Generación Semiautomática de Recursos

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