Esta versión es obsoleta y ha sido dada de baja.

Para la taxonomía de marcadores discursivos, la nueva versión se llama Dismark, y se encuentra disponible aquí:

http://www.tecling.com/dismark

Y para el análisis de los marcadores discursivos de un texto en castellano, la nueva versión se llama TEXT·A·GRAM y se encuentra disponible aquí:

http://www.tecling.com/textagram

EMaD:

Introducción

Emad es una herramienta que permite encontrar y clasificar elementos lingüísticos que, en un texto dado, funcionan como marcadores discursivos. Su implementación computacional se basa en los resultados (provisorios) de un proyecto de investigación en curso en lingüística computacional que tiene por objetivo la creación de un detector y clasificador automático de marcadores discursivos (Robledo, Nazar y Renau, 2017; Robledo y Nazar, 2018). La particularidad de este proyecto es que en él se recurre a una metodología totalmente inductiva, basada en datos obtenidos de grandes corpus textuales para la extracción y la clasificación de elemententos lingüísticos que pueden funcionar como marcadores del discurso.

Demo Web: http://www.tecling.com/cgi-bin/emad

La interfaz está en línea desde agosto 2018 y funciona solamente en castellano.

Metodología de clasificación

La metodología de extracción y clasificación de marcadores del discurso está basada en datos de corpus paralelos alineados a nivel de oración. La clasificación que aquí se propone se origina a partir de un proceso de agrupación por clusters jerárquicos (Rokach y Maimon, 2005; Dixon, 2003). El clustering es algoritmo estadístico que agrupa automáticamente los elementos, en virtud de la similitud entre sus componentes. El objetivo del clustering es, por lo tanto, identificar particiones en un conjunto no estructurado de objetos descritos según ciertos atributos (clasificación no supervisada). Esta identificación se basa solo en estos atributos y no requiere de ningún dato anotado.

Corpus de referencia de la clasificación

En esta investigación se ha recurrido a los datos paralelos bilingües proporcionados por el OPUS Corpus (Tiedemann, 2012, 2016). En este caso, se seleccionaron los textos paralelos español-inglés e inglés-español, fundamentalmente, debido a la disponibilidad de los datos: 1,1 mil millones de tokens en total para estos bitextos. El formato elegido es el tmx (memoria de traducción), alineado a nivel de oración. El proyecto OPUS Corpus (Tiedemann, 2012, 2016) proporciona conjuntos de datos paralelos que cubren varios dominios y están disponibles online de forma pública y gratuita (http://opus.nlpl.eu/).

Procesamiento de los datos: experimentos en lengua española

El procesamiento de los datos se inicia con la descarga del corpus paralelo español-inglés de la web del Opus Corpus y termina con la formación de los clusters o conjuntos de elementos aglomerados a partir de procedimiento de clustering jerárquico aglomerativo. Estos clusters preliminares darán origen a las categorías de marcadores discursivos que se proponen en este trabajo. Una vez descargados los archivos en formato tmx, se procede a su lectura automática implementando instrucciones de búsqueda a través de expresiones regulares y se extraen todos los segmentos textuales que ocurren entre signos de puntuación en cada lengua. Una vez aplicados una serie de filtros para seleccionar los segmentos textuales candidatos a marcadores discursivos (número de subcorpus en que ocurre una expresión, eliminación de nombres comunes), se cuenta con dos listados independientes de candidatos a marcadores discursivos en ambas lenguas. Se procede a alinear las unidades léxicas de estos listados en ambas lenguas a partir del cálculo del grado de asociación estadística en el corpus para obtener un conjunto de marcadores en inglés correspondientes a cada marcador discursivo en español de la lista. Por ejemplo, para el marcador en español "no obstante" se obtuvo un conjunto de marcadores correspondientes en inglés, ordenados según el grado de asociación estadística entre las ocurrencias de ellos en el corpus paralelo: however, nevertheless, though, nonetheless, entre otros.

Luego, de manera análoga, se procede a realizar el mismo procedimiento pero partiendo de los marcadores en inglés. De manera que, por cada marcador en inglés se obtiene un conjunto de marcadores correspondientes en español, ordenados según el grado de asociación estadística de sus coocurrencias en el corpus paralelo. El resultado es la obtención de datos en lengua española ordenados en una tabla que contiene, para cada marcador en español, un listado de otros marcadores en la misma lengua que cumplen una función similar en el corpus. A partir de estos datos se generan un total de {número de marcadores en español} vectores binarios compuestos por {número de marcadores en español} atributos, donde cada uno de ellos se rellenará con un 1 o un 0, dependiendo de si la coordenada del vector corresponde a o no a un marcador que está en la lista de atributos del marcador representado por ese vector. Estos datos binarios se procesan luego con un software estadístico para generar aglomeraciones de marcadores discursivo agrupados en virtud de su similitud y de la diferencia con los demás elementos. Para esto se usa el coeficiente de Jaccard como medida de similitud entre los vectores binarios y el algoritmo de Ward o el método de la media para obtener las aglomeraciones o clusters. Este método permite seleccionar el número de clusters finales que, para este elemento fue de 100. Finalmente, estos clusters son evaluados manualmente y etiquetados según nombres descriptivos extraídos de la literatura sobre marcadores discursivos en español, por ejemplo, "contraargumentativos", "causales", "consecutivos", entre otros.

Las categorías de la clasificación

Las etiquetas para las distintas categorías se escogieron manualmente inspirándose en los nombres de categorías de marcadores de distintas clasificaciones en la literatura en lengua española (Casado Velarde, 1993; Fuentes Rodríguez, 1996, 1998, 2009;Portolés, 1998; Calsamiglia y Tusón, 1999; Martín Zorraquino y Portolés, 1999; Montolío, 2001; Pons, 2000, 2004; Santos Río, 2003; Briz, Pons y Portolés, 2008). Las etiquetas escogidas (provisoriamente) para cada categoría y los marcadores que agrupan son las siguientes.

Adición	además además de esto adicionalmente asimismo aún más es más in addition independientemente de ello lo que es más más aun más aún por añadidura por cierto por lo demás por otra parte por otro lado y lo que es más
AditivosIndefinidos	entre otras cuestiones entre otras medidas entre otras razones entre otros aspectos entre otros elementos entre otros factores entre otros medios entre otros objetivos inter alia
AditivosSemejantes	a la vez a su vez análogamente bajo cualquier forma cabe señalar como de costumbre como es habitual como siempre de forma análoga de forma paralela de forma semejante de forma similar de igual forma de igual manera de igual modo de la misma forma de la misma manera de manera análoga de manera similar de modo similar del mismo modo en el mismo sentido en paralelo esta es este es igualmente paralelamente se trata simultáneamente también y
Argumentativos	a partir de ahí aunque aún más importante básicamente como se indica a continuación como sigue de la manera siguiente de nuevo desde allí en el fondo en esencia esencialmente fundamentalmente insisto lo que es más importante lo repito más importante más importante aún nuevamente partiendo de esta base pero sobre todo por encima de todo por sobre todo principalmente repito sobre esa base sobre esta base sobre todo también en este caso una vez más y lo que es más importante y sobre todo
Conclusivos	antes de acabar como punto final en definitiva en fin en último lugar finalmente para acabar para concluir para finalizar para terminar por fin por ultimo y finalmente y por último a fin de cuentas a la larga a la postre a modo de conclusión al final al final del día al menos como conclusión como mínimo con el tiempo concluyendo cuando menos después de todo en conclusión en resumen en última instancia en último término para resumir por decir lo menos por lo menos por no decir algo peor por no decir más
Condicionales	a condición de que a que al principio así como aunque no exclusivamente bajo ciertas condiciones bajo determinadas condiciones cuando cuando así proceda cuando convenga cuando corresponda cuando proceda cuando procede cuando resulte apropiado cuando sea necesario cuando sea oportuno cuando sea pertinente dadas las circunstancias de lo contrario de no ser así de otra forma de otra manera de otro modo de ser así de ser necesario donde en caso afirmativo en caso contrario en caso de necesidad en caso de que en caso necesario en caso negativo en determinadas condiciones en esas circunstancias en estas circunstancias en estas condiciones en los casos en que en otro caso en particular en tales circunstancias en un primer momento en un principio entre ellas entre ellos entre otras entre otras cosas entre otros eventualmente incluido inicialmente llegado el caso o bien que incluya según convenga según corresponda según el caso según los casos según proceda según sea el caso si así fuera si es así si es necesario si es preciso si fuera así si fuera necesario si fuere necesario si fuese necesario si ha lugar si no si no es así si resulta necesario siempre que siempre que sea necesario siempre y cuando teniendo en cuenta y en caso afirmativo
Consecutivos	dado que habida cuenta de que puesto que ya que a consecuencia de ello a raíz de ello a resultas de ello así así pues así que como consecuencia como consecuencia de ello como resultado como resultado de ello como resultado de esto como tal como tales con esto en mente consecuentemente consiguientemente de ahí que de esa forma de esa manera de ese modo de esta forma de esta manera de este modo de manera que de modo que debido a ello en consecuencia por consiguiente por ello por ende por esa razón por esas razones por ese motivo por eso por esos motivos por esta razón por estas razones por este motivo por esto por estos motivos por lo tanto por tal motivo por tal razón por tanto por todas estas razones por todo ello por todos estos motivos pues teniendo esto en cuenta teniendo esto presente
Contraargumetativos	a la inversa a ser posible al contrario cuando sea posible de ser posible en contraste en la medida de lo posible en lo posible en lugar de ello en lugar de eso en lugar de esto en su lugar en vez de ello en vez de eso inversamente mejor dicho más bien si cabe si es posible si fuera posible siempre que sea posible sino que todo lo contrario a cambio como contrapartida y sin embargo a pesar de ello a pesar de todo ahora bien al mismo tiempo así y todo aun así aún así con todo de todas formas de todos modos en cambio en cualquier caso en la práctica en todo caso es decir no obstante pero pese a ello por el contrario sin embargo
Demanda	muy brevemente sabe saben sabes seré muy breve si me lo permite usted sabe ya saben ya sabes
Digresores	a propósito casualmente dicho sea de paso
Distribuidores	de otro lado de un lado de una parte en contrapartida mientras que pero por otro lado por contra por el otro por el otro lado por la otra por otra por otro por su parte por un lado por una parte y por otra y por otra parte y por otro
Ejemplificadores	a modo de ejemplo a título de ejemplo así por ejemplo como como ejemplo como por ejemplo concretamente consideremos en concreto en dichos casos en el caso presente en el caso que nos ocupa en el presente caso en ese caso en esos casos en especial en este caso en este caso concreto en este caso particular en estos casos en inglés en tal caso en tales casos especialmente este es el caso muy especialmente más concretamente particularmente por ejemplo por poner un ejemplo tomemos y en particular
Finalizativos	a este efecto a este fin a estos efectos a tal efecto a tal fin con ese fin con esta finalidad con este fin con este objetivo con este propósito con tal fin para ello para este fin para que para tal fin
Modalizadores	ciertamente claro está como es lógico como es natural como es obvio cómo no desde luego evidentemente lógicamente naturalmente obviamente por descontado por supuesto sin duda y por supuesto a decir verdad de hecho efectivamente en efecto en realidad en verdad realmente a mi entender a mi juicio a mi modo de ver a mi parecer a nuestro entender a nuestro juicio a nuestro modo de ver a nuestro parecer a su juicio a título personal afortunadamente al igual que usted al igual que ustedes así lo espero como bien sabe como es sabido como sabe como sabe usted como saben como saben ustedes como se sabe como usted sabe como ustedes saben como ya sabemos como ya saben como bien sabemos como sabemos como todos sabemos considero creo que creo creo yo desafortunadamente desde mi punto de vista desde nuestro punto de vista desgraciadamente en lo que a mí respecta en mi opinión en nuestra opinión en su dictamen en su opinión espero espero que felizmente lamentablemente me parece para mí para nosotros personalmente por desgracia por fortuna por lo que a mí respecta por mi parte por suerte quizá quizás según creo tal vez tristemente yo creo hasta donde yo sé indudablemente por lo que sé que yo sepa sin duda alguna sin lugar a dudas como norma como norma general como regla general de forma general de manera general en conjunto en general en líneas generales en principio en su conjunto en total en términos generales generalmente globalmente letras a y b por lo general por norma por norma general por regla general
Ordenadores	en cuarto lugar ante todo antes de nada antes que nada en primer lugar y ante todo en primer lugar y sobre todo en primer término en primera instancia para comenzar para empezar primeramente en primer lugar en quinto lugar en segundo en segundo lugar en segundo término en tercer lugar en tercer término segundo y cuarto y en cuarto lugar y en segundo lugar y en tercer lugar y segundo y tercero
OrdenadoresTemporales	a continuación a estas alturas a la fecha actualmente ahora ahora mismo con posterioridad de momento después después de eso después de esto en aquel entonces en aquel momento en aquella época en el día de hoy en el momento actual en el ínterin en esa época en ese momento en esta etapa en esta fase en este momento en estos momentos en la actualidad en su momento entonces entre tanto hasta ahora hasta el momento hasta la fecha hoy día hoy en día hoy por hoy luego mientras mientras tanto más adelante más tarde por ahora por el momento posteriormente ulteriormente
Reformulativos	con inclusión en su caso incluso incluyendo si procede a saber así es bien como decía como digo como dije como he dicho como sea como ya he dicho como ya he señalado con otras palabras de acuerdo de cualquier modo de forma más general de manera más general de todas maneras digo en algunos casos en ciertos casos en determinados casos en nombre de la comisión en otras palabras en otros en otros términos en términos más generales eso es eso es todo esto es está bien muy bien más generalmente o sea pues bien quiero decir sea como fuere vamos vaya y bien
Sintetizadores	en breve en pocas palabras en resumidas cuentas en suma en síntesis en una palabra resumiendo
Tematizadores	a ese respecto a este propósito a este respecto al respecto allí aquí dentro de este marco desde este punto de vista en ese contexto en ese marco en ese sentido en este aspecto en este contexto en este marco en este punto en este sentido en relación con ello en tal sentido

Polifuncionalidad de los marcadores discursivos

En una etapa posterior, se pretende examinar el fenómeno de la polifuncionalidad de los marcadores discursivos en el corpus de estudio. Con ello, se espera obtener la adscripción de un marcador del discurso a una o más categorías, según si el elemento cumple o no más de una función en el corpus.

Publicaciones relacionadas:

+ Robledo, H.; Nazar, R. (2018). "Una clasificación automatizada de marcadores discursivos", Procesamiento del Lenguaje Natural, n. 61, pp 109-116.

Concepts relacionados:

Contact: rogelio.nazar at gmail.com


*» The universe is not perfect, but it's working on it.* ABOUT RESEARCH SOLUTIONS SOFTWARE CONTACT		Technologies for Linguistic Analysis