Análisis sintáctico conducido por un diccionario de patrones de ...

Capítulo 3.
avanzados
Análisis sintáctico y desambiguación basada en patrones de manejo
El empleo de procesos de edición previos al análisis, para delimitar los
constituyentes haría menos complejo el análisis sintáctico. Sin embargo, esta tarea
requeriría reglas claras del uso de la puntuación en el lenguaje. Esto sin considerar
otras características como la delimitación estilística, mediante comillas, guiones,
apóstrofos, etc. la cual tiene una variedad mayor.
2) La insuficiencia de cobertura, es decir, tratar con casos de oraciones de
entrada que están fuera de la cobertura sintáctica del sistema de reglas se ha
considerado como un problema de labor intensiva y de compilación de cantidades
extensas de conocimiento lingüístico, dada la propiedad de los lenguajes naturales de
ser infinitos. Sin embargo, esa labor se tiene que detener en algún momento, por su
imposibilidad de ser total. Esto debido a que cualquier modelo es limitado, no tiene
una cobertura total del fenómeno que intenta representar. En el caso de las gramáticas
generativas, cada una tiene su propia cobertura, siempre restringida.
La ampliación de la cobertura no se logra simplemente añadiendo más reglas,
es necesario estudiar cómo afecta cada inserción a la gramática global. Además, como
explicaremos más adelante, la cobertura se ve afectada por el grado de acierto de la
gramática.
3) La desambiguación se requiere para disminuir la gran cantidad generada de
variantes de estructuras. A mayor cobertura, menor número de restricciones y por lo
tanto mayor cantidad de variantes. La introducción de mayor cantidad de reglas para
la delimitación de constituyentes (por la falta de reglas precisas), también introduce
otras posibilidades de enlaces de constituyentes y una cantidad adicional de variantes.
Por lo que el problema a enfocar es la desambiguación.
Modelos empleados
Los modelos matemáticos del lenguaje [Uszkoreit, 96] son, básicamente, de
dos tipos: los solamente simbólicos y los que adicionalmente aplican métodos
estadísticos. Los simbólicos son sistemas formales axiomáticos compuestos por un
conjunto de símbolos y de reglas, que establecen las combinaciones de símbolos. Se
postulan propiedades generales sobre los símbolos así como sus relaciones, y a partir
de estos axiomas se obtienen nuevas propiedades de manera deductiva. Ejemplos de
estos modelos son los ya vistos en los enfoques de constituyentes y de dependencias.
Los modelos estadísticos fueron desarrollados a partir de la Teoría de la
Información [Shannon, 49] y la estadística. Estos modelos describen el lenguaje como
un conjunto de sucesos que presentan una determinada frecuencia; cada morfema,
cada categoría sintáctica, cada sintagma, cada significado tienen una cierta
probabilidad de aparecer en un determinado contexto. Los modelos estadísticos se
fundamentan en los datos obtenidos a partir de corpus lingüísticos. La principal
desventaja de los métodos estadísticos es que requieren una base estable, requieren
corpus de textos que cuenten con todas las palabras necesarias y con frecuencias que
176