stringtranslate.com

Lingüística computacional

La lingüística computacional es un campo interdisciplinario que se ocupa del modelado computacional del lenguaje natural , así como del estudio de enfoques computacionales apropiados para cuestiones lingüísticas. En general, la lingüística computacional se basa en la lingüística , la informática , la inteligencia artificial , las matemáticas , la lógica , la filosofía , la ciencia cognitiva , la psicología cognitiva , la psicolingüística , la antropología y la neurociencia , entre otras.

Orígenes

El campo se superpuso con la inteligencia artificial desde los esfuerzos en los Estados Unidos en la década de 1950 para usar computadoras para traducir automáticamente textos de idiomas extranjeros, particularmente revistas científicas rusas, al inglés. [1] Dado que los enfoques basados ​​​​en reglas podían hacer cálculos aritméticos (sistemáticos) mucho más rápido y con mayor precisión que los humanos, se esperaba que el léxico , la morfología , la sintaxis y la semántica también se pudieran aprender usando reglas explícitas. Después del fracaso de los enfoques basados ​​​​en reglas , David Hays [2] acuñó el término para distinguir el campo de la IA y cofundó tanto la Asociación de Lingüística Computacional (ACL) como el Comité Internacional de Lingüística Computacional (ICCL) en las décadas de 1970 y 1980. Lo que comenzó como un esfuerzo por traducir entre idiomas evolucionó hacia un campo mucho más amplio de procesamiento del lenguaje natural . [3] [4]

Corpus anotados

Para poder estudiar minuciosamente el idioma inglés , era muy necesario contar con un corpus de textos anotados. El Penn Treebank [5] era uno de los corpus más utilizados. Consistía en manuales de computadoras IBM, conversaciones telefónicas transcritas y otros textos, que en conjunto contenían más de 4,5 millones de palabras de inglés estadounidense, anotadas utilizando tanto etiquetas de categorías gramaticales como corchetes sintácticos. [6]

Se analizaron corpus de oraciones japonesas y se encontró un patrón de normalidad logarítmica en relación con la longitud de las oraciones. [7]

Modelado de la adquisición del lenguaje

El hecho de que durante la adquisición del lenguaje , los niños están expuestos en gran medida solo a evidencia positiva, [8] lo que significa que solo se proporciona evidencia de lo que es una forma correcta y no hay evidencia de lo que no es correcto, [9] fue una limitación para los modelos en ese momento porque los modelos de aprendizaje profundo ahora disponibles no estaban disponibles a fines de la década de 1980. [10]

Se ha demostrado que los idiomas se pueden aprender con una combinación de información simple presentada de forma incremental a medida que el niño desarrolla una mejor memoria y una mayor capacidad de atención, [11] lo que explica el largo período de adquisición del lenguaje en los bebés y niños humanos. [11]

Los robots se han utilizado para poner a prueba teorías lingüísticas. [12] Se crearon modelos que les permitían aprender como lo harían los niños, basándose en un modelo de asequibilidad en el que se creaban asignaciones entre acciones, percepciones y efectos y se vinculaban a palabras habladas. Fundamentalmente, estos robots pudieron adquirir asignaciones funcionales entre palabras y significados sin necesidad de una estructura gramatical.

Utilizando la ecuación de Price y la dinámica de la urna de Pólya , los investigadores han creado un sistema que no sólo predice la evolución lingüística futura sino que también proporciona información sobre la historia evolutiva de las lenguas modernas. [13]

Las teorías de Chomsky

Las teorías de Chomsky han influido en la lingüística computacional, en particular en la comprensión de cómo los bebés aprenden estructuras gramaticales complejas, como las descritas en la forma normal de Chomsky . [14] Se han hecho intentos para determinar cómo un bebé aprende una "gramática no normal" como la teorizada por la forma normal de Chomsky. [9] La investigación en esta área combina enfoques estructurales con modelos computacionales para analizar grandes corpus lingüísticos como el Penn Treebank , lo que ayuda a descubrir patrones en la adquisición del lenguaje. [15]

Véase también

Referencias

  1. ^ John Hutchins: Retrospectiva y prospectiva en la traducción asistida por computadora. Archivado el 14 de abril de 2008 en Wayback Machine . Actas de la VII Cumbre de MT, 1999, págs. 30-44.
  2. ^ "Miembros fallecidos". Miembros de la ICCL . Archivado desde el original el 17 de mayo de 2017. Consultado el 15 de noviembre de 2017 .
  3. ^ Procesamiento del lenguaje natural por Liz Liddy, Eduard Hovy, Jimmy Lin, John Prager, Dragomir Radev, Lucy Vanderwende, Ralph Weischedel
  4. ^ Arnold B. Barach: La máquina traductora 1975: Y los cambios que vendrán.
  5. ^ Marcus, M. y Marcinkiewicz, M. (1993). "Building a large annotated corpus of English: The Penn Treebank" (PDF) . Computational Linguistics . 19 (2): 313–330. Archivado (PDF) desde el original el 2022-10-09.
  6. ^ Taylor, Ann (2003). "1". Treebanks . Primavera en los Países Bajos. págs. 5–22.
  7. ^ Furuhashi, S. y Hayakawa, Y. (2012). "Lognormalidad de la distribución de longitudes de oraciones japonesas". Journal of the Physical Society of Japan . 81 (3): 034004. Bibcode :2012JPSJ...81c4004F. doi :10.1143/JPSJ.81.034004.
  8. ^ Bowerman, M. (1988). El problema de la "falta de evidencia negativa": ¿Cómo evitan los niños construir una gramática demasiado general? Explicación de los universales del lenguaje.
  9. ^ ab Braine, MDS (1971). Sobre dos tipos de modelos de internalización de gramáticas. En DI Slobin (Ed.), La ontogénesis de la gramática: una perspectiva teórica. Nueva York: Academic Press.
  10. ^ Powers, DMW y Turk, CCR (1989). Aprendizaje automático del lenguaje natural . Springer-Verlag. ISBN 978-0-387-19557-5 . 
  11. ^ ab Elman, Jeffrey L. (1993). "Aprendizaje y desarrollo en redes neuronales: la importancia de empezar desde abajo". Cognición . 48 (1): 71–99. CiteSeerX 10.1.1.135.4937 . doi :10.1016/0010-0277(93)90058-4. PMID  8403835. S2CID  2105042. 
  12. ^ Salvi, G.; Montesano, L.; Bernardino, A.; Santos-Victor, J. (2012). "Arranque del lenguaje: aprendizaje de significados de palabras a partir de la asociación percepción-acción". IEEE Transactions on Systems, Man, and Cybernetics - Part B: Cybernetics . 42 (3): 660–71. arXiv : 1711.09714 . doi :10.1109/TSMCB.2011.2172420. PMID  22106152. S2CID  977486.
  13. ^ Gong, T.; Shuai, L.; Tamariz, M. y Jäger, G. (2012). E. Scalas (ed.). "Estudio del cambio lingüístico mediante la ecuación de precios y la dinámica de Pólya-urn". PLOS ONE . ​​7 (3): e33171. Bibcode :2012PLoSO...733171G. doi : 10.1371/journal.pone.0033171 . PMC 3299756 . PMID  22427981. 
  14. ^ Yogita, Bansal (2016). "Insight to Computational Linguistics" (PDF) . Revista Internacional 4.10. p. 94. Consultado el 22 de septiembre de 2024 .
  15. ^ Yogita, Bansal (2016). "Insight to Computational Linguistics" (PDF) . Revista Internacional 4.10. p. 94. Consultado el 22 de septiembre de 2024 .

Lectura adicional

Enlaces externos

Wikiversidad tiene recursos de aprendizaje sobre lingüística computacional
Wikimedia Commons alberga una categoría multimedia sobre Lingüística computacional .