Aprendizaje no supervisado de morfología - UNAM...Planteamiento del problema 7 Lingüística computacional •Métodos basados en reglas elaboradas por el investigador •Morfología

Aprendizaje no supervisado de morfología

Escuela Nacional de Antropología e Historia (ENAH)Agosto – diciembre de 2015

Morfología concatenativa

• niño

Antecedentes

2

• babis

babi (Indonesio)

Antecedentes

3

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

4

O Morfología concatenativa

(prefijo* base sufijo*)+

Antecedentes

5

O 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

6

Lingüística

• Modelos morfológicos generativistas presuponen morfemas y su morfotáctica

• Están basados en la introspección de un solo hablante (sin corpus)


7

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)


8

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

9

• Zellig Harris (1955)

• Sucesor frecuente: contar los símbolos distintos después de una segmentación posible

• Las frecuencias más altas (menos predecibles) serán fronteras morfológicas

Métodos

10

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

11

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

12

SALIDAPROCESOENTRADA

CorpusMétodo

computacional no supervisado

Descripción morfológica automática

Aprendizaje morfológico no supervisado

Objetivos de investigación

13

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

Metodología

14

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

15


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

16


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

Metodología

17


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

18


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

19

I

20

I N

21

I AN

22

I A UN

23

I A UN G

24

I A UN UG

25

I A UN UG R

26

I A UN UG R O


Medida de entropía (Shannon y Weaver, 1964)

• INAUGUR~ARON

• INAUGUR~ARSE

• INAUGUR~ASIÓN

• INAUGUR~E

• INAUGUR~Ó

Metodología

27

Metodología

Metodología

29


Metodología

30

NASION~AL~IDAD


Metodología

F U N D A M E N T A C I Ó N

Entropía 0 0 0 1.04 1.489 0.8778 0.5034 2.088 2.453 1.05 0.6541 1.336 1.468

Cuadros 0 0 0 0 84 2 0 0 65289 1057 0 388 0

Economía 0 0 0 0 0 0.5 0 0 0.7607 0 0 0.9974 0

Afijalidad 0 0 0 0.1413 0.2024 0.2864 0.0684 0.2837 0.9209 0.1427 0.08888 0.5168 0.1995

A C E P T A C I Ó N

Entropía 0 0.6931 0.5983 2.088 2.453 1.05 0.6541 1.336 1.468

Cuadros 0 0 0 17 65292 1069 0 388 0

Economía 0 0 0 0.4706 0.7568 0 0 0.9974 0

Afijalidad 0 0.09418 0.08129 0.4411 0.9196 0.1427 0.08888 0.5168 0.1995

C A N T A R E M O S

Entropía 1.895 0.9992 2.179 2.713 1.414 1.52 0.8699 1.216 1.301

Cuadros 3 0 303 274560 9016 12750 25991 0 0

Economía 0 0 0.1551 0.9296 0.8136 0.9385 0.9994 0 0

Afijalidad 0.2328 0.1228 0.3199 0.9767 0.456 0.5153 0.4718 0.1493 0.1598

MetodologíaN I Ñ O S

Entropía 1.643 1.32 1.216 1.301

Cuadros 0 0 230703 253968

Economía 0 0 0.9992 1

Afijalidad 0.3333 0.2678 0.8824 0.9305

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/ • /TONT~AMENTE/

• /Base~AD~AMENTE/ • /ORGANIS~AD~AMENTE/

• /Base~OS~AMENTE/• /AFECTU~OS~AMENTE/

• /Base~IK~AMENTE/• /DEMOKRAT~IK~AMENTE/

Resultados

Resultados

• /Base~AR/ • /ABANDON~AR/

• /Base~T~AR/ • /ADOPTAR/ vs /ADOPSIÓN/

• /Base~E~AR/• /BURBUJ~E~AR/

• /Base~IS~AR/• /EKONOM~IS~AR/

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/• /Base~AD~AS/• /Base~AD~OS/• /Base~ADA/• /Base~ADO/• /Base~ADA~S/• /Base~ADO~S/• /Base~ADAS/• /Base~ADOS/

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

Aprendizaje no supervisado de morfología - UNAM...Planteamiento del problema 7 Lingüística computacional •Métodos basados en reglas elaboradas por el investigador •Morfología

Documents