UN MTODO PARA LA DESAMBIGUACIN SINTCTICA DE

TIPO COORDINATIVO Y PREPOSICIONAL

A METHOD FOR COORDINATIVE AND PREPOSITIONAL

SYNTACTIC DISAMBIGUATION

CARLOS ZAPATA
Grupo de Ingeniera de Software, Escuela de Sistemas, Universidad Nacional de Colombia, czapata@unal.edu.co

KARLA PALOMINO
Grupo de Ingeniera de Software, Escuela de Sistemas, Facultad de Minas, Universidad Nacional de Colombia, Sede Medelln

ROBERTO ROSERO
Grupo de Ingeniera de Software, Escuela de Sistemas, Facultad de Minas, Universidad Nacional de Colombia, Sede Medelln

Recibido para revisar Febrero 17 de 2007, aceptado Mayo 18 de 2007, versin final Mayo 28 de 2007

RESUMEN: El procesamiento del lenguaje Natural (PLN) investiga y formula mecanismos computacionales que
permiten la comunicacin hombre-mquina. Conceptualmente, un sistema de PLN se divide en tres procesos
principales: anlisis morfolgico, sintctico y semntico. En cada uno de estos procesos es factible que se presenten
mltiples interpretaciones de una misma palabra o frase, segn sea el proceso que se est llevando a cabo; estas
interpretaciones dan origen al concepto de ambigedad. Para resolver la ambigedad se han propuesto mtodos
basados en estadstica, inteligencia artificial y mtodos hbridos, los cuales an presentan dificultades como el alto
consumo de recursos lxicos y computacionales y el uso de elementos pertenecientes a dominios restringidos. En
este artculo se propone un mtodo que incluye la definicin de un conjunto de reglas heursticas para desambiguar
frases que poseen ambigedad sintctica de tipo coordinativo y preposicional. Adems, se muestra la
implementacin del mtodo en el lenguaje python y, combinada con herramientas del paquete NLTK, y se presentan
dos casos de estudio para ejemplificar el mtodo.

PALABRAS CLAVE: Procesamiento del Lenguaje Natural, Anlisis sintctico, Informacin sintctica y semntica,
Ambigedad sintctica Coordinativa, Ambigedad sintctica preposicional, Desambiguacin.

ABSTRACT: Natural Language Processing (NLP) have researched and formulated computational mechanisms to
ease Human-Computer Interaction (HCI). From the conceptual point of view, a NLP system can be divided into three
main processes: morphology, syntax and semantics. Every process has to deal with multiple interpretations for the
same word or phrase; as a result, ambiguity is originated. To solve ambiguity, statistics-based, artificial-intelligence-
based, and hybrid methods have been proposed; however, there are still difficulties to be solved, for example wasting
of lexical and computational resources and using of restricted-domain elements. Here in this paper we propose a
method for solving coordinative and prepositional syntactic ambiguity; this method includes the definition of a set of
heuristic rules. Also, we show the implementation of the method using the python language in conjunction with the
Natural Language Tool Kit (NLTK), and we exemplify disambiguation of two case studies.

KEYWORDS: Natural Language Processing, Syntactic Analysis, Syntactic and Semantic Information, Coordinative
and Preposition Syntactic Ambiguity, Disambiguation.

Dyna, Ao 75, Nro. 156, pp. 29-42. Medelln, Noviembre de 2008. ISSN 0012-7353
30
1. INTRODUCCIN
El procesamiento del lenguaje natural (PLN)
trata los fenmenos lingsticos de forma
Mecanizada mediante sistemas de cmputo [1].
Se define adems, como una parte esencial de la
Inteligencia Artificial que investiga y formula
mecanismos que sean computacionalmente
efectivos y que faciliten la interaccin hombre-
mquina [2]. El PLN surge como una necesidad
de automatizar tareas que en la actualidad
requieren mucho tiempo para ser realizadas.
Conceptualmente, un sistema de PLN divide el
anlisis de un texto en los siguientes niveles:
anlisis morfolgico, anlisis sintctico y
anlisis semntico [1], [2], [3]. A su vez, estas
tareas comprenden otros procesos, que permiten
extraer y evaluar diferentes tipos de informacin
que contribuyen al anlisis global de un texto.
En comparacin con otros lenguajes, el espaol
es bastante complejo, pues su interpretacin se
encuentra limitada por la variabilidad de su
estructura y la precisin y elaboracin de sus
reglas de formacin [4]. Estas caractersticas
generan problemas de ambigedad (diferentes
significados para una misma oracin), que
dependen del tipo de anlisis que se est
llevando a cabo. Desde el punto de vista
sintctico, la ambigedad genera diferentes
representaciones para una misma frase [1].
Con el fin de interpretar el lenguaje natural,
algunos grupos de investigacin han estudiado
los diversos tipos de ambigedad, sus causas y
posibles soluciones. Para corregir este problema,
se han propuesto, probado e implementado
diversas estrategias de desambiguacin; algunas
de ellas se han basado en mtodos estadsticos
[5], [7], [8], [9]; otras estrategias se fundamentan
en tcnicas de inteligencia artificial [10], [11];
tambin se han expuesto mtodos hbridos que
han logrado mejores resultados [12].
Los mtodos de desambiguacin actuales
continan presentando limitaciones para la
resolucin del problema de la ambigedad. Los
mtodos estadsticos consumen muchos recursos
tanto computacionales como lxicos; los
mtodos basados en inteligencia artificial hacen
uso de ontologas o redes semnticas que se
encuentran restringidas a dominios especficos;
los mtodos hbridos, en consecuencia, presentan
las mismas limitaciones de los mtodos
Zapata et al
estadsticos y de los basados en IA.En general,
todos los mtodos restringen la sintaxis, el
vocabulario y el dominio del texto que se desea
analizar [5]; sin embargo, existen algoritmos que
ofrecen buenos resultados para un lenguaje
restringido, es decir, definido por una gramtica
de cobertura limitada [5].
En este artculo se propone un mtodo de
desambiguacin sintctica para un texto escrito
en espaol. El mtodo se basa en reglas
heursticas que permiten identificar
ambigedades de tipo coordinativo y de tipo
preposicional, permitiendo la obtencin de los
rboles sintcticos ms probables para cada una
de las frases que hacen parte del texto.
El artculo est organizado as: en la Seccin 2 se
muestra el marco terico que fundamenta los
conceptos concernientes al lenguaje natural; en
la Seccin 3 se hace una revisin de los mtodos
de desambiguacin sintctica que se han
desarrollado; en la Seccin 4 se propone un
mtodo de desambiguacin sintctica para un
texto escrito en lenguaje natural que identifica
ambigedades de tipo coordinativo y de tipo
preposicional; en la Seccin 5 se presenta la
aplicacin del mtodo, resultados y dificultades;
en la Seccin 6 se plantean conclusiones acerca
del trabajo realizado y el trabajo futuro que se
deriva a partir del mtodo propuesto.
2. MARCO TERICO
El procesamiento del lenguaje natural (PLN) ha
surgido como una solucin a los obstculos de
tipo lingstico que se generan en la bsqueda de
informacin; en esta bsqueda, el hombre ha
optado por automatizar tareas que en la
actualidad requieren mucho tiempo para ser
realizadas.
El procesamiento del lenguaje natural (PLN)
trata todo tipo de fenmenos lingsticos de
forma automtica [1], y se define como una parte
esencial de la Inteligencia Artificial que
investiga y formula mecanismos que sean
computacionalmente efectivos y que faciliten la
interaccin hombre-mquina [2]. De ah la
importancia que ha venido adquiriendo el PLN,
ya que no solamente se estn solucionando
problemas lingsticos, sino que implcitamente
 Dyna 156, 2008
se est reduciendo el tiempo de procesamiento
de la informacin.
Conceptualmente, un sistema de PLN divide el
anlisis de un texto en los siguientes niveles:
anlisis morfolgico, anlisis sintctico y
anlisis semntico [1], que se pueden definir as:
Anlisis morfolgico: consiste en determinar
la forma, clase o categora gramatical de cada
palabra que hace parte de una oracin,
haciendo lo que se conoce como etiquetado
morfolgico.
Anlisis sintctico: consiste en determinar las
funciones de las palabras o grupos de
palabras dentro de la oracin.
Anlisis semntico: consiste en asignar
significados a las estructuras generadas por el
analizador sintctico, es decir se establecen
correspondencias entre las estructuras
sintcticas y cada palabra dentro de un
dominio.
Para la realizacin de estos anlisis, existen
herramientas tales como el MPRO [13] y el
NLTK (Natural Language Tool Kit) [14], que
permiten realizar algunos pasos del proceso de
anlisis, pero que no poseen mdulos de
desambiguacin; el trazado de los rboles
sintcticos de NLTK, por ejemplo, se usar para
la propuesta que se presenta en este artculo.
Debido a la variabilidad de la gramtica
espaola, a la precisin y elaboracin de las
reglas de formacin del espaol [6], las tareas de
anlisis se dificultan, ya que se presentan
diferentes tipos de ambigedad durante cada
nivel de anlisis, as:
Ambigedad Morfolgica: Ocurre cuando
una palabra que se encuentra en una oracin
representa ms de un rol sintctico o
categora gramatical dentro de la misma [1],
[2], [3].
Ambigedad Sintctica: Se presenta cuando
una oracin tiene asociada ms de una
representacin sintctica, es decir, cuando
ms de una regla gramatical representa dicha
oracin [1], [2], [3].
31
Ambigedad Semntica: Ocurre cuando una
oracin posee ms de un significado o
sentido; se refiere a fenmenos como la
homonimia y la polisemia, en los cuales la
misma palabra puede tener distintos
significados [1], [2], [3], [8].
3. REVISIN DEL ESTADO DEL ARTE
La ambigedad, en el proceso lingstico, puede
presentarse cuando es posible admitir diferentes
interpretaciones a partir de la representacin de
una oracin; tambin, se presenta cuando existe
confusin al tener diversas estructuras
asociadas a la misma oracin. Para
desambiguar, es decir, para seleccionar los
significados o estructuras ms adecuados de un
conjunto conocido de representaciones, se
requieren diversas estrategias de solucin que
dependen del tipo de ambigedad que presente
una frase u oracin [15].
Con el fin de interpretar automticamente el
lenguaje natural, se han adelantado estudios
acerca de los diversos tipos de ambigedad que
puede presentar un texto, sus causas y posibles
soluciones. Para corregir el problema de la
ambigedad, se han propuesto, probado e
implementado diversas estrategias de
desambiguacin. Sin embargo, persisten algunas
limitaciones en cuanto a los textos que se deseen
analizar, ya que se encuentran restringidos a un
dominio especfico.
El espaol ha sido uno de los lenguajes ms
difciles de tratar, puesto que la mayora de los
recursos lxicos disponibles se encuentran en
ingls y para el procesamiento del espaol se
cuenta con recursos muy limitados.
Actualmente existen varios mtodos de
desambiguacin de un texto. Estos mtodos se
clasifican en: mtodos estadsticos, mtodos de
inteligencia artificial y mtodos hbridos.
3.1 Trabajos basados en mtodos estadsticos
En [5] se muestra un mtodo supervisado de
desambiguacin del sentido de las palabras
basado en los modelos de Markov (MM)
especializados; estos mtodos utilizan matrices
de probabilidades, donde cada estado
corresponde a una categora morfosintctica y el
32
nmero de estados corresponde al nmero de
categoras asociadas a una palabra. El mtodo
consiste en dos tareas fundamentales: la
seleccin de las caractersticas relevantes para la
tarea de desambiguacin, mediante la definicin
del alfabeto de smbolos utilizado en un MM, y
la especializacin o redefinicin de los estados
del modelo a partir de la informacin disponible
en los datos de entrenamiento. Este mtodo
requiere recursos computacionales que son
escasos para el idioma espaol, como es el caso
de los corpus anotados semnticamente.
En [7] se muestra un mtodo probabilstico,
basado en una gramtica lexicalizada (gramtica
que proporciona mayor informacin sintctica
por cada categora gramatical). El mtodo
combina probabilidades sintcticas, las cuales
permiten seleccionar una categora sintctica de
un conjunto de categoras asociadas a una
palabra, y probabilidades semnticas, que
posibilitan la seleccin de una regla sintctica
entre un conjunto de reglas asociadas a una
oracin.
En [8] se propone un mtodo de aprendizaje
supervisado a partir de un corpus de textos
anotados semnticamente para la resolucin de
la ambigedad semntica de las palabras. Se
necesita una fase previa de aprendizaje antes de
poder construir y almacenar un clasificador para
cada palabra; en esta fase se recogen los
ejemplos del corpus y se incorporan al modelo
de probabilidad para hacer la estimacin de la
funcin de clasificacin. El mtodo utiliza los
Modelos de Mxima entropa (MME) para
realizar la asignacin de sentidos a cada palabra
y un algoritmo de aprendizaje que permite
estudiar los ejemplos y asignar pesos a las
palabras que hacen parte de los mismos. Los
MME se exponen de una forma ms amplia en
[16].
En [9] se propone un mtodo de desambiguacin
lxica. El mtodo consiste en asignar
automticamente el sentido de las palabras que
aparecen dentro del contexto de una oracin,
recurriendo a WordNet Domains [17], el cual se
usa para recopilar ejemplos de los diferentes
dominios asociados con los significados
semnticos de las palabras. El valor agregado de
esta propuesta es que etiqueta cada palabra,
asignndole los dominios a los cuales puede
pertenecer dicha palabra. Los dominios se
Zapata et al
encuentran ordenados de mayor a menor, de
acuerdo con la importancia que tenga la palabra
en el dominio.
En general, los mtodos estadsticos, aunque
resuelven algunos problemas de ambigedad,
consumen muchos recursos lxicos y
computacionales, lo cual los hace mtodos poco
convenientes para el espaol [18]. Adems estos
mtodos son muy especializados, ya que
recurren a frmulas y estudios complejos que
hacen necesaria la presencia de un experto, si se
desea mejorar el resultado.
3.2 Trabajos basados en tcnicas de
inteligencia artificial
En [10] se expone un mtodo de resolucin de
ambigedad lxica basado en el Modelo de
Espacio Vectorial (MEV). Cada sentido de una
palabra es representado con un vector, as como
el contexto de la palabra a desambiguar. Las
entradas del algoritmo estn representadas por
los vectores, que son procesados mediante el
algoritmo LVQ (Learning Vector Quantization).
Mediante una funcin de similitud se comparan
los vectores que representan el contexto de cada
palabra a desambiguar con cada uno de los
vectores de sus sentidos. El sentido representado
por el vector de mayor similitud ser el
designado como sentido desambiguado.
En [11] se propone un mtodo para la solucin
de la ambigedad estructural a partir de
suposiciones previas acerca del contexto de la
frase. La representacin de la frase que cumpla
el mayor nmero de suposiciones, ser la
elegida. Esta tcnica de desambiguacin en el
lenguaje espaol, y otras relacionadas con la
Inteligencia Artificial, por ejemplo mediante
redes neuronales, pueden no resultar apropiadas
ni precisas. Por ejemplo, en el entrenamiento de
una red neuronal (RN), o en la calibracin de los
vectores empleados en [10], se requieren
repositorios de informacin muy extensos (redes
semnticas, ontologas especficas de un dominio
particular, lexicones o corpus), para llegar a una
solucin coherente; esos repositorios son escasos
para el lenguaje espaol [18], o pueden
pertenecer a dominios muy restringidos, lo cual
limita la aplicacin a esos dominios especficos
[18], [19].
 Dyna 156, 2008
3.3 Trabajos con mtodos hbridos
En [12] se propone un mtodo de resolucin de
la ambigedad estructural haciendo uso de
informacin lxica, sintctica y semntica. Se
combinan tres tcnicas que son: reglas
ponderadas, patrones de manejo y proximidad
semntica. El mtodo contiene mdulos que
arrojan variantes con pesos y se encargan de
recopilar y procesar los pesos arrojados. Estos
mdulos son:
El mdulo de reglas ponderadas, que trabaja
con una gramtica independiente del
contexto, una gramtica computacional y un
analizador sintctico tipo chart.
El mdulo de patrones de manejo, que
emplea informacin lxica de verbos,
adjetivos y algunos sustantivos, que obtiene a
partir de un corpus del espaol.
El mdulo de proximidad semntica, que
obtiene el grado de proximidad de una
palabra o grupo de palabras a partir de una
red semntica existente.
El mdulo de votacin, que se encarga de
recopilar los valores arrojados por cada uno
de los mdulos explicados anteriormente y
elegir la(s) estructura(s) sintctica(s)
correcta(s) segn la evaluacin de cada
mdulo.
Al igual que los mtodos basados en IA, los
mtodos hbridos requieren recursos que en general
no estn disponibles para dominios amplios.
Adems, como ocurre con los mtodos estadsticos,
el consumo de recursos computacionales puede
llegar a ser alto.
4. PLANTEAMIENTO DEL MTODO DE
SOLUCIN
En este artculo, se propone un mtodo de
desambiguacin que pretende disminuir el nmero
representaciones sintcticas de una frase que
presenta ambigedad originada en las conjunciones
o en las preposiciones. El mtodo se divide en
cuatro pasos; el primero de ellos es el anlisis
sintctico de la frase, que es realizado mediante el
mdulo de anlisis sintctico del Natural Language
Tool Kit (NLTK) [14], un conjunto de
33
herramientas, mdulos y tutoriales de
procesamiento de lenguaje natural basado en el
lenguaje de programacin python [20]. En el
segundo paso, se procede a determinar el tipo de
ambigedad sintctica que presenta la frase, ya sea
de tipo coordinativo, o de tipo preposicional. El
tercer paso es la desambiguacin como tal, que
depende del tipo de ambigedad que haya sido
detectada. En el cuarto y ltimo paso, se realiza el
despliegue de resultados; en este paso, la
aplicacin implementada durante el proyecto
muestra grficamente el (los) rbol(es) sintctico(s)
con su respectiva frase de origen ya
desambiguado(s). El segundo, tercero y cuarto
pasos son los aportes especficos de esta propuesta
y fueron programados tambin en el lenguaje
python por los autores.
A continuacin se detalla cada uno de los pasos
que se llevan a cabo para lograr la desambiguacin
sintctica de una frase:
Anlisis sintctico:
El anlisis sintctico es realizado mediante la
herramienta NLTK, la cual provee dos tipos de
algoritmos para este anlisis. El primero es un
mtodo recursivo; el segundo es un mtodo
bottom_up llamado chart_parser, que funciona de
forma iterativa.
Para el anlisis sintctico se elige el mtodo
iterativo, ya que ha demostrado ser ms eficiente
que los mtodos recursivos, en cuanto a tiempo de
ejecucin [14].
La aplicacin se encarga de leer un archivo de
texto que contiene un subconjunto de reglas
sintcticas que hacen parte de la gramtica de
contexto libre elegida; este subconjunto est
conformado por las estructuras sintcticas ms
comunes del espaol. El archivo contiene adems
un conjunto de palabras con su respectivo rol
sintctico asociado.
Determinacin del tipo de ambigedad
Cuando la frase ha sido analizada sintcticamente,
la aplicacin, empleando un nuevo mdulo
programado en el desarrollo de este trabajo, se
procede a identificar el tipo de ambigedad
sintctica que presenta la frase. En el contexto de
34 Zapata et al
este artculo, los tipos de ambigedad sintctica
pueden ser:
- Ambigedad Sintctica Coordinativa: se puede
presentar cuando una oracin contiene ms de una
palabra de tipo conjuncin. Esta ambigedad puede
ser copulativa, disyuntiva o mixta.
- Ambigedad Sintctica Preposicional: se puede
presentar, cuando una oracin contiene una palabra
de tipo preposicin.
Cuando se identifica el tipo de ambigedad, se
muestran los rboles sintcticos correspondientes a
las estructuras sintcticas que representan la frase y
el tipo de ambigedad que presenta. Sin embargo,
es posible que la frase no presente ambigedad
sintctica; en este caso se despliega una sola
representacin sintctica y se notifica que la frase
no presenta ambigedad.
Desambiguacin
Luego de identificar el tipo de ambigedad que
presenta la frase, se procede a aplicar las reglas
correspondientes a la desambiguacin; si la
ambigedad sintctica es de tipo coordinativo, la
aplicacin se encarga de identificar el tipo de las
conjunciones que hacen parte de la frase, y calcular
el nivel de profundidad al que se encuentran dentro
de la representacin grfica o rbol sintctico.
Dado el caso de que la ambigedad identificada sea
de tipo preposicional, el sistema se encarga de
identificar las preposiciones que conforman la frase
y luego procede a consultar en un archivo los
sentidos asociados a cada preposicin y las
palabras con sus roles semnticos asociados.
Ambas estrategias de desambiguacin se
encuentran definidas por ciertas reglas heursticas
que han sido inferidas, implementadas y aplicadas
en diferentes casos de estudio (Vase Seccin 4.2)
por los integrantes del proyecto.
Despliegue de resultados
Luego de aplicar la estrategia de desambiguacin,
el sistema muestra grficamente el (los) rbol(es)
sintctico(s) que segn las reglas heursticas
definidas no son ambiguos sintcticamente.
4.1 Alcance del mtodo
Las preposiciones y conjunciones en el espaol, se
clasifican en diferentes grupos. Las preposiciones
se clasifican en separables e inseparables y las
conjunciones, segn la funcin de correlacin que
cumplen en la oracin, se dividen en coordinantes
y subordinantes; dentro del grupo de las
conjunciones subordinantes se encuentran otros
subgrupos que son: copulativas, disyuntivas,
adversativas y alternativas. Finalmente en el grupo
de las conjunciones subordinantes se encuentran
los subgrupos de conjunciones: causales,
comparativas, condicionales, continuativas, ilativas
y finales.
El mtodo que aqu se propone identifica las
preposiciones separables para realizar el anlisis
sintctico de la frase, pero se define un nuevo
subconjunto de preposiciones separables
posiblemente ambiguas, que permitirn determinar
la ambigedad sintctica preposicional presente en
una frase dada. En la Tabla 1 se muestran las
preposiciones separables, y cules de ellas son
consideradas como posibles preposiciones
ambiguas segn las reglas definidas por el mtodo.
Sin embargo, la informacin sintctica de las
palabras que conforman una frase, no es suficiente
para llevar a cabo la desambiguacin preposicional
de la misma; es por ello que se hace necesaria la
introduccin de informacin semntica de la
preposicin que genera ambigedad y de las
palabras que la acompaan en la frase [21].
En la Tabla 1 tambin se pueden observar los
sentidos que representan las diferentes
preposiciones y que son aceptados por el mtodo.
Para llevar a cabo la tarea de desambiguacin
sintctica coordinativa, el sistema comienza
reconociendo las conjunciones que hacen parte de
la frase, y que se han definido previamente como
conjunciones reconocidas por el sistema (Vanse
Tablas 2 y 3). Para la posterior desambiguacin, el
mtodo define un nuevo grupo de conjunciones
conformado por aqullas que posiblemente generen
ambigedad coordinativa dentro de la frase; estas
conjunciones son: Y, O, E, U.
Para llevar a cabo la desambiguacin de una frase
dada, el mtodo que se propone parte de ciertas
suposiciones que son:
 Dyna 156, 2008 35

Se cuenta con un corpus etiquetado que se Tabla 3. Conjunciones Subordinantes

encuentra desambiguado morfolgicamente. Table 3. Subordinative Conjunctions
Se cuenta con la informacin sintctica de los Conjunciones subordinantes
sustantivos, correspondiente al rol Causales Comparativas Condicionales
desempeado en la frase.
Las frases a desambiguar corresponden con al Pues Como Si
menos una de las reglas sintcticas que hacen Porque
parte de la gramtica utilizada. Conjunciones subordinantes
Finales Ilativas Temporales
Tabla 1. Preposiciones Separables posiblemente Para Aunque Cuando
ambiguas y sentidos aceptados para las preposiciones Porque Luego Antes
ambiguas Pues Luego
Table 1. Separable and possibly ambiguous Despus
prepositions and accepted senses for them
Estas suposiciones, permiten desarrollar el mtodo,
Preposiciones
Preposiciones
Sintacticamente Sentido
pero no es necesaria la existencia de estos
Separables requisitos para que sea posible la aplicacin del
ambiguas
Lugar mtodo de desambiguacin.
A X Tiempo
Instrumento 4.2 Reglas Heursticas
Ante
Bajo
Cabe El mtodo est basado en reglas heursticas, las
Contenido cuales fueron identificadas e inferidas por los
Con X Compaa autores despus de un proceso de anlisis de
Instrumento mltiples frases que presentaban los tipos anotados
Contra
de ambigedad. Estas reglas heursticas han sido
Materia
De X Pertenencia divididas en tres grupos, para su mayor
Origen comprensin y facilidad en la implementacin:
Desde
Lugar Reglas de identificacin de la ambigedad:
En X
Tiempo
Entre
Hacia Estas reglas permiten determinar qu tipo de
Hasta ambigedad sintctica presenta una frase.
Para
Por Regla 1: Si una frase contiene ms de una
Segn conjuncin sintcticamente ambigua y dichas
Sobre conjunciones pertenecen al grupo de conjunciones
Tras coordinantes copulativas entonces la frase presenta
ambigedad coordinativa copulativa.
Tabla2. Conjunciones Coordinantes
Table 2. Coordinative conjuctions
En la frase: Mara y Pedro y David estudian ingls
Conjunciones coordinantes se presenta este tipo de ambigedad, ya que se
Copulativas Disyuntivas Adversativas identifican dos conjunciones copulativas
consideradas por el sistema como posiblemente
Y O Aunque ambiguas.
E U Pero
Ni Sea Mas Regla 2: Si una frase contiene ms de una
Que Bien Empero
conjuncin sintcticamente ambigua y dichas
Sino
conjunciones pertenecen al grupo de conjunciones
coordinantes disyuntivas, entonces la frase presenta
Siquiera
ambigedad coordinativa disyuntiva.
36
En el caso: Mara o Pedro o David estudiarn
ingls se identifican dos conjunciones disyuntivas
consideradas posiblemente ambiguas, por lo tanto
segn la regla, la frase presenta ambigedad
coordinativa disyuntiva.
Regla 3: Si una frase contiene ms de una
conjuncin sintcticamente ambigua y dichas
conjunciones pertenecen al grupo de conjunciones
coordinantes disyuntivas o al grupo de
conjunciones coordinantes copulativas entonces la
frase presenta ambigedad coordinativa mixta.
En la frase: Mara y Pedro o David estudiarn
ingls se identifica una conjuncin disyuntiva y
otra copulativa, que indican que la frase presenta
una ambigedad coordinativa mixta.
Regla 4: Si una frase contiene al menos una
preposicin separable, que sea sintcticamente
ambigua entonces la frase presenta ambigedad
preposicional.
La frase: Juan va a la fiesta con la novia contiene
dos preposiciones: la primera de ellas es la
preposicin a y la segunda es la preposicin
con; estas preposiciones son agrupadas por el
sistema como separables y posiblemente ambiguas.
Reglas de extraccin de informacin
semntica:
Estas reglas permiten reunir la informacin
semntica necesaria tanto de la(s) preposicin(es)
que genera(n) ambigedad como de las palabras
que la(s) acompaan; esta informacin semntica
se conoce como roles semnticos de una palabra
[21].
Si la Regla 4 se cumple, entonces:
Regla 5: Se identifica la preposicin que ha
generado la ambigedad sintctica.
Regla 5.1 La preposicin es a:
Regla 5.1.1 Si la preposicin se encuentra sucedida
por un sintagma nominal cuyo ncleo sea un
sustantivo que puede representar locacin,
entonces el sentido de la preposicin es de Lugar.
Regla 5.1.2 Si la preposicin se encuentra sucedida
por un sintagma nominal cuyo ncleo sea un
Zapata et al
sustantivo que acte o represente un punto en el
tiempo, entonces la preposicin es de tiempo.
Regla 5.1.3 Si la preposicin se encuentra sucedida
por un sintagma nominal cuyo ncleo sea un
sustantivo que acte o represente un medio o
instrumento, entonces la preposicin es de
Instrumento.
Regla 5.2 La preposicin es con:
Regla 5.2.1 Si la preposicin se encuentra sucedida
por un sustantivo que puede representar
instrumento entonces la preposicin es de
instrumento
Regla 5.2.2 Si la preposicin se encuentra sucedida
por un sustantivo que acte o represente una
persona u objeto animado entonces la preposicin
es de compaa.
Regla 5.2.3 Si la preposicin se encuentra sucedida
por un sustantivo que acte o represente una
sustancia o material entonces la preposicin es de
contenido.
Regla 5.3 La preposicin es de:
Regla 5.3.1 Si la preposicin se encuentra sucedida
por un sustantivo que puede representar un tipo de
material entonces la preposicin es de materia.
Regla 5.3.2 Si la preposicin se encuentra sucedida
por un sustantivo que acte o represente una
persona o en general un objeto animado entonces la
preposicin es de pertenencia.
Regla 5.3.3 Si la preposicin se encuentra sucedida
por un sustantivo que acte o represente un lugar
entonces la preposicin es de origen.
Regla 5.4 La preposicin es en:
Regla 5.4.1 Si la preposicin se encuentra sucedida
por un sustantivo que puede representar un lugar
entonces la preposicin es de lugar.
Regla 5.4.2 Si la preposicin se encuentra sucedida
por un sustantivo que represente un punto en el
tiempo entonces la preposicin es de tiempo
Reglas de desambiguacin:
Estas reglas permiten aplicar una estrategia de
desambiguacin posterior al cumplimiento de
alguna de las reglas de identificacin de la
ambigedad.
Si se cumple la Regla 1 entonces:
Regla 6: Para cada uno de los rboles sintcticos
 Dyna 156, 2008
generados en el anlisis sintctico, se determina el
nivel de profundidad, al cual se encuentra cada una
de las conjunciones presentes en la frase.
Regla 6.1 Para cada rbol sintctico se suman los
niveles de profundidad hallados en la Regla 6
correspondientes a las conjunciones copulativas.
Regla 6.2 El rbol sintctico elegido es aquel cuya
suma de niveles de profundidad halladas en la
Regla 6.1 sea la mayor. Si se presentan empates
entre las sumas de niveles de profundidad de varios
rboles sintcticos, se presentan todos los rboles,
lo cual implica que slo se pudo aplicar la
desambiguacin hasta ese resultado.
Si se cumple la Regla 2 entonces:
Regla 7: Para cada uno de los rboles sintcticos
generados en el anlisis sintctico, se determina el
nivel de profundidad, al cual se encuentra cada una
de las conjunciones presentes en la frase.
Regla 7.1 Para cada rbol sintctico se suman los
niveles de profundidad hallados en la Regla 6
correspondientes a las conjunciones disyuntivas.
Regla 7.2 El rbol sintctico elegido es aquel cuya
suma de niveles de profundidad halladas en la
Regla 7.1 sea la mayor. Si se presentan empates
entre las sumas de niveles de profundidad de varios
rboles sintcticos, se elige nicamente el primero
de ellos.
Si se cumple la Regla 3 entonces:
Regla 8: Para cada uno de los rboles sintcticos
generados en el anlisis sintctico, se determina el
nivel de profundidad, al cual se encuentra cada una
de las conjunciones presentes en la frase.
Regla 8.1 Por cada rbol sintctico se comparan
los niveles de profundidad hallados en R8
correspondientes a las conjunciones copulativas
que hayan sido reconocidas.
Regla 8.2 El rbol sintctico elegido es aquel cuyo
nivel de profundidad correspondiente a la(s)
conjunciones copulativas sea el mayor.
Si se presentan empates en la Regla 8.1, se eligen
los rboles sintcticos que hayan generados
empates y que hayan obtenido el mayor nivel de
profundidad.
Si se cumple la Regla 5.1.1 entonces:
Regla 9: Se elige la representacin cuyo nivel de
37
profundidad para la preposicin con sea la
menor.
Si se cumple la Regla 5.1.3 entonces:
Regla 10: Se elige la representacin sintctica
cuyo nmero de niveles sea el mayor.
Si se cumple la Regla 5.2.2 entonces:
Regla 11: Se calcula el nivel de profundidad de la
preposicin con para cada una de las
representaciones grficas.
Si se cumple la Regla 5.2.3 entonces:
Regla 12: Se calcula el nivel de profundidad de la
preposicin con para cada una de las
representaciones sintcticas.
Si se cumple la Regla 5.3.1 entonces:
Regla 13: Se elige la representacin sintctica,
donde el nivel de profundidad de la preposicin
de sea el menor.
Si se cumple la Regla 5.3.2 entonces:
Regla 14: Se elige la representacin sintctica,
donde el nivel de profundidad calculado de la
preposicin de sea el menor.
Si se cumple la Regla 5.4.1 entonces:
Regla 15: Se elige la representacin sintctica para
el cual el nivel de profundidad en el que se
encuentra la preposicin de es la mayor.
En general, si en cualquiera de los casos se
presentan empates en el nivel de profundidad al
que se encuentran las preposiciones, se elijen las
representaciones que presentan empates.
5. APLICACIN DEL MTODO Y
RESULTADOS OBTENIDOS
Como una forma de validacin de la efectividad de
las reglas, el mtodo se program en lenguaje
python, como un mdulo complementario a la
herramienta NLTK, la cual se emplea para la
realizacin del anlisis sintctico (en esencia, la
construccin de los rboles sintcticos). El ncleo
del proceso de desambiguacin se basa en las
reglas presentadas en la Seccin anterior.
38 Zapata et al

La primera interfaz que presenta la aplicacin,
permite ingresar una frase para ser posteriormente
analizada y desambiguada (Vase Figura 1).
En esta interfaz, el usuario escribe la frase que
desea desambiguar y da clic en el botn ingresar;
internamente, el sistema lleva a cabo el anlisis
sintctico de la frase y muestra los rboles
sintcticos correspondientes a la frase ingresada
(Vase Figura 2).
Luego, el sistema muestra un mensaje al usuario
que le informa el tipo de ambigedad sintctica que
presenta la frase (Vase Figura 3). Para entregar
este mensaje, la aplicacin internamente se
encuentra validando las Reglas 1 a 4 que hace parte
de las reglas de identificacin de la ambigedad
(Vase Seccin 4.2).
Posteriormente, el sistema se encarga de aplicar las
reglas de desambiguacin y finalmente mostrar el
(los) rbol(es) sintctico(s) ya desambiguados
(Vase Figura 4). Adems, se despliega una
ventana que indica las reglas que fueron aplicadas
en el proceso.

Figura 1. Interfaz para Ingresar Frase

Figure 1. Snapshot of the input-phrase interface

Figura 2. Resultados del Anlisis Sintctico

Figure 2. Results of the Syntactic Analysis

Figura 3. Informacin del Tipo de ambigedad

Figure 3. Information about the ambiguity type
 Dyna 156, 2008
Figura 4. Resultados de la desambiguacin
Figure 4. Results of the Disambiguation process
A continuacin se presentan dos casos de estudio;
el primero de ellos muestra una frase que presenta
ambigedad sintctica coordinativa, mientras que
el segundo est caracterizado por una frase con
ambigedad sintctica preposicional. En ambos
casos se aplica el mtodo de desambiguacin y se
muestran los resultados obtenidos durante el
proceso.
CASO 1: Patricio y Pedro o la maestra
estudian
Inicialmente se escribe la frase que se desea
desambiguar. Luego se da clic en el botn Ingresar
(Vase Figura 1)
El anlisis sintctico de la frase genera dos
representaciones sintcticas grficas. Cada una de
estas representaciones corresponde a diferentes
agrupaciones de las categoras gramaticales. En la
primera representacin grfica (Vase Figura 2), se
puede observar que la conjuncin Y afecta a
Patricio y al grupo nominal conformado por Pedro
o la maestra. La conjuncin O afecta a Pedro y
la maestra. Esto se puede apreciar por la forma
como se encuentran agrupados los Sintagmas
nominales (SNs).
En la segunda representacin (Vase Figura 2)
sucede que la conjuncin Y afecta a Patricio y a
Pedro. La conjuncin O afecta al grupo nominal
conformado por Patricio y Pedro y al sintagma
39
nominal representado por la maestra.
Tras realizar el anlisis sintctico de la frase, el
sistema identifica que la frase presenta ambigedad
sintctica coordinativa mixta puesto que Y es
una Conjuncin copulativa, y O una Conjuncin
disyuntiva, entonces se cumple la Regla 3; al
cumplirse esta regla, debe llevarse a cabo la
verificacin de las Reglas 8, 8.1 y 8.2. En este
caso, los resultados favorecen a la representacin
grafica 2 (Vase Tabla 4), puesto que el nivel de
profundidad para la conjuncin Y en la
representacin 2 es mayor que el nivel de
profundidad para la conjuncin Y en la
representacin 1 (Vase Tabla 5).
Tabla 4. Resultados de los niveles de profundidad de
cada representacin sintctica
Table 4. level depth results for every syntactic
representation
Conjuncin Representacin Representacin
1 2
Y 3 2
O 2 3
Como en este caso slo se encuentra una
ocurrencia por conjuncin, nicamente se compara
el nivel de profundidad de la conjuncin Y
calculado para cada rbol.
En la Figura 4 se presenta el rbol que ha sido
elegido por el sistema mediante el mtodo de
40
desambiguacin sintctica para la ambigedad
sintctica coordinativa mixta del caso de estudio.
Tabla 5. Eleccin de la representacin sintctica
Table 5. Selection of the syntactic representation
Nmero Nivel de Representacin
Representacin Profundidad elegida
1 2
2 3 X
Figura 5 Resultados del Anlisis Sintctico
Figure 5. Results of the Syntactic Analysis
De igual forma, el sistema procede a mostrar un
mensaje que seala cules reglas fueron utilizadas
para resolver la ambigedad de la frase ingresada
(Vase Figura 6)
Figura 6 Informacin del Tipo de ambigedad
Figure 6. Information about the ambiguity type
Para realizar la desambiguacin correspondiente, el
sistema aplica la regla de desambiguacin 5.2, y
Verifica las reglas 5.2.1, 5.2.2 y 5.2.3. En este
caso, los resultados obtenidos tras la aplicacin de
dichas reglas fueron:
Para el caso de la preposicin con, indica
Compaa ya que se encuentra sucedida por el
Zapata et al
CASO 2: Patricio va a la playa con la novia
Los resultados obtenidos tras realizar el anlisis
sintctico de la frase, muestran dos
representaciones sintcticas de la misma. Se
identifica una posible ambigedad sintctica de
tipo preposicional, puesto que la frase contiene dos
preposiciones posiblemente ambiguas, que son: a
y con. El sistema, que emplea el mtodo
propuesto, indica mediante un mensaje cul regla
heurstica se cumple para llegar a concluir qu tipo
de ambigedad posee la frase (Vase la Figura 5).
Sintagma nominal cuyo ncleo est representado
por el sustantivo novia que representa una persona,
que corresponde a la regla 5.2.2. (Vase Seccin
4.2). Luego de identificados la preposicin y su
posible sentido, se procede a desambiguar la frase
mediante la Regla 10, en este caso se obtienen los
resultados que se muestran en la Tabla 6.
Tabla 6. Eleccin de la representacin sintctica
Table 6. Selection of the syntactic representation
Nmero Nivel de Representacin
Representacin Profundidad elegida
1 6 X
2 4
De la Tabla 6 se infiere que la representacin
sintctica elegida segn las reglas heursticas es la
representacin 1 ya que el nivel de profundidad de
la preposicin con calculado, es mayor que el
nivel calculado para la representacin 2 (Vase
Figura 7).
 Dyna 156, 2008
Figura 7. Resultados de la desambiguacin
Figure 7. Results of the Disambiguation process
6. CONCLUSIONES Y TRABAJO FUTURO
-En este artculo se present un mtodo para la
desambiguacin de tipo coordinativo y computacionales o lxicos (slo se requiere un
preposicional. Se definieron las reglas heursticas
que permiten definir el tipo de ambigedad que
presenta la frase, para posteriormente tratar la
ambigedad y presentar una o varias estructuras
que puedan contribuir a precisar el sentido de las
frases, pero tomando en cuenta nicamente el
anlisis morfolgico y sintctico.
-Una ventaja del mtodo propuesto, es que
suministra informacin concerniente al tipo de
ambigedad sintctica de una frase; esta
informacin puede ser reutilizada en tareas
posteriores del procesamiento del lenguaje natural,
que a su vez permitan automatizar diversas
actividades que involucren este tipo de procesos.
El mtodo propuesto hace uso de la herramienta
NLTK [14], la cual ha mostrado buenos resultados
en el campo del PLN, y la complementa con
Cdigo desarrollado en el lenguaje de
programacin python [20], que se caracteriza por
su flexibilidad y facilidad de programacin. Estas
herramientas presentan ventajas para el futuro
mejoramiento y actualizacin del sistema.
-La desambiguacin y anlisis sintcticos de una
frase se logran mediante la conjugacin de
diferentes clases de informacin lingstica. El
anlisis sintctico de una frase requiere de
informacin morfolgica y la desambiguacin
requiere de informacin sintctica y semntica; es
por ello que el anlisis sintctico es considerado
una de las tareas ms complejas y completas que
hacen parte del PLN.
41
-En relacin con los mtodos empleados en la
literatura, el sistema que implementa esta
propuesta no posee un alto consumo de recursos
lexicn muy sencillo). Adems, no se necesitan
ontologas del dominio ni corpus especficos de
ciertos temas, lo que le suministra generalidad para
el trabajo de desambiguacin.
-Gracias al lenguaje de programacin python y al
NLTK es posible la integracin tanto de una
interfaz Web como de una base de datos en
Oracle que permitan lograr una mayor
accesibilidad y robustez del sistema. Este es
considerado uno de los trabajos que pueden dar
continuidad a esta propuesta. Igualmente, la
implementacin de reglas heursticas para otros
tipos de ambigedad se podran considerar como
extensiones a este trabajo.
REFERENCIAS
[1] MOONEY, RAYMOND J. Fundamentals,
Parte I caps. II, III, IV, V. Oxford Handbook of
Computational Linguistics, Oxford University
Press. (Ruslan Mitkov Ed.). 2003.
[2] ALLEN, J. Natural language understanding.
California: The Benjamin/Cummings Publishing
Company. 1987.
[3] HAUSSER, R. Foundations of computational
linguistics: human_computer comunication in
natural language, Berlin: Springer. 2001.
42 Zapata et al
[4] MORENO, L., PALOMAR, M., MOLINA,
A., y FERRNDEZ, A. Introduccin al
Procesamiento del Lenguaje Natural. (Ed. Servicio
de Publicaciones Universidad de Alicante).
Universidad de Alicante. 1999.
[5] MOLINA, A. Desambiguacin en
procesamiento del lenguaje natural mediante
tcnicas de aprendizaje automtico [PhD tesis].
Universidad Politcnica de Valencia Valencia,
2004.
[6] ZAPATA, C., ARANGO, F. Los modelos
verbales en lenguaje natural y su utilizacin en la
elaboracin de esquemas conceptuales para el
desarrollo de Software: Una revisin crtica.
Revista Universidad EAFIT. Vol. 41. Pp 77-95.
2005.
[7] MIYAO, Y., TSUJII J. A model of syntactic
disambiguation based on lexicalized grammars.
Memorias La sptima conferencia sobre
aprendizaje de Lenguaje natural. Edmonton,
Canada. Mayo, 2003.
[8] SUREZ, CUETO A. Resolucin de la
ambigedad semntica de las palabras mediante
modelos de probabilidad de mxima entropa [PhD
Tesis]. Universidad de Alicante. Alicante, 2004.
[9] VZQUEZ S., MONTOYO A., RIGAU G.
Mtodo de desambiguacin lxica basada en el
recurso lxico Dominios Relevantes.
Procesamiento del Lenguaje Natural, Revista n 31.
Pp 141-149. 2003.
[10] MARTN, VALDIVIA M. TERESA,
GARCA, VEGA M., UREA, LPEZ L.
ALFONSO. Resolucin de la ambigedad
mediante redes neuronales. Procesamiento del
Lenguaje Natural, Revista n 29. Pp 39-45. 2002.
[11] KNOTT, A. AND VLUGTER, P. Syntactic
disambiguation using presupposition resolution in
Proceedings of the 4th Australasian Language
Technology workshop. Melbourne. 2003.
[12] GALICIA-HARO, S., GELBUKH, A. y
Bolshakov, Igor A. Una aproximacin para
resolucin de ambigedad estructural empleando
tres mecanismos diferentes. Procesamiento del
Lenguaje Natural, Revista n 27. Pp 55-63. 2001.
[13] HALLER, J., DONOSO, A., RAMIREZ,
Y. MPRO un programa para el anlisis
morfolgico y sintctico de textos en espaol.
Procesamiento del Lenguaje Natural, Revista n 29.
pp. 307-308. 2002.
[14] Natural Language Toolkit.
http://nltk.sourceforge.net/ [Citado 22 de
Noviembre de 2006].
[15] GALICIA, HARO S. Anlisis sintctico
conducido por un diccionario de patrones de
manejo sintctico para lenguaje espaol [PhD].
Instituto Politcnico Nacional. Mexico D.F. 2000.
[16] JAYNES, E.T. (Notes on present status and
future prospects), en W.T. Grandy y L.H. Schick,
editores, Maximum Entropy and Bayesian
Methods. Pp. 1-13. (1990).
[17] MAGNINI, BERNARDO Y C. Strapparava
(Experiments in Word Domain Disambiguation for
Parallel Texts), en Proceedings of the ACL
Workshop on Word Senses and Multilinguality,
Hong Kong, China. 2000.
[18] PEREZ M. PASCQA: Bsqueda de
Respuestas con base en anotacin predictiva de
contextos lxico-sintcticos [PhD tesis]. Instituto
Nacional de Astrofsica, ptica y Electrnica Sta.
Ma. Tonantzintla, Pue. 2006.
[19] CARRERRO F., GOMEZ J., DE
BUENAZA M., MATA J. y MAA M. Acceso a
la informacin bilinge utilizando ontologas
especficas del dominio biomdico. Revista de la
Sociedad Espaola para el Procesamiento del
Lenguaje Natural, pendiente publicacin.
[20] The Python Programming Language.
http://www.python.org/. [Citado 22 de Noviembre
de 2006].
[21] NAVARRO B., MOREDA, P.,
FERNNDEZ, B. et al. Anotacin de roles
semnticos en el corpus 3LB. IX Ibero-American
Conference on Artificial Intelligence. 2004.