Aprendizaje no supervisado de morfología Escuela Nacional de Antropología e Historia (ENAH) Agosto – diciembre de 2015

Antecedentes Morfología concatenativa niño babi s babi (Indonesio)

Antecedentes Morfotáctica anti-re-elec-cion-ista-s Orden Prefijos + base + sufijos Circunfijos (en-roj-ecer) Afijos Secuencialidad perfec-cion-ista-s *ista-perfec-cion-s

Antecedentes Morfología concatenativa (prefijo* base sufijo*)+

Antecedentes Morfotáctica ANTI~RE~ELEC~CIÓN~ISTA~S prefijo – prefijo- base – sufijo – sufijo – sufijo RE~ELEC~CIÓN~ES Derivación - base – Derivación – Flexión CANT~Á~BA~MOS raíz – VT – TAM – NP

Planteamiento del problema Lingüística Modelos morfológicos generativistas presuponen morfemas y su morfotáctica Están basados en la introspección de un solo hablante (sin corpus)

Planteamiento del problema Lingüística computacional Métodos basados en reglas elaboradas por el investigador Morfología flexiva simple (inglés) La representación de la morfotáctica se hace manualmente (morfología de estados finitos) Fonología de dos niveles (Koskenniemi, 1983; 1984)

Planteamiento del problema Lingüística computacional (actualmente) Búsqueda de un modelo morfológico optimizado e ideal que no toma en cuenta la variación Morfología = comprimir información Morfología = optimización de funciones

Métodos Zellig Harris (1955) Sucesor frecuente: contar los símbolos distintos después de una segmentación posible Las frecuencias más altas (menos predecibles) serán fronteras morfológicas

Métodos gover~n, gover~ned, gover~ning, gover~nment, gover~nor, gover~ns govern, govern~ed, govern~ing, govern~ment, govern~or, govern~s Sucesor frecuente (gover) = 1 (n). Sucesor frecuente (govern) = 6 (e, i, m, o, s, espacio/signo).

Métodos Minimum Description Lenght (MDL) M = Morfología La M que minimice la Longitud de Descripción será la mejor morfología El primer término es qué tan compacta es la morfología El segundo término explica qué tan bien la morfología describe al corpus

Aproximación Aprendizaje morfológico no supervisado ENTRADA PROCESO SALIDA Método computacional no supervisado Descripción morfológica automática Corpus

Objetivos de investigación Descubrir los sufijos y sufitáctica (morfotáctica de sufijos) del español mediante corpus y un método no supervisado de segmentación morfológica automática

Metodología Cálculo de índice de afijalidad (Medina, 2000; 2003) Cuantificar características lingüísticas de unidades morfológicas Cuantificar la fuerza de adhesión entre unidades lingüísticas (glutinosidad) No busca un modelo ideal o morfología única Buscar regularidades en un corpus

Metodología Cálculo de índice de afijalidad (Medina, 2000; 2003) Los afijos: (i) no ocurren aislados, sino como parte de las palabras (ii) ocurren en contextos similares y se combinan con bases de relativa baja frecuencia (iii) tienen contenido más gramatical

Metodología Cálculo de índice de afijalidad (Medina, 2000; 2003) Los afijos: (i) no ocurren aislados, sino como parte de las palabras (medida de cuadros) (ii) ocurren en contextos similares y se combinan con bases de relativa baja frecuencia (medida de economía) (iii) tienen contenido más gramatical (medida de entropía)

Metodología Cálculo de índice de afijalidad (Medina, 2000; 2003) Medida de cuadros (Greenberg, 1967) Dos segmentos iniciales (cas~, sill~) y dos finales (~a, ~ita) Forman cuatro palabras del corpus (cas~a, cas~ita, sill~a , sill~ita)

Metodología Cálculo de índice de afijalidad (Medina, 2000; 2003) Medida de economía Dada ai::bi Si ai pertenece a un conjunto potencialmente infinito de segmentos poco frecuentes, y bi pertenece a un conjunto pequeño de segmentos muy frecuentes Entonces ai sería una base y bi un afijo

I

I N

I N A

I N A U

I N A U G

I N A U G U

I N A U G U R

I N A U G U R O

Metodología Cálculo de índice de afijalidad (Medina, 2000; 2003) Medida de entropía (Shannon y Weaver, 1964) INAUGUR~ARON INAUGUR~ARSE INAUGUR~ASIÓN INAUGUR~E INAUGUR~Ó

Metodología

Metodología Cálculo de índice de afijalidad (Medina, 2000; 2003)

Metodología Cálculo de índice de afijalidad (Medina, 2000; 2003) NASION~AL~IDAD

Metodología

Metodología

Metodología Generación de autómata morfológico

Metodología Generación de autómata morfológico

Metodología

Resultados /Base~GO/ /ARTAS~GO/ /AYAS~GO/ /KASIKAS~GO/ /Base~ASGO/*(–azgo)

Resultados /Base~GA/ /DELE~GA/ /NABE~GA/ /PUR~GA/ /DISTRAI~GA/ /INTERPON~GA/ /SOBREBEN~GA/ Aparición de /g/ en raíz verbal venir vs venga

Resultados /Base~SO/ /ASENDER/ vs / ASEN~SO/ (–so) /PERMITIR/ vs /PERMI~SO/ (–so) /MASO~SO/, /SELENIO~SO/, /NITRO~SO/ (–oso) /JENERALA~SO/, /SALIBA~SO/ (–azo)

Resultados /Base~Ó/ /Base~I~Ó/ /Base~T~Ó/

Resultados /Base~Ó/ (pretérito de indicativo) /Base~I~Ó/ (pretérito de indicativo 2da. y 3ra. conjugación) /PROMET~I~Ó/, /DIFUND~I~Ó/ /Base~T~Ó/ (cambio consonántico en derivados /T/ por /S/ en la base) /ADOPTAR/ vs /ADOPSIÓN/, /AFECTAR/ vs /AFECSIÓN/ o /INBENTAR/ vs /INBENSIÓN

Resultados /Base~ASIÓN/ /Base~IS~ASIÓN/

Resultados /Base~ASIÓN/ (-ación, forma sustantivos a partir de verbos) /DEKLAR~ASIÓN/, /INAUGUR~ASIÓN/ y /SELEBR~ASIÓN/ /Base~IS~ASIÓN/ (–izar, forma verbos de la primera conjugación a partir de sustantivos y adjetivos) /ESPESIAL~IS~ASIÓN/, /KAPITAL~IS~ASIÓN/ y /DEMOKRAT~IS~ASIÓN/

Resultados

Resultados /Base~AMENTE/ /Base~AD~AMENTE/ /Base~OS~AMENTE/ /TONT~AMENTE/ /Base~AD~AMENTE/ /ORGANIS~AD~AMENTE/ /Base~OS~AMENTE/ /AFECTU~OS~AMENTE/ /Base~IK~AMENTE/ /DEMOKRAT~IK~AMENTE/

Resultados

Resultados /Base~AR/ /Base~T~AR/ /Base~E~AR/ /Base~IS~AR/ /ABANDON~AR/ /ADOPTAR/ vs /ADOPSIÓN/ /Base~E~AR/ /BURBUJ~E~AR/ /Base~IS~AR/ /EKONOM~IS~AR/

/EXIT~O~S/ se asocia a otro patrón Resultados /Base~ITA/ /Base~ITO/ /Base~IT~A/ /Base~IT~O/ /Base~ITAS/ /Base~ITOS/ /Base~ITO~S/ /Base~ITA~S/ /Base~IT~OS/ /Base~IT~AS/ /Base~IT~O~S/ /Base~CITO/ /EXIT~O~S/ se asocia a otro patrón

Resultados Patrones morfotácticos con sufijos derivativos intermedios tanto para derivación nominal como verbal /Base~AL~IDAD/, /Base~AL~MENTE/, /Base~E~AR/, /Base~IK~AMENTE/, /Base~IS~AR/.

Resultados Sufijos muy económicos son segmentados en palabras donde no son sufijos /MAR~SO/, /KAM~IÓN/. El autómata no representa la morfotáctica del encadenamiento de enclíticos. Separar sólo el clítico final.

Resultados Aparición de consonante /g/ en verbos irregulares /INTERPONER/-/INTERPON~GA/ Pérdida de vocal final de la base de derivación /SILBATO/-/SILBAT~AZO/ o /AMBIENTE/-/AMBIENT~AL/ Presencia de vocales temáticas de las tres conjugaciones /Base~A~R/, /Base~E~R/ y /Base~I~R/

Resultados Aparición de vocal /i/ en pretérito de indicativo /Base~I~Ó/ y /Base ~IÓ/. Cambios consonánticos en derivados /ADOPTAR/-/ADOP~SIÓN/, /DESKRIBIR/-/DESKRIP~SIÓN/ o /ESOFA~GO/-/ESOFA~JIKA/. Cambio de acento en presencia de marca de plural /TRIPULA~SI~ÓN/-/TRIPULA~SI~ONES/

Resultados /Base~AD~A/ /Base~AD~A~S/ /Base~AD~O/ /Base~AD~O~S/

Método

Conclusión Método no supervisado para descubrir la morfotáctica de lenguas afijales Permitir comparaciones entre corpus de lenguas o dialectos Este trabajo se inserta en el conjunto de estudios que tratan de explicar la lengua a partir de datos empíricos y no de la introspección de un analista