Antecedentes

La terminografía puede entenderse como la práctica de elaborar diccionarios de términos especializados, esto es, unidades léxicas que pertenecen a un área específica de conocimiento. Esta práctica puede realizarse en tres etapas, las cuales corresponden a la identificación de los términos característicos del dominio en cuestión, al análisis conceptual de los términos y al análisis del uso de los términos en su contexto. (Meyer, 2001)

Para llevar a cabo este trabajo se puede consultar a especialistas del área, directamente, o bien pueden consultarse textos correspondientes al dominio que se estudia. En este sentido, uno de los esfuerzos de la terminología computacional o terminiótica, radica en desarrollar herramientas que faciliten el análisis de textos con fines terminográficos.

En el Grupo de Ingeniería Lingüística, de la UNAM, se ha desarrollado una investigación con el fin de elaborar una herramienta para la identificación automática de los posibles conceptos de un texto especializado, esto es, los términos y sus definiciones.

Esta investigación se basa en esfuerzos previos como la identificación sistemática de definiciones a partir de patrones léxicos y metalingüísticos (Pearson, 1998), el análisis de Operaciones Metalingüísticas Explícitas (Rodríguez, 1999) y el análisis de Contextos ricos en conocimiento (Meyer, 2001).

Con estas investigaciones se ha podido determinar que en los textos especializados se utiliza una variedad de patrones que permiten identificar la presencia de un posible contexto definitorio. En esta investigación, por contexto definitorio entenderemos todo aquel fragmento textual donde se aporta la información necesaria para definir a un término.

En este artículo se presenta el primer paso en la investigación, el cual consistió en el análisis y clasificación de patrones recurrentes en textos en el área de ingeniería. Tomando en cuenta los resultados de este análisis, se pretende elaborar un sistema computacional basado en reglas y restricciones, que identifique los posibles contextos definitorios de un documento especializado.

 

Tipología de patrones

Las investigaciones previas de Meyer y Rodríguez nos permitieron delimitar qué elementos tendría que poseer como mínimo un fragmento textual para poder ser considerado como un contexto definitorio.

Se consideró que la definición puede aportar información de varios tipos. Puede presentar la fórmula de una definición aristotélica: Definición = Género próximo + Diferencia específica, que en la fórmula de Meyer está dada como X = Y + características distintivas; puede aportar información que permita clasificar al término dentro de una clase general, esto es, su hiperónimo o merónimo; o bien puede proporcionar información acerca de la función del término.

Por otro lado, en los contextos definitorios es común encontrar elementos estilísticos y sintácticos empleados por lo autores. Estos elementos sirven para resaltar los constituyentes de los contextos definitorios. Nosotros definimos que pueden ser marcas tipográficas o bien predicaciones pragmáticas o predicaciones verbales. En algunos casos, las marcas tipográficas, al igual que las predicaciones verbales, funcionan como enlace entre el término y la definición.

 

El corpus de análisis

Se utilizó un corpus de 25 textos especializados en las áreas de logística, transporte, sistemas expertos y estructuras bioclimáticas, pertenecientes a la ingeniería. Los textos fueron provistos por académicos y estudiantes del Instituto de Ingeniería de la UNAM, y se compone esencialmente por tesis, informes a patrocinadores y artículos en congresos.

En estos documentos, por su naturaleza, se incluye un apartado (introducción, presentación o bien un capítulo específico) que funciona como marco conceptual y en el cual se definen los conceptos esenciales para la comprensión del texto. Esta fue una de las características principales que se consideraron como criterios básicos de selección, ya que nos permitió tener una mayor seguridad de encontrar no sólo términos especializados, sino también definiciones.

 

Metodología

Se determinó que los contextos definitorios pueden representarse mediante secuencias denominadas patrones . Estos patrones se clasificaron en cuatro formas distintas, que van de simples a complejas: patrones tipográficos, patrones sintácticos, patrones mixtos y patrones compuestos.

Para representar cada secuencia se utilizaron los siguientes símbolos: T (término), D (definición), mt (marca tipográfica), PV (predicación verbal) y PP (predicación pragmática). T y D son los elementos mínimos de un contexto definitorio y se unen mediante una PV o una mt. A su vez, las mt pueden ser características de T y D. Para representar la unión de estos elementos en secuencias se utilizó el signo “+”, en tanto la combinación de dos elementos se representa contiguamente. En la siguiente tabla se muestra un ejemplo.

 

Tabla 1. Ejemplo de patrones

Patrón	Contexto definitorio
T mt + PP + PV + D	La energía primaria, por definición, es aquel recurso energético que no ha sufrido transformación alguna, con excepción de su extracción. En este caso se encuentran el petróleo crudo, el gas asociado...

En total se encontraron 173 patrones distintos: 9 patrones tipográficos, 41 patrones sintácticos, 114 patrones mixtos y 9 patrones compuestos.

 

Patrones tipográficos

L a tipografía de un texto sirve al lector como ayuda visual para identificar fácilmente algún elemento importante y diferenciarlo del resto del texto común, por ejemplo los términos y sus definiciones.

En algunos casos se define un término sin la necesidad de emplear algún verbo que funcione como conector. Sintácticamente, los verbos son sustituídos por signos de puntuación tales como dos puntos, punto y seguido o coma.

De esta forma, el primer grupo de patrones que se consideró es aquél donde se utiliza alguna marca tipográfica para resaltar la presencia del término y/o la definición, y donde se sustituye al verbo que une a los elementos constitutivos por algún signo de puntuación. A este grupo le denominamos patrones tipográficos y constituyen las formas más simples encontradas, ya que se asemejan a un tipo de definición que se presenta en un diccionario.

Se encontraron 9 patrones tipográficos distintos, en un total de 20 ocurrencias.

 

Tabla 2. Ejemplos de patrones tipográficos

Patrón	Contexto definitorio
T mt + mt + D mt	Diseño: Desarrollo de configuraciones para la resolución de algún problema en base y sujetándose a sus restricciones.
T mt + mt + D mt	DESASTRE. Perturbación de la actividad normal que ocasiona pérdidas o daños extensos o graves .
T mt + mt + D	"Impactos agregados sociales" ¶ Los que impactan a la sociedad, produciendo, por ejemplo, la perturbación de las relaciones familiares

En los dos primeros contextos, el término aparece en negritas o en mayúsculas, y la definición en cursivas. En estos dos patrones se observa que el verbo es sustituido por dos puntos o punto y seguido. En el tercer ejemplo se presenta el término en comillas y la definición aparece después de un salto de párrafo, representado mediante el símbolo ¶. Para nuestra investigación, el salto de párrafo se consideró como un símbolo tipográfico importante ya que nos permitió definir aquellas estructuras donde el término se presenta en un título o una viñeta, y la definición en el párrafo siguiente.

 

Patrones sintácticos

Analizamos los contextos que no presentan ninguna marca tipográfica pero que utilizan una forma verbal o una forma pragmática para identificar que dicho fragmento corresponde a un contexto definitorio, y definimos a estas secuencias como patrones sintácticos.

Se identificó que en estos patrones suelen combinarse las predicaciones pragmáticas con las predicaciones verbales, dando como resultado, hasta el momento, las siguientes posibilidades de combinación:

(PP/PV) + T/D + (PP/PV) + D/T + (PP)

Se encontraron 41 patrones sintácticos distintos, en un total de 56 ocurrencias.

 

Tabla 3. Ejemplos de patrones sintácticos

Patrón	Contexto definitorio
PV + T + D	Se considera como protección civil a la actividad solidaria de los diversos sectores que integran a la sociedad…
T + PP + PV + D	Un soporte logístico de plataforma, de manera general, se define como un territorio equipado para el desarrollo de actividades logísticas…
PP + T + PV + D	De acuerdo con esta conceptualización, los daños probables se definen como el riesgo que corre el SA por ser expuesto al…

Podemos observar que cada contexto carece de marcas tipográficas para resaltar el término o la definición; sin embargo, los elementos que resaltan el carácter definitorio de estos fragmentos son de tipo sintáctico, esto es las predicaciones verbales se considera como y se define como, así como las predicaciones pragmáticas de manera general y de acuerdo con.

Predicaciones pragmáticas

Un contexto definitorio puede contener, además de la definición, otro tipo de información relevante para la comprensión del término, la que Rodríguez define como información semántico – pragmática.

Definimos que esta información pragmática, en general, nos permite distinguir que el fragmento textual corresponde a un contexto definitorio. Esta información está en relación con el uso y tratamiento del término, su introducción dentro del texto, y toda aquella información que nos proporciona una base para entender al término dentro del contexto en el cual aparece. Consideramos a esta información como predicaciones pragmáticas.

El estudio profundo de estas predicaciones se tiene contemplado en la siguiente etapa de la investigación, donde se expandirá y evaluará el paradigma correspondiente. Por el momento, cabe señalar que dentro de estas predicaciones se encuentran frases adverbiales (de manera general), frases prepositivas (en términos generales) y palabras simples (definición, concepto, término) que se identifican como palabras metalingüísticas.

En total se encontraron 26 predicaciones pragmáticas distintas, las cuales suelen aparecer junto con alguna predicación verbal o bien alguna marca tipográfica. De esta forma, estas predicaciones constituyen otro de los elementos que nos permiten reconocer la presencia de un contexto definitorio dentro del texto. Es de reconocer que estas formas pertenecen a un paradigma estructural amplio, ya que su composición puede variar de acuerdo a formas estructurales o estilísticas utilizadas por cada autor.

 

Tabla 4. Ejemplos de predicaciones pragmáticas

El término	El nombre de
De manera general	De acuerdo con
Definición	El concepto de
Un aspecto fundamental de	En su acepción más amplia

Predicaciones verbales

Las predicaciones verbales sirven para unir directamente al término con su definición. Esta característica funcional es la que las distingue de los demás elementos sintácticos de los contextos definitorios.

Los verbos y formas verbales que se emplean en los contextos corresponden a lo que se ha denominado como verbos metalingüísticos. Esta clasificación aplica comúnmente para verbos como definir, describir, denominar, etc., verbos que por su naturaleza se emplean para referirse al propio lenguaje.

Para nuestros fines, tomamos en cuenta la estructura de las predicaciones verbales y consideramos que se clasifican en dos grupos: las formas personales y las formas impersonales.

La característica principal de las formas personales es que en ellas existe un sujeto que define o predica algo sobre un término, o bien el término funciona como sujeto gramatical del contexto definitorio. Entre estas formas se encontraron las siguientes: entendemos, ocurre, afirma que, etc.

En las formas impersonales suele emplearse el pronombre se para construir formas verbales que permiten, de manera impersonal, predicar algo sobre un término. Estas formas se representan, generalmente, mediante el pronombre se + verbo conjugado + partícula , donde el orden puede ser aleatorio, y la partícula puede corresponder a una preposición, a una conjunción o a un adverbio. Las formas más comunes que se encontraron fueron: se define como, se concibe como, se refiere a, etc.

En total se encontraron 33 predicaciones verbales distintas. En esta etapa, el paradigma se expandió tomando en cuenta los criterios estructurales señalados, lo cual nos permitió determinar qué verbos y formas verbales ofrecen una mayor seguridad al momento de extraer automáticamente candidatos a contextos definitorios. La metodología y los resultados se presentan más adelante. La expansión del paradigma tomando en cuenta criterios semánticos se tiene contemplada dentro de la segunda etapa de la investigación.

 

Tabla 5. Ejemplos de predicaciones verbales

Formas personales	Formas impersonales
Afirma que	Se basa en
Comprende	Se concibe como
Consiste en	Se conoce (como/con)
Consta de	Se considera (como)
Constituye	Se define como
Corresponde a	Se denomina (como)
Define a	Se encarga de
Incluye	Se refiere a
Ocurre	Se utiliza (para/en)

 

Patrones mixtos

Hasta ahora hemos explicado los dos elementos que caracterizan a un contexto definitorio y que son la tipografía y la sintaxis. Los dos grupos de patrones mencionados anteriormente utilizan una de estas características por separado. Cuando estas características se mezclan en el contexto definitorio fueron denominados como patrones mixtos.

Estos patrones presentan una estructura más sólida, ya que utilizan elementos que permiten resaltar visual y gramaticalmente la presencia de un contexto definitorio.

En el corpus de análisis, los patrones mixtos fueron los que más ocurrencias presentaron, con un total de 169, de los cuales 114 fueron patrones distintos.

Tabla 6. Ejemplos de patrones mixtos

Patrón	Contexto definitorio
T mt + PV + D	a. Canal de comercialización es el conjunto de actores y actividades que interactúan para que un bien producido…
T mt + PV + D	- Las actividades se definen como los elementos principales de una acción…
PP + T + PV + D mt	Según G. Malagón (1996, p.18) un hospital se define como: “ una parte integrante de la organización médica, cuya función es la de proporcionar a la población …
PV + T mt + D	Se entiende por paradigma una forma epistemológica que, como instrumento cognoscitivo, permite diferenciar la…

Se observa que en los dos primeros ejemplos se utiliza una marca tipográfica en el término y además se emplean las predicaciones ser y se definen como para unir al término con la definición. El último ejemplo presenta al término en cursivas y se utiliza la predicación verbal se entiende por . En el tercer ejemplo se utiliza una predicación pragmática, según + (autor) y una predicación verbal se define como ; la definición presenta dos marcas tipográficas: comillas y negritas. Cabe mencionar que aquí se considera el autor como un elemento característico del contexto definitorio

 

Patrones compuestos

El último grupo de patrones que se consideró fue aquel donde en un mismo contexto definitorio se definen dos o más términos. A este grupo se le nombró patrones compuestos.

Hasta el momento, se encontró que este grupo puede presentar dos formas distintas. En la primera, un contexto definitorio sirve para definir dos o más términos que por lo general se presentan en un orden que se señala mediante alguna predicación pragmática. La segunda forma es aquella donde la definición de un término sirve como un contexto definitorio para otro término y su correspondiente definición.

Estos patrones son las formas más complejas que se encontraron, ya que en su estructura se incluye un mayor número de referencias anafóricas. En total se presentaron 9 patrones mixtos distintos, en un total de 9 ocurrencias.

 

Tabla 7. Ejemplos de patrones compuestos

T1 y T2 + PP + PV + D1 + PP + PV + D2	A su vez, en el proceso de gestión se distinguen dos modalidades polares y complementarias: la gestión correctiva y la planificada. La primera modalidad trata de mantener al objeto conducido en un estado dado o de optimizar su operación, (…) La segunda, se caracteriza por preestablecer un estado futuro deseado del objeto conducido, como objetivo…
PV + T1 + D1 + PP + T2 + D2	Se considera calamidad todo acontecimiento que pueda impactar el sistema afectable, en este caso la central y sus alrededores, incluyendo la mina Carbón II...

El primer ejemplo corresponde al primer grupo, donde en un mismo contexto definitorio se definen los términos gestión correctiva y gestión planificada . A continuación de la presentación de estos términos, en el contexto se emplean dos formas pragmáticas equivalentes a una referencia anafórica y que sirven para reconocer el término al cuál se refiere la definición. Estas predicaciones corresponden, en el ejemplo citado, a las formas la primera y la segunda.

En el segundo ejemplo podemos observar que se define el término calamidad , y dentro de su definición se emplea otro término, sistema afectable, que a su vez recurre a la predicación pragmática en este caso para introducir su propia definición.

 

Expansión de predicaciones verbales

Hasta ahora, hemos presentado una tipología para agrupar los distintos patrones encontrados en los textos de ingeniería. Dentro de estos patrones encontramos los sintácticos, aquellos que emplean una predicación verbal para unir al término con la definición.

Ahora bien, para determinar qué predicaciones verbales nos ofrecen una mayor seguridad al momento de buscar contextos definitorios, elaboramos una metodología donde el primer paso constituye la expansión del paradigma de dichas predicaciones.

Esta expansión se realizó tomando en cuenta que los verbos encontrados suelen unirse con determinadas partículas (preposiciones, artículos y adverbios), y nos permitió determinar cuáles de ellas se unen con ciertos verbos en contextos definitorios, y cuáles se unen con los mismos verbos en otro tipo de fragmentos textuales.

 

El Corpus de Referencia del Español Actual

En esta etapa se utilizó el Corpus de Referencia del Español Actual (CREA), de la Real Academia Española. Este corpus se seleccionó debido al criterio de representatividad de sus textos. [1]

Metodología

Analizamos en el CREA las 33 predicaciones verbales encontradas. Como ejemplos, en este artículo presentamos la expansión y evaluación de 10 verbos: denominar, definir, entender, conocer, referir, comprender, consistir, permitir, representar e incluir.

La búsqueda se realizó mediante los siguientes operadores y criterios restrictivos que permite el CREA:

Operadores

Dist/ núm. Donde núm equivale al número máximo de distancia en palabras que puede haber entre cada elemento de la búsqueda. De esta forma, si la búsqueda es describe dist/3 determina; la palabra describe debe aparecer a una distancia no mayor de tres de la palabra determina.

Comodín (*) Se utiliza para buscar cualquier número de caracteres unidos a una palabra flexionada. De esta forma, la búsqueda de la forma describ* dará como resultado palabras como describir, describe, describen, describiría, describimos, etc.

Y , O , Y NO. Estos operadores permiten buscar conjuntos de palabras, así como buscar una palabra sin que en el fragmento recuperado aparezca otra especificada. Por ejemplo: definir Y describir deberá recuperar ambas palabras; definir O describir deberá recuperar cualquiera de las dos palabras; definir Y NO describir deberá recuperar únicamente definir.

Criterios restrictivos

Medio: Libros y revistas

Geográfico: México

Tema 1: Ciencias y tecnologías

En todos los resultados de las consultas se analizaron los primeros 25 casos recuperados por el CREA. Esto se realizó tomando en cuenta los criterios de representatividad del corpus. Cuando los resultados obtenidos fueron notablemente inferiores a 25 casos, los criterios restrictivos se ampliaron a:

Geográfico: México y España

Tema 1 .- Ciencias y tecnologías

Tema 2 .- Ciencias sociales

Cuando el resultado era mayor a 300 casos se aplicó un filtro que permite disminuir el número de ejemplos de cada documento, conservando la representatividad de los resultados. Esto es, el filtro 1/10 recuperó uno de cada 10 ejemplos de un mismo texto. Se utilizó la casilla Mantener documentos , la cual funciona para conservar al menos un ejemplo de cada texto donde se encontró la búsqueda, y se utilizó la casilla Agrupaciones , por medio de la cual se pueden encontrar las partículas adyacentes a la forma que se busca.

En resumen, en el CREA se buscó cada predicación verbal para determinar qué partículas se agrupan con los verbos en los contextos definitorios. Enseguida se analizó por separado cada agrupación y se determinó cuántos fragmentos recuperados correspondían a contextos definitorios.

Resultados

A continuación se presenta una tabla con ejemplos de las búsquedas y los resultados obtenidos. La casilla FORMA corresponde a la predicación verbal buscada. La casilla CD's corresponde al número de contextos definitorios encontrados sobre el total de fragmentos textuales recuperados.

Las formas impersonales se buscaron utilizando el operador Dist/3 . Esta distancia se consideró ya que la estructura recurrente de las formas impersonales es: pronombre se + verbo conjugado + partícula; sin embargo, entre el pronombre se y el verbo conjugado pueden aparecer otros pronombres o verbos auxiliares.

 

Tabla 8. Ejemplos de búsquedas realizadas en el CREA

FORMA	CD's
se dist/3 denomin*	23/25
se dist/3 (defin* Y NO definitiv*)	20/25
se dist/3 ( entiend * O entend *)	10/25
se dist/3 conoc*	6/25
se dist/3 refier*	4/25
comprende*	3/25
consist* Y NO (consistente* O consistencia*)	3/25
permit*	2/25
represent* Y NO representant*	1/25
Inclu*	1/25

Podemos observar que las predicaciones verbales que recuperaron un mayor número de contextos definitorios fueron se denomina, se define, y se entiende. Las formas que recuperaron un menor número de contextos definitorios fueron representa e incluye.

Una vez que se obtuvo estos resultados se realizó una búsqueda de las agrupaciones encontradas para cada predicación verbal. De igual forma se determinó cuántos contextos definitorios se encontraron sobre el total de fragmentos recuperados.

En la siguiente tabla se presentan los resultados de las agrupaciones encontradas.

 

Tabla 9. Ejemplos de agrupaciones encontradas

FORMA	CD's
se le denomina se denomina + art indef. se denomina + art def.	15/15 0/1 0/0
se define como se define por se puede definir se define + art def. se le define se debe definir se ha logrado definirlos	8/8 2/2 2/2 1/2 1/1 0/1 0/1
se entiende + art def. se entiende como se entiende por se entiende cuando	6/7 2/3 1/1 1/1
se conoce como se le* conoce se conoce* con	24/25 20/20 5/9
se refiere* a se refiere* + art def.	6/25 0/28
comprende + art comprende desde	2/4 1/1
consiste en consiste básicamente en	19/25 5/6
permite	16/25
representa a	3/5
incluye a	4/15

Podemos observar que en el caso del verbo denominar no se encontró ningún contexto definitorio cuando al verbo le sigue algún artículo indefinido o definido. Lo mismo ocurrió en el caso del verbo referir . Las formas se debe definir y se ha logrado definirlos tampoco dieron como resultado algún contexto definitorio.

Por otro lado, las formas se le denomina, se define como, se entiende + art def. y se conoce como, recuperaron un número alto de contextos definitorios.

Así, se pudo delimitar qué formas no ofrecen la seguridad de presentarse en un contexto definitorio, y qué formas son comúnes para conectar a un término con su definición.

En resumen, con este análisis pudimos expandir el número de partículas que suelen unirse con ciertos verbos en los contextos definitorios, y pudimos eliminar aquellas formas que nos ofrecen otro tipo de fragmentos textuales.

 

Evaluación de predicaciones verbales

Una vez que analizamos cada predicación verbal y determinamos qué formas son recurrentes en los contextos definitorios, evaluamos las predicaciones en un nuevo corpus de documentos especializados.

Con esta evaluación identificamos sistemáticamente qué predicaciones verbales nos ofrecen una mayor grado de confiabilidad al momento de buscar contextos definitorios.

 

El corpus de evaluación

El corpus de evaluación consistió en 10 documentos en formato electrónico igualmente provistos por investigadores y estudiantes del Instituto de Ingeniería. En este corpus se encuentran tesis, informes a patrocinadores y artículos en congresos.

 

Metodología

Para llevar a cabo esta evaluación se buscaron manualmente los contextos definitorios que presentaron alguna predicación verbal, de forma que se excluyeron aquellos contextos donde sólo se utilizaban marcas tipográficas.

Por otro lado, y tomando en cuenta los resultados de la búsqueda en el CREA, se desarrolló un “macro” en el programa Word. Esta función nos permitió buscar automáticamente las formas verbales expandidas en el CREA y recuperar párrafos donde se presentara alguna de estas predicaciones.

Así, pudimos obtener tres cifras que corresponden al número de contextos definitorios encontrados manualmente, al número de fragmentos textuales encontrados automáticamente donde se presenta alguna predicación verbal, y de estos fragmentos, el número de contextos definitorios encontrados.

De esta forma, se evaluaron las predicaciones utilizando unas medidas comunes para determinar la efectividad de un sistema de recuperación de información. Estas medidas se denominan Recall & Precision. En nuestra investigación pueden entenderse de la siguiente forma:

Recall corresponde al número de PV relevantes recuperadas automáticamente, sobre el número de PV relevantes encontradas manualmente.

Precision corresponde al número de PV relevantes encontradas automáticamente sobre el número total de PV encontradas automáticamente.

PV corresponde a predicaciones verbales, y relevante quiere decir que el fragmento recuperado dio como resultado un contexto definitorio. Estas dos medidas nos dan como resultado valores entre 0 y 1. Un valor más cercano a 1 indica que se ha obtenido un mejor resultado.

 

Resultados

A continuación se presenta una tabla con los resultados obtenidos en la evaluación de las predicaciones verbales.

 

Tabla 10. Resultados de precision & recall

Verbo	RECALL	PRECISION
denominar	1	1
conocer	1	1
entender	1	1
permitir	1	1
definir	1	0.81
comprender	1	0.8
representar	0.75	0.75
consistir	1	0.59
referir	0.92	0.54
incluir	0.69	0.32

Podemos observar que los primeros cuatro valores corresponden a 1. Esto quiere decir que el número de contextos definitorios encontradas automáticamente correspondieron a los encontrados manualmente (recall), y que el número de contextos definitorios encontrados automáticamente coincidió con el número total de fragmentos textuales extraídos automáticamente (precision). Los verbos denominar, conocer, entender y permitir, nos ofrecen una gran seguridad de que no darán como resultado ruido, esto es, fragmentos textuales que no corresponden a un contexto definitorio.

Otras verbos como referir e incluir presentan un valor alto de recall, aunque, el valor de precision es bajo. En estos dos casos se recuperó automáticamente un número grande de los contextos definitorios encontrados manualmente; sin embargo, la mitad (0.54) o más de la mitad (0.32) de los párrafos recuperados automáticamente no son contextos definitorios.

Cabe señalar que hasta ahora se han buscado de manera aislada las distintas predicaciones que se encontraron y expandieron en el corpus de análisis y en el CREA. Si tomamos en cuenta que además de las predicaciones verbales existen otro tipo de elementos característicos en los contextos definitorios y se elabora un sistema que permita buscar una combinación de estos elementos, podremos entonces depurar los resultados. Con lo cual se tendrá una mayor seguridad de que los fragmentos textuales que se recuperen sean contextos definitorios.

 

Conclusiones y trabajo futuro

En este artículo se presentó un análisis lingüístico de contextos definitorios. La finalidad de este análisis radica en la necesidad de contar con un sistema computacional que nos permita extraer automáticamente los términos y definiciones de un texto especializado.

Para desarrollar esta herramienta, debemos analizar el comportamiento de los elementos constitutivos y característicos de los contextos definitorios. Así, se presentó una tipología para clasificar los distintos tipos de patrones encontrados en un corpus de textos en el área de ingeniería.

Entre estos patrones se encuentran los sintácticos, los cuales utilizan predicaciones verbales que unen al término con su definición. Para realizar una evaluación sistemática de las predicaciones verbales, se expandió el paradigma correspondiente a estos elementos utilizando el CREA.

Así, encontramos que existen ciertas formas verbales que son características de los contextos definitorios y otras formas que no lo son. También se determinó, mediante dos medidas comunes en la evaluación de sistemas de recuperación de información, que ciertos verbos, por sí solos, nos ofrecen una mayor seguridad al momento de buscar automáticamente contextos definitorios.

Dado que estos verbos son escasos frente al número de predicaciones verbales que se emplean para definir un término, se tiene contemplado, como trabajo futuro, desarrollar un sistema que integre los distintos tipos de elementos característicos encontrados. De esta forma, si se buscan las predicaciones verbales en combinación con alguna predicación pragmática o una marca tipográfica, se podrán obtener mejores resultados.

Para ello se necesita un corpus que permita buscar no sólo unidades léxicas, sino también marcas tipográficas. En este sentido, el Grupo de Ingeniería Lingüística se encuentra desarrollando un Corpus de Ingeniería, donde se utilizarán etiquetas XML para representar las distintas marcas tipográficas encontradas en los contextos definitorios, tales como notas al pie de página, encabezado, autor, siglas, etc., lo cual nos permitirá desarrollar un sistema de búsqueda integral.

El desarrollo de este sistema se tiene previsto como investigación a nivel de posgrado.

 

Referencias

Pearson, Jennifer. Terms in Context. Ámsterdam, John Benjamin's, 1998.

Meyer, Ingrid. Extracting knowledge-rich contexts for terminography. En Recent Advances in Computational Terminology. Didier Bourigault, et. al. (ed.) Ámsterdam, John Benjamin's, 2001.

Rodríguez, Carlos. Operaciones Metalingüísticas Explícitas en Textos de especialidad. Treball de Recerca. Institut Universitari de Lingüística Aplicada. Universidad Pompeu Fabra. Barcelona, 1999.

 

[1] Para mayor referencia ver la página del CREA: http://corpus.rae.es/creanet.html