<html><body><a href="http://infoling.org" target="_blank"><img
src="http://infoling.org/img/infoling.png" alt="" width="255"
height="50" align="left" border="0" /></a>
<br /><br /><br />
<br /><font style="font-size:80%"><table border="0" bordercolor="#FFF"
width="520px"><tr><td width="130"><a style="text-decoration:none"
target="_blank" href="http://infoling.org/revista/" title="Ir a
Infoling Revista"><img style="vertical-align:-30%;width:130px"
alt="Infoling Revista"
src="http://delicious.uab.es/infoling2/img/infolingIR.png"></a></td><td
width="100"><a style="text-decoration:none"
href="http://www.facebook.com/infoling" target="_blank"><img
border="0" src="http://infoling.org/img/facebook-icon.png" alt=""
style="vertical-align:-30%;height:16px;width:16px" /> Infoling en
Facebook</a></td><td width="180"><a style="text-decoration:none"
href="http://www.twitter.com/infoling" target="_blank"><img border="0"
src="http://infoling.org/img/t_small-b.png" alt=""
style="vertical-align:-30%;height:16px;width:16px" /> Infoling en
Twitter</a></td></tr></table></font>
<br />Moderador/a: Carlos Subirats (U. Autónoma Barcelona), Mar Cruz
(U. Barcelona)
<br />Editoras: Paloma Garrido (U. Rey Juan Carlos), Laura Romero (UB)
<br />Programación, desarrollo: Marc Ortega (UAB)
<br />Directoras/es de reseñas: Alexandra Álvarez (U. Los Andes,
Venezuela), Yvette Bürki (U. Bern, Suiza), María Luisa Calero (U.
Córdoba, España), Luis Cortés (U. Almería)
<br />Asesoras/es: Maite Taboada (Simon Fraser U., Canadá), Isabel
Verdaguer (UB), Gerd Wotjak (U. Leipzig, Alemania)
<br />Asesor legal: Daniel Birba
<br />Colaboradoras/es: Julia Bernd (Int'l Computer Science Institute,
EE.UU), Miroslava Cruz (U. Autónoma del Estado de Morelos, México),
Mercedes García de Quesada (U. Granada), Matthias Raab (UB), Antonio
Ríos (UAB)
<br />
<br />Con el patrocinio de:
<br /><table border="0" bordercolor="#FFFFFF"
width="200px"><tr><!--<td><a href="http://www.fundacioncomillas.es/"
target="_blank"><img
src="http://www.infoling.org/img/logo-comillas.png" alt="Fundación
Comillas" width="85" height="49" align="left" border="0"
/></a></td>--><td><a
href="http://www.arcomuralla.com/Arco/Shop/default.asp"
target="_blank"><img style="border:0;margin-top:10px"
src="http://www.infoling.org/img/logoarco.jpg" alt="Arco Libros"
width="62" height="34" align="left" border="0"
/></a></td></tr></table><br /><hr /><font style="font-size:90%">
<br /><b>Infoling 6.53 (2014)</b><br />ISSN: 1576-3404 </font>
<br /><font style="font-size:90%">© Infoling 1996-2014. Reservados
todos los derechos</font>
<br />
<br /><hr /><b>Tesis doctoral: </b><br />Balbachan, Fernando. 2014.
Técnicas de clustering para inducción de categorías sintácticas en
español. Universidad de Buenos Aires (Argentina), Facultad de
Filosofía y Letras.<br /><b>Tesis completa en el Archivo de
Infoling:</b> <a href='http://www.infoling.org/repository/ID/126'
target='_blank'>http://www.infoling.org/repository/ID/126</a><br
/><b>Información de:</b> Fernando Balbachan
<fernando_balbachan@yahoo.com.ar><br />Compartir: <a
href="http://api.addthis.com/oexchange/0.8/forward/facebook/offer?url=http://www.infoling.org/informacion/T126.html&pubid=ra-4def7f4a7565a706"
target="_blank" rel="nofollow"><img border="0"
src="http://infoling.org/img/facebook-icon.png" alt="Send to Facebook"
title="Send to Facebook"
style="vertical-align:-30%;height:16px;width:16px"
/></a> <a
href="http://api.addthis.com/oexchange/0.8/forward/twitter/offer?url=http://www.infoling.org/informacion/T126.html&template=@infoling%20Balbachan,%20F.%20Técnicas%20de%20clustering%20para%20inducción%20de%20categorías%20sintácticas%20en%20español%20{{url}}&pubid=ra-4def7f4a7565a706&shortener=bitly&bitly.login=infoling&bitly.apiKey=R_60e1d6b1cb688030e7759b835f63d0c0"
target="_blank" rel="nofollow"><img border="0"
src="http://infoling.org/img/t_small-b.png" alt="Tweet this"
title="Tweet this" style="vertical-align:-30%;height:16px;width:16px"
/></a><hr /><p><a
href="http://infoling.org/english/search/tesis/ID/126"
target="_blank">View with English headings</a></p><hr /><br
/><b>Director/a de tesis: </b>Zulema Solana <br /><b>Codirector/a:
</b>Carlos Reynoso <br /><br /><b>Descripción</b><br /><p>De:
Fernando Balbachan . 2014. <i>Técnicas de Clustering para Inducción
de Categorías Sintácticas en Español</i>. Tesis de doctorado,
Universidad de Buenos Aires, págs. 10-12:<br /> <br />"La siguiente
tesis de doctorado se propone como un aporte original al campo de la
lingüística computacional, específicamente en la tarea de
inducción de gramáticas formales (grammar inference) a partir de
datos lingüísticos primarios no estructurados. Específicamente, se
ofrecerá una modelización plausible al problema de la
categorización temprana de palabras durante el proceso de
adquisición del lenguaje para el idioma español. Si bien la
particularización del modelo sobre un lenguaje puntual resulta
fundamental cuando se trabaja en modelización formal estadística,
de modo de recrear algorítmicamente las mismas condiciones de
posibilidad de inducción de fenómenos sintácticos en comparación
con aquellas de que disponen los adquirientes de un lenguaje natural,
se espera que el enfoque resulte aplicable a cualquier idioma en
virtud de las premisas generales de la hipótesis. En este sentido,
debido a la naturaleza transdisciplinaria del enfoque, la tesis releva
diversos trabajos con afiliaciones científicas que oscilan entre la
psicolingüística, la lingüística formal y la lingüística
computacional, en pos de compatibilizar la modelización postulada con
la plausibilidad empírica.<br /><br /> La hipótesis central de la
tesis es, en alguna medida, un argumento indirecto contra el
Argumento de la Probreza de los Estímulos (Argument from the Poverty
of the Stimulus APS) en cuanto a que los Datos Lingüísticos
Primarios (Primary Linguistic Data PLD) presentarían cierta riqueza
factible de ser explotada mediante un mecanismo de aprendizaje general
(no específico de dominio), tornando innecasaria la postulación de
una Gramática Universal (GU) como requisito para la adquisición del
lenguaje. A la luz de este argumento central, la categorización de
palabras se presenta como un proceso crucial para la adquisición de
una sintaxis rudimentaria. En efecto, esta habilidad temprana es el
punto de partida para la construcción de una gramática por parte de
los adquirientes de un lenguaje. <br /><br />La tesis se organiza en
nueve capítulos, comenzando por la inserción del proyecto en un
paradigma científico específico de investigación lingüística: el
paradigma estadístico de la lingüística computacional. <br /><br
/>El primer capítulo describe entonces los principios
epistemológicos de los paradigmas de investigación en lingüística
computacional y los distintos enfoques sobre el problema de la
adquisición del lenguaje que derivan de la adscripción a cada uno de
ellos. En este capítulo inicial también se presenta el debate en
torno al Argumento de la Pobreza de los Estímulos, que se configura
como nudo gordiano de la discusión sempiterna entre el innatismo y el
empirismo. <br /><br />El capítulo 2 presenta la hipótesis central
y la metodología de este trabajo como un aporte a la comprobación
empírica de la riqueza estructural de los Datos Lingüísticos
Primarios para la adquisición del lenguaje mediante mecanismos
generales de aprendizaje no supervisado. En particular, esta tesis se
centra sobre la etapa temprana de categorización de palabras como
punto de partida para la inducción de sintaxis. El capítulo también
incluye una diferenciación operativa entre las palabras funcionales y
las palabras de contenido. La distinción entre palabras funcionales y
palabras de contenido resulta de vital importancia para esta tesis, ya
que veremos que la evidencia empírica y la modelización estadística
contemplan diferencias muy notables para cada una de estas clases de
palabras en el proceso ontogenético de adquisición del lenguaje.
<br /><br />El capítulo 3 pasa revista a los modelos formales con
motivación psicolingüística que se propusieron para dar cuenta
específicamente de la categorización temprana de palabras (Mintz
2002, 2003; Christophe et al. 2008). En particular, notaremos cómo
estas propuestas adolecen de contradicciones empíricas o teóricas
para abarcar el fenómeno. <br /><br />El capítulo 4 explica en
detalle la definición de las técnicas estadísticas de clustering
como mecanismo de aprendizaje general no supervisado. Se pasa revista
a los distintos algoritmos (clustering jerárquico y no jerárquico),
como así también a diversas métricas específicas de la evaluación
de la robustez de los clusters. <br /><br />El capítulo 5 se explaya
sobre el estado de la cuestión en torno a las técnicas de clustering
para la tarea específica de inducción de categorías sintácticas,
ya en el campo del paradigma estadístico de la lingüística
computacional. Entre esos trabajos debemos destacar en particular los
de Redington et al. (1998) y Clark (2002), cuyos lineamientos
generales estaremos siguiendo en el diseño de nuestros propios
experimentos. <br /><br />El capítulo 6 analiza en detalle la tesis
de doctorado de Wang (2012), un trabajo muy reciente que reproduce, en
gran medida, el enfoque transdisciplinario con el que trabajaremos en
nuestros experimentos: modelización formal estadística y adecuación
explicativa ante la evidencia empírica psicolingüística. Wang
(2012) trabaja específicamente con la modelización de la tarea de
categorización de palabras funcionales en inglés y en alemán, con
premisas de modelización que toman en cuenta la evidencia
ontogenética de la adquisición del lenguaje. La tesis de doctorado
de Wang (2012) es uno de los pocos trabajos en ofrecer una
explicación plausible de la categorización temprana de palabras
funcionales, no sólo de la de palabras de contenidos. <br /><br />El
capítulo 7 presenta nuestro propio experimento de categorización de
palabras de contenido en español, bajo la premisa del pre-requisito
de identificación de palabras funcionales sin tipología
diferenciada. El experimento propone, además, algunas modificaciones
metodológicas a los trabajos clásicos en técnicas de clustering. Se
incluye una exhaustiva evaluación de los datos de salida del
experimento. <br /><br />El capítulo 8 describe otro experimento de
inducción de fenómenos sintácticos, conectado con el anterior.
Básicamente, se sostiene la plausibilidad algorítmica de aprovechar
la información de salida del experimento del capítulo 7 como punto
de partida para la construcción de una sintaxis rudimentaria,
mediante la inducción de constituyentes sintácticos a partir de la
etiquetación morfosintáctica de palabras. <br /><br />El capítulo
9 retoma el debate en torno al Argumento de la Pobreza de los
Estímulos, pero, en esta ocasión, con énfasis en los mecanismos
cognitivos que plausiblemente actuarían durante el proceso de
adquisición del lenguaje. Se ofrece un exhaustivo relevamiento de las
posiciones tradicionales en torno al problema y una relectura de las
mismas a la luz de los resultados del experimento central de esta
tesis. Este capítulo final también apunta algunas conclusiones
generales y traza las líneas de investigación a futuro. <br /><br
/>En la parte final de la tesis se adjuntan varios anexos con datos de
salida de los dos experimentos propuestos en esta tesis y herramientas
de facilitación de la lectura: listado de siglas e índice
alfabético de conceptos."</p><br /><b>Área temática:</b>
Adquisición del español como lengua primera (L1), Lingüística
cognitiva, Lingüística computacional, Psicolingüística<br /><br
/><b>Índice</b><br /><p>Agradecimientos <br />Organización de la
tesis <br />Resumen<br /> <br />Capítulo 1. El debate epistemológico
en torno a un problema recurrente <br />1.1 Paradigmas de
investigación en linguística <br />1.2 El problema de la
adquisición del lenguaje <br />1.3 La pobreza de los estímulos y la
riqueza de lo innato <br />1.4 El Teorema de Gold revisitado <br /><br
/>Capítulo 2. La modelización de sintaxis como procesos en
cascada <br />2.1 Inducción de gramáticas y categorización de
palabras como punto de partida <br />2.2 Hipótesis: palabras
funcionales como facilitadoras de la categorización y de la
adquisición de sintaxis <br />2.3 Palabras funcionales vs. palabras
de contenido: una distinción operativa <br /><br />Capítulo 3.
Estado de la cuestión en categorización: modelos formales con
motivación psicolingüística <br />3.1 La naturaleza de los indicios
facilitadores <br />3.2 Necesidad o no de facilitadores para la
categorización en un lenguaje artificial (Mintz 2002) <br />3.3 La
propuesta de los marcos frecuentes (Mintz 2003; Chemla et al.
2009) <br />3.4 Facilitación mediante frases fonológicas y tipos de
palabras funcionales: teoría de los “protoconstituyentes”
(Christophe et al. 2008) <br /><br />Capítulo 4. Técnicas de
clustering como mecanismo de aprendizaje general no supervisado <br
/>4.1 Representación de objetos en el espacio vectorial
multidimensional <br />4.2 Clustering jerárquico o aglomerativo <br
/>4.3 Clustering no jerárquico o partitivo <br />4.4 Consideraciones
acerca de la pertinencia de las técnicas de clustering para la
categorización de palabras <br /><br />Capítulo 5. Estado de la
cuestión en categorización: modelos formales basados en
clustering <br />5.1 Dos décadas de inducción no supervisada de
categorías de palabras mediante clustering <br />5.2 Brown et al.
(1992) <br />5.3 Schütze (1993) <br />5.4 Redington et al. (1998) <br
/>5.4.0 Experimento 0 (inicial): Parámetros por default <br />5.4.1
Experimento 1: Diferentes contextos y diferentes coeficientes de
corte <br />5.4.2 Experimento 2: Variación en el número de palabras
target <br />5.4.3 Experimento 3: Discrimanción de resultados del
experimento inicial 0 según POS-tag <br />5.4.4 Experimento 4:
Variación del tamaño del corpus <br />5.4.5 Experimento 5: Agregado
de información de límite de oraciones en el corpus <br />5.4.6
Experimento 6: Cambio en el criterio de similitud entre clusters <br
/>5.4.7 Experimento 7: Remoción de las palabras funcionales del
corpus <br />5.4.8 Experimento 8: Cambios en la naturaleza del
corpus <br />5.4.9 Valoración general del trabajo de Redington et al.
(1998) <br />5.5 Martin et al. (1998) <br />5.6 Clark (2000, 2002,
2003) <br />5.7 Investigaciones actuales a partir de los trabajos
fundacionales <br /><br />Capítulo 6. Una propuesta conciliatoria
entre la psicolingüística y la lingüística computacional (Wang
2012) <br />6.1 Categorización temprana de palabras funcionales <br
/>6.2 Omisión sistemática de categorías funcionales en el
“discurso telegráfico” de los niños <br />6.3 Experimento 1 de
Wang (2012): clustering jerárquico sobre categorías funcionales <br
/>6.4 Experimento 2 de Wang (2012): marcos frecuentes para categorías
funcionales <br />6.5 Evaluación general de Wang (2012) <br /><br
/>Capítulo 7. Nuestro experimento: Inducción no supervisada de
categorías morfosintácticas mediante clustering a partir de palabras
funcionales sin tipología diferenciada <br />7.1 Motivación de las
decisiones de diseño <br />7.2 Corpus de PLD <br />7.3 Primera etapa
del algoritmo: Identificación de cues <br />7.3.1 Intuición
distribucional acerca de las palabras funcionales vs. palabras de
contenido <br />7.3.2 Ley de Zipf <br />7.3.3 Perfil de Frecuencia
Decreciente (Dreceasing Frequency Profile DFP) <br />7.3.4 Punto de
corte entre palabras funcionales y palabras de contenido en el DFP <br
/>7.4 Segunda etapa del algoritmo: Reducción de dimensionalidad <br
/>7.5 Tercera etapa del algoritmo: Construcción del espacio
vectorial <br />7.6 Cuarta etapa del algoritmo: Clustering K-means
iterativo <br />7.7 Resultados <br />7.8 Corpus de referencia para
etiquetamiento automático de POS-tag <br />7.9 Métricas de
evaluación de un ciclo de clustering <br />7.9.1 ¿Métricas propias
de la distribución o propias de un modelo HMM a partir de la
distribución? <br />7.9.2 Mapeo 1-to-1: El problema del gold
standard <br />7.9.3 La medida justa: mapeo many-to-1 e
hiperclusters <br />7.9.4 Otras métricas: Variación de la
información <br />7.9.5 Otras métricas: Medida F de sustitución <br
/>7.10 Evaluación iterativa de todos los ciclos de clustering con la
métrica many-to-1 <br />7.11 Discusión de los resultados y
conclusiones <br />7.11.1 Consideraciones cuantitativas y
cualitativas <br />7.11.2 Comparación con el baseline <br />7.11.3
Comparación con los trabajos clásicos y con el estado del arte <br
/>7.11.4 Plausibilidad psicolingüística de la modelización <br
/>7.12 Trabajo a futuro para el experimento de categorización <br
/><br />Capítulo 8. Continuación del experimento de categorización
hacia una sintaxis rudimentaria: inducción de constituyentes
sintácticos <br />8.1 El estado actual de la cuestión en inducción
de gramáticas formales (grammar inference) <br />8.2 Diseño de
corpus propio para inducción de constituyentes <br />8.3 Algoritmo de
inducción de constituyentes sintácticos en Clark (2002) <br />8.3.1
Descripción general <br />8.3.2 Acerca de la naturaleza de un
constituyente <br />8.4 Paso 1: perfil de frecuencias decrecientes de
secuencias candidatas a constituyentes <br />8.5 Paso 2: Clustering de
secuencias candidatas a constituyentes <br />8.6 Paso 3: Criterio de
filtrado por información mutua entre etiquetas adyacentes a las
secuencias candidatas a constituyentes <br />8.7 Modificaciones al
experimento original de inducción de constituyentes<br />8.8
Evaluación de los resultados de inducción de constituyentes <br
/>8.9 Discusión de los resultados del experimento de inducción de
constituyentes <br /><br />Capítulo 9. Conclusiones generales <br
/>9.1 Una nueva visita al APS: Mecanismos cognitivos de aprendizaje
por inducción <br />9.2 Una reflexión final <br /><br />Referencias
bibliográficas <br />Listado de abreviaturas y siglas <br />Índice
alfabético de conceptos <br /><br />Anexo I Clustering de secuencias
candidatas a constituyentes (capítulo 8) <br />Anexo II Muestra de
salida final del experimento con constituyentes: filtrado por MI
(capítulo 8) <br />Anexo III Muestra de constituyentes inducidos
sobre algunas oraciones de prueba (capítulo 8)</p><br /><b>Fecha de
lectura o defensa:</b> 23 de julio de 2014<br /><br /><b>Número de
págs.:</b> 182<br /><br /><b>Correo-e del autor/a:</b>
<fernando_balbachan@yahoo.com.ar><br /><br /><b>Información en
la web de Infoling:</b><br /> <a
href="http://www.infoling.org/informacion/T126.html" target="_blank">
http://www.infoling.org/informacion/T126.html</a></body></html>