puede da luga a una base de
conocimien o m´as ex ensa y m´as ica. En
(Shi, 2005) hemos is o como se mejo a la
cobe u a de F ameNe , se mejo a Ve bNe
con la sem´an ica de los ma cos y se imple-
men an las es icciones de selecci´on hacien-
do uso de las clases sem´an icas exis en es en
Wo dNe .
5. Impo ando Recu sos
Ce canos
Cuando que emos a on a la a ea de
c ea un ecu so ling¨u´ıs ico, una posibilidad
que enemos al alcance de nues a mano
en muchos casos, es adap a o o ecu so
“ce cano” al que deseamos c ea . Es la op-
ci´on elegida po ejemplo en (Ca e as, 2003),
donde se cons uye un econocedo de en i-
dades con nomb e pa a el ca al´an pa ien-
do de ecu sos en cas ellano. Se emplean dos
´ıas pa a log a lo: en p ime luga c eando
los modelos pa a el espa˜nol pa a pos e io -
men e aduci los al ca al´an, y en segundo
luga c ea los modelos de o ma biling¨ue di-
ec amen e.
La ce can´ıa en es e caso se p esen a ya que
se a a de dos lenguas om´anicas que poseen
es uc u as sin ´ac icas simila es y cuyos en-
o nos sociales y cul u ales se solapan en
g an medida, haciendo que exis a un g an
n´ume o de en idades que apa ecen en los
co pus de ambas lenguas. Es as ca ac e ´ıs i-
cas hacen que los ecu sos en espa˜nol sean
ap o echables pa a lle a a cabo a eas sob e
el ca al´an como puede se el econocimien o
de en idades con nomb e.
Gene ación Semiau omá ica de Recu sos
177

Pa a el es udio que se lle ´o a cabo en es e
caso, se asumen dos pun os: las en idades
apa ecen en los mismos con ex os pa a am-
bas lenguas y las en idades esponden a los
mismos pa ones en ambos casos. Adem´as
de es o se cons uye un dicciona io sencillo
de palab a a palab a sin ene en cuen a el
con ex o (10 ho as de abajo pa a la e -
sion ca alan-espa˜nol y un sis ema au om´a ico
pa a la e si´on espa˜nol-ca al´an).
Teniendo en cuen a es as p emisas se lle-
an a cabo a ios expe imen os sob e el
econocimien o de en idades con nomb e
en ca al´an pa iendo de co pus e ique ados
´unicamen e en espa˜nol.
La p ime a opci´on es aduci el mode-
lo que se gene a al en ena con los ex os
en espa˜nol, de mane a que se analizan los
´a boles de decisi´on gene ados pa a su pos e-
io modi icaci´on. Si un nodo del ´a bol ana-
liza la posibilidad de que en la posici´on -2
apa ezca la palab a “calle”, se aduce dicho
nodo haciendo lo mismo pa a la palab a “ca -
e ” ( aducci´on del espa˜nol al ca al´an). De
es a o ma se puede aplica un modelo c ea-
do median e co pus en espa˜nol a un ex o en
ca al´an. La aducci´on se ha ´a en odos los
nodos que analicen ca ac e ´ıs icas l´exicas del
ex o, mien as que los dem´as pe manece ´an
in ac os.
Una segunda opci´on es u iliza ca ac e ´ıs-
icas biling¨ues (denominadas c oss-linguis ic
ea u es) basadas en una en ada del dic-
ciona io “es w∼ca w” (suponiendo que ex-
is e un pa ´ame o ‘lang’ de alo ‘es’ pa a el
espa˜nol y ‘ca’ pa a el ca al´an). Es as ca ac-
e ´ıs icas bina ias se compo an de la siguien-
e o ma:
X-Linges w∼ca w (w) =
=


1 i w= es w and lang = es
1 i w= ca w and lang = ca
0 o he wise
De es a o ma se puede en ena el modelo
con ejemplos mezclados en ambos idiomas,
pudiendo selecciona el n´ume o de ejemplos
de cada caso y pe mi iendo po ejemplo que
haya un n´ume o muy educido de ejemplos
en ca al´an pa a es e escena io en conc e o. El
esul ado es un modelo que puede econoce
en idades an o en espa˜nol como en ca al´an.
La e ce a opci´on consis e po ´ul imo en
c ea el modelo en enando con un peque˜no
co pus del idioma pa a el que se desea ejecu-
a el econocedo , en es e caso, el ca al´an. En
es e abajo se hizo empleando el mismo es-
ue zo que se ealiz´o pa a c ea el dicciona io,
es deci , unas 10 ho as de abajo, ob eniendo
un peque˜no co pus e ique ado.
Los esul ados apo ados (Ca e as, 2003)
demues an que la e ce a opci´on es la que
peo esponde ya que es p e e ible aduci
los modelos o c ea los de o ma que sean bi-
ling¨ues, an es que ap ende de un n´ume o an
educido de ejemplos. En cuan o a las o as
dos opciones, la segunda se e ela como la
m´as in e esan e ya que, aunque sob e el es-
pa˜nol se ob ienen mejo es esul ados con el
modelo en enado ´unicamen e con ejemplos
en espa˜nol, la opci´on de c ea un modelo bi-
ling¨ue no es ´a muy lejos en cuan o a n´ume os
en espa˜nol y supe a de o ma conside able a
los dem´as en ca al´an.
Es os expe imen os demues an que se
pueden ap o echa ecu sos “ce canos” a los
que necesi amos pa a lle a a cabo a eas
ob eniendo buenos esul ados con un cos e
bas an e educido (sob e odo en compa a-
ci´on al que hab ´ıa que a on a c eando
nue os ecu sos desde ce o).
Conc e amen e las conclusiones apo adas
po los au o es de es e abajo son las siguien-
es:
Es mejo aduci un modelo en enado
en espa˜nol que c ea un peque˜no co pus
ano ado con el que en ena el modelo
di ec amen e en ca al´an.
La aducci´on se puede lle a a cabo de
o ma au om´a ica sin p´e dida conside -
able de e ec i idad en el p oceso.
La mejo opci´on ha esul ado se el uso
de ca ac e ´ıs icas biling¨ues ya que pe -
mi e ob ene esul ados a o ables en
ambos idiomas.
La expansi´on de es a idea puede eni en
o ma de aplicaciones de apoyo m´as comple-
jas y que ayuden a ace ca ecu sos que no
es ´en an es echamen e ligados como los que
aqu´ı se han comen ado.
6. T´ecnicas de Boo s apping
En o os abajos se pone en p ´ac ica o a
´ecnica de ob enci´on de ecu sos muy in e e-
san e. Se a a de las ´ecnicas de boo s ap-
ping, que a an de ob ene una g an can i-
dad de ma e ial pa iendo de una peque˜na
Fe nando En iquez, Jose An onio T oyano, Fe min C uz y F. Ja ie O ega
178
“semilla”. En la a ea de la c eaci´on de co -
pus e ique ados, el obje i o se ´a ob ene un
g an n´ume o de ases e ique adas de o -
ma au om´a ica pa iendo de un n´ume o muy
educido de ases e ique adas manualmen e
(po lo que el cos e es muy bajo en compa a-
ci´on con el e ique ado manual comple o).
Exis en m´ul iples ´ecnicas de boo s ap-
ping, que di ie en en la o ma de aumen a
la semilla, el manejo de las ases nue as e i-
que adas o las ´ecnicas de selecci´on en caso
de u iliza se alguna. En cualquie caso odas
esponden a la de inici´on:
“la ele aci´on de un peque˜no es ue -
zo inicial hacia algo m´as g ande y
m´as signi ica i o”.
Algunos de los esquemas de ejecuci´on m´as
popula es den o de las conocidas como ´ecni-
cas de boo s apping son:
Sel - ain: Un co pus es u ilizado pa a
c ea un modelo que se aplica a un con-
jun o nue o de ases que as se e ique-
adas pasan a o ma pa e del co pus
o iginal pa a ol e a gene a un nue o
modelo y a anza de es a o ma i e a i-
amen e.
Figu a 2: Esquema de ejecuci´on pa a el ‘sel -
ain’.
Es a es la de inici´on de sel - aining que
gene almen e se adop a, como en (Cla k,
2003), aunque exis en o as como la que
apo a (Ng, 2003), donde se desc ibe co-
mo el en enamien o de un comi ´e de
clasi icado es u ilizando bagging pa a i-
nalmen e u iliza la o aci´on po mayo-
´ıa pa a selecciona las e ique as inales.
Collabo a i e- ain: Se emplea un mismo
co pus pa a ob ene di e en es modelos
empleando di e en es ´ecnicas de ap en-
dizaje. Pos e io men e se in oduce una
ase de selecci´on en e las di e en es
opiniones que su gen de aplica es os
modelos al conjun o de ases nue as y
las e ique as seleccionadas si en pa a
aumen a el co pus o iginal y p osegui
con la siguien e i e aci´on.
Figu a 3: Esquema de ejecuci´on pa a el
‘collabo a i e- ain’.
Co- ain: Dos co pus inicialmen e
iguales si en pa a c ea dos modelos de
di e en es ca ac e ´ıs icas y los esul ados
de aplica es os modelos a un conjun o
de ases nue as se “c uzan”, es deci ,
las ases e ique adas po el p ime
modelo si en pa a aumen a el co pus
que si i´o pa a c ea el segundo modelo
y ice e sa. De es a o ma un modelo no
se alimen a ´unicamen e de su pe cepci´on
del co pus sino que ecibe in o maci´on
de o o modelo que imp ime o o pun o
de is a di e en e a la esoluci´on del
mismo p oblema.
Figu a 4: Esquema de ejecuci´on pa a el ‘co-
ain’.
En (Jones, 1999) se p esen an dos casos
de es udio pa a el uso de ´ecnicas de boo -
s apping en la c eaci´on de ecu sos. Se a-
a de un econocedo de localizaciones y un
clasi icado de a ´ıculos de in es igaci´on. En
ambos casos se ob ienen muy buenos esul-
ados, mos ando la u ilidad de es e ipo de
´ecnicas.
Gene ación Semiau omá ica de Recu sos
179
O o aspec o impo an e a ene en cuen a
es que se hace p ´ac icamen e imposible mejo-
a el esul ado de un clasi icado si los esul-
ados que alcanza son demasiado buenos. En
es os casos la aplicaci´on de es as ´ecnicas se
limi a ´a a in oduci uido y empeo a la ca-
lidad del abajo esul an e. Es po lo an o
necesa io ese a es e ipo de ´ecnicas a a-
bajos “di ´ıciles” como puede se aumen a un
co pus que solo con iene un n´ume o limi ado
de ases inicialmen e, eniendo en cuen a que
si el ama˜no inicial es su icien e pa a ob e-
ne buenos esul ados, di ´ıcilmen e pod emos
mejo a los aplicando boo s apping.
7. Conclusiones
La disponibilidad de ecu sos es un ac o
c ucial en muchas de las a eas del P oce-
samien o del Lenguaje Na u al que se esuel-
en undamen almen e median e m´e odos de
ap endizaje supe isado. La ob enci´on de es-
os ecu sos es una labo muy cos osa, de
ah´ı que se lle en a cabo es ue zos pa a de-
sa olla m´e odos que desempe˜nen es a la-
bo de o ma au om´a ica o semi-au om´a ica.
Hemos p esen ado a ias inicia i as ya exis-
en es, mos ando las ca ac e ´ıs icas p opias
de cada una de ellas y e lejando di e en es
en oques que c eemos pueden llega a com-
pagina se en un en o no que acili e la a ea
de la gene aci´on de ecu sos. Es e es el pun-
o de pa ida de una linea de abajo u u o
que deseamos eco e y de la que in en a e-
mos ex ae soluciones sa is ac o ias a es e
p oblema.
Bibliog a ´ıa
H.T. Ng: Ge ing se ious abou wo d sense
disambigua ion. In P oceedings o he
ACL SIGLEX Wo kshop on Tagging Tex
wi h Lexical Seman ics: Why, Wha , and
How?. (1997) 1–7
R. Mihalcea: Boo s apping La ge Sense
Tagged Co po a. In P oceedings o he 3 d
In e na ional Con e ence on Languages
Resou ces and E alua ions. (2002)
G. Mille , C. Leacock, T. Randee, R. Bunke :
A seman ic conco dance. In P oceedings
o he 3 d DARPA Wo kshop on Human
Language Technology. (1993) 303–308
G. Mille : Wo dne : A lexical da abase. Com-
munica ion o he ACM,38(11). (1995) 39–
41
J. Howe: The ise o c owdsou cing.
Wi ed - 14.06 h p://www.wi ed.com
/wi ed/a chi e/14.06/c owds.h ml.
(2006) 17–20
D. S o k: The Open Mind ini ia i e. IEEE
Expe Sys ems and Thei Applica ions,
14(3). (1999) 19–20
R. Mihalcea, T. Chklo ski: Open Mind Wo d
Expe : C ea ing La ge Anno a ed Da a
Collec ions wi h Web Use s’ Help. In P o-
ceedings o he EACL 2003 Wo kshop on
Linguis ically Anno a ed Co po a (LINC
2003). (2003) 17–20
P. Singh, T. Lin, E. Muelle , G. Lim, T.
Pe kins, W. Li Zhu: Open mind com-
mon sense: Knowledge acquisi ion om
he gene al public. In P oceedings o he
Fi s In e na ional Con e ence on On olo-
gies, Da abases, and Applica ions o Se-
man ics o La ge Scale In o ma ion Sys-
ems. (2002)
Lei Shi, Rada Mihalcea: Pu ing Pieces To-
ge he : Combining F ameNe , Ve bNe
and Wo dNe o Robus Seman ic Pa s-
ing. In P oceedings o he Six h In e -
na ional Con e ence on In elligen Tex
P ocessing and Compu a ional Linguis-
ics. (2005)
Xa ie Ca e as, Llu´ıs M`a quez, Llu´ıs Pad ´o:
Named En i y Recogni ion o Ca alan
Using Spanish Resou ces. In 10 h Con e -
ence o he Eu opean Chap e o he As-
socia ion o Compu a ional Linguis ics.
(2003)
S. Cla k, J. R. Cu an, M. Osbo ne: Boo -
s apping POS agge s using Unlabelled
Da a. In P oceedings o CoNLL-2003.
(2003) 49–55
V. Ng, C. Ca die: Weakly supe ised na -
u al language lea ning wi hou edun-
dan iews. In Human Language Tech-
nology/Con e ence o he No h Ame ican
Chap e o he Associa ion o Compu a-
ional Linguis ics. (2003)
Rosie Jones, And ew McCallum, Kamal
Nigam, Ellen Rilo : Boo s apping o
Tex Lea ning Tasks. In IJCAI-99 Wo k-
shop on Tex Mining: Founda ions, Tech-
niques and Applica ions. (1999)
Fe nando En iquez, Jose An onio T oyano, Fe min C uz y F. Ja ie O ega
180