Modelado computacional de preposiciones en inglés y español: aproximación cognitiva

Resumen

Las palabras funcionales, entre ellas las preposiciones, representan un reto para el procesamiento de lenguaje natural debido a que su significado es difícilmente determinable a partir de procesos de descomposición semántica similares a los utilizados para la descripción de palabras plenas, en especial cuando la semántica es resultante de un proceso de lexicalización computacional (Goddard & Schalley, 2010). Por ello, proponemos el diseño de un modelo computarizado que permita el aprendizaje automático (machine learning) de las relaciones espaciales marcadas por las preposiciones. El modelo que presentamos en esta ponencia fue diseñado para el procesamiento de las preposiciones, entendidas como partes del discurso que establecen relaciones semánticas entre dos elementos, marcando (prototípicamente) relaciones espaciales que codifican la posición de un ente en un espacio físico (Saint-Dizier, 2006; Waluch de la Torre, 2007; Zelinsky-Wibbelt, 1993), y la extensión metafórica de dichas relaciones espaciales. El modelo se basa en algunos presupuestos de la lingüística cognitiva (Lakoff & Johnson, 1999; Langacker, 2008). Este modelo forma parte de un proyecto de inteligencia artificial mediado por lenguaje natural (Mammut) cuya finalidad es atender diversas necesidades en el mercado sobre productos o información usando sistemas basados en Pregunta-Respuesta.