Creación de conceptos terminales en la Ontología de...
93
1 Creación de conceptos terminales en la Ontología de Eventos y Entidades de FunGramKB Trabajo de Fin de Máster en: Lingüística Inglesa Aplicada Autor: Emmanuel Hernández Hernández Tutora: Dra. María Beatriz Pérez Cabello de Alba Facultad de Filología Departamento de Filologías Extranjeras y sus Lingüísticas Universidad Nacional de Educación a Distancia (UNED) Convocatoria: Junio Curso académico: 2018-19
Transcript of Creación de conceptos terminales en la Ontología de...
1
Creación de conceptos terminales en
la Ontología de Eventos y Entidades
de FunGramKB
Trabajo de Fin de Máster en: Lingüística Inglesa Aplicada
Autor: Emmanuel Hernández Hernández
Tutora: Dra. María Beatriz Pérez Cabello de Alba
Facultad de Filología
Departamento de Filologías Extranjeras y sus Lingüísticas
Universidad Nacional de Educación a Distancia (UNED)
Convocatoria: Junio Curso académico: 2018-19
3
ÍNDICE
Introducción ........................................................................................................................ 4
Marco teórico .................................................................................................................... 10
2.1. La arquitectura de FunGramKB ............................................................................... 10
2.2. La Ontología de FunGramKB ................................................................................. 12
2.2.1. La Ontología Nuclear ........................................................................................ 13
2.2.2. Niveles conceptuales en FunGramKB ............................................................. 13
2.2.3. Otros compromisos ontológicos ....................................................................... 17
2.2.4. El Marco Temático (MT) y el Postulado de significado (PS) ........................ 18
2.3. El lenguaje COREL .................................................................................................. 22
2.3.1. Las Predicaciones .............................................................................................. 22
2.3.2. Los operadores .................................................................................................. 24
2.3.3. Los cuantificadores y conectores lógicos......................................................... 26
Metodología ...................................................................................................................... 29
Análisis .............................................................................................................................. 32
4.1. El concepto +LIVE_00 ............................................................................................. 32
4.2. El concepto +FORGIVE_00 .................................................................................... 38
4.3. El concepto +SURPRISE_00 ................................................................................... 42
4.4. El concepto +HARDEN_00 ..................................................................................... 46
4.5. El concepto +VEHICLE_00 ..................................................................................... 55
4.6. El concepto +HOUSE_00 ......................................................................................... 61
4.7. El concepto +ANIMAL_00 ...................................................................................... 65
Conclusiones ..................................................................................................................... 84
Referencias ........................................................................................................................ 86
4
Introducción
La lingüística aplicada presenta varios campos de estudio que avanzan rápidamente y
proporcionan nuevas vertientes de investigación como la lingüística computacional, que se
enmarca dentro de este campo. Los lenguajes naturales son los que ha desarrollado la
humanidad para comunicarse de manera natural como pueden ser el español, francés,
inglés, alemán, hindi, etc. El procesamiento del lenguaje natural (PLN) es un campo dentro
de la ingeniería computacional y la lingüística que trata la interacción entre los
ordenadores y los lenguajes naturales.
En la obra de Kumar (2011:1-6) se divide la historia del procesamiento del lenguaje
natural en cuatro períodos. En el primer periodo, que se ubica entre 1940 y 1950, había dos
paradigmas fundacionales: la automatización y el uso de modelos probabilísticos. Esta
primera etapa concluye con la introducción, a raíz de los estudios de Chomsky, de una
teoría del lenguaje formal, que utiliza algebra y define lenguajes formales como una
secuencia de símbolos. En el segundo período, que abarca desde 1957 hasta 1970, se
encuentran nuevamente dos paradigmas enfrentados: uno simbólico y otro estocástico. El
paradigma simbólico parte de los estudios de Chomsky, las teorías formales del lenguaje y
la gramática generativa. Lingüistas y científicos computacionales desarrollaron algoritmos
para proceder al análisis sintáctico en ordenadores. El paradigma estocástico partió de la
inteligencia artificial y a partir de la década de los 60 aparecieron sistemas lógicos
formales que permitieron la aparición de los primeros modelos que probaban el
procesamiento del lenguaje humano y que se basaban en la gramática transformacional y
los corpora online.
En el tercer período, entre 1970 y 1993, se investigó ampliamente sobre el
procesamiento del lenguaje, los analizadores sintácticos avanzaron y permitieron a los
investigadores centrarse en la introducción de la semántica y el análisis del discurso para
así implementarlos en las máquinas. Finalmente, el cuarto período abarca desde 1993 hasta
la actualidad. El uso de modelos probabilísticos y basados en bases de datos se ha
convertido en el modelo estándar. Las innovaciones tecnológicas relativas a la velocidad y
capacidad de los ordenadores han permitido que se desarrollen diferentes áreas de
procesamiento del lenguaje y el habla como son los correctores automáticos o el
reconocimiento de voz. La creación de diferentes aplicaciones web en los últimos años ha
proporcionado una nueva dimensión que abarca la recuperación y extracción de
información basada en el lenguaje.
5
La lingüística computacional busca de esta forma proporcionar a las máquinas la
capacidad de poder desarrollar sistemas de computación que simulen algún aspecto de la
capacidad lingüística del ser humano, naciendo así el PLN al cual contribuyen diversas
disciplinas como la lingüística, la informática, la ciencia cognitiva o la ingeniería
electrónica, y que tiene como objetivo plantear soluciones a los problemas que aparecen en
lingüística computacional que se emplean en aplicaciones concretas (p.ej. traducción
automática, recuperación y extracción de información, resúmenes, automáticos, etc.).
Tal y como describe Periñán (2012:14), a lo largo de la historia del PLN, los dos
enfoques de investigación adoptados han sido el paradigma simbólico y el estadístico. El
primero “está desarrollado de forma manual y se basa en la creación de sistemas que
almacenen hechos lingüísticos (p.ej. fonológicos/fonéticos, morfológicos, sintácticos,
semánticos, pragmáticos o discursivos) a través de esquemas de representación del
conocimiento”. Por el contrario, “el enfoque estadístico aplica técnicas matemáticas a
corpus informatizados con el fin de inferir conocimiento lingüístico o del mundo, el cual
no está almacenado de forma explícita en el sistema”.
Un sistema del PLN precisa de una base fundamentada en la lingüística teórica para
que puedan funcionar aplicaciones informáticas robustas (Halvorsen, 1988). Sin embargo,
diversos programas del PLN no adoptan teorías lingüísticas y funcionan sin ellas dando
lugar a programas que no son realmente inteligentes.
Como describe Periñán (2012: 26-27), a partir de los años 90 coexisten dos
tendencias investigadoras en la lingüística computacional (Nirenburg y Levin, 1992):
La primera marcada por la influencia de un enfoque lexicista y utilizando una
semántica léxica basada en la sintaxis que describe las propiedades semánticas de las
palabras y predice así su comportamiento sintáctico, creándose de esta forma FrameNet
(Fillmore y Atkins, 1992, 1994) o el Lexicón Generativo (Pustejovsky, 1991, 1995).
La segunda marcada por la aparición de las ontologías que pretenden representar el
conocimiento compartido por una comunidad acerca de un dominio, adoptándose así un
enfoque conceptual que se base en la percepción concreta que se tiene acerca de un modelo
del mundo. De este modo se sigue una semántica léxica orientada a la ontología, en el que
el significado de cualquier texto se infiera partiendo de una ontología ajena a la lengua,
pero correspondiéndose con el lexicón.
Dentro de esta segunda tendencia investigadora se puede enmarcar la aparición de
FunGramKB (Periñán y Arcas, 2004, 2005, 2007ab, 2010ab, 2011; Periñán y Mairal, 2009,
6
2010) una base de conocimiento multipropósito que está diseñada para su uso en
aplicaciones del PLN (p.ej. recuperación y extracción de información, traducción
automática, sistemas basados en el diálogo, etc.) y que abarca diversas lenguas. A su vez,
FunGramKB presenta tres niveles de conocimiento: léxico, gramatical y ontológico que se
constituyen por distintos módulos interrelacionados entre sí.
Este trabajo se enmarca en el proyecto de FunGramKB, que tal y como describen
Luzondo y Jiménez (2014), se diferencia de FrameNet (Fillmore y Atkins, 1992, 1994) o
WordNet (Fellbaum, 1998) en que apuesta por un acercamiento basado en la semántica
profunda, describiendo formalmente el contenido conceptual de las unidades léxicas. Por
lo tanto, FunGramKB enriquece las unidades conceptuales que tiene almacenadas con
descripciones del significado, permitiendo de este modo que la máquina comprenda este
conocimiento siendo esto posible a través de la implementación de un metalenguaje
denominado COREL (Conceptual Representation Language) (Periñán y Marial, 2009,
2010). FunGramKB utiliza la Ontología como el centro de todo su sistema adoptándose así
un enfoque conceptualista.
La Ontología de FunGramKB permite de esta forma que se puedan representar
unidades del significado que existan en distintas lenguas. No obstante, para poder dotar a
la base de conocimiento de estas unidades léxicas es necesario poblar manualmente la
Ontología y representar formalmente este conocimiento a través de COREL. Para mejorar
la base de conocimiento y contribuir a la población de la Ontología de FunGramKB este
trabajo se basa en la creación de conceptos terminales partiendo de los conceptos básicos
que ya se encuentran dentro de la Ontología. Para ello se sigue la metodología propuesta
por Jiménez y Luzondo (2011) y Jiménez, Luzondo y Pérez (2011).
Por consiguiente, este trabajo repercute en ARTEMIS (Automatically Representing
Text Meaning via an Interlinguabased System) (Periñán, 2013; Periñán y Arcas, 2014; Van
Valin y Mairal, 2014; Mairal, 2015). ARTEMIS explota FunGramKB como su base de
conocimiento y es un prototipo de PLN que provee una representación semántica de un
texto de entrada por medio de estructuras lógico-conceptuales, se basa para ello en la
utilización de la Gramática del Papel y la Referencia (RRG) (Van Valin y LaPolla, 1997;
Van Valin, 2005). Las estructuras lógico-conceptuales que resultan de la utilización de
ARTEMIS pueden emplearse para aplicaciones del PLN que requieren comprensión del
lenguaje, para construir una estructura lógica, el constructor de CLSs toma información de
la Ontología, el Lexicón y el Gramaticón de FunGramKB y sigue el proceso que se
presenta en la Figura 1:
7
Figura 1: La arquitectura de ARTEMIS (Mairal, 2015: 4).
Tal como se representa en la Figura 1, el primer paso es el ‘preprocesador’ en el
que el texto de entrada se divide en oraciones y posteriormente en unidades léxicas
independientes o ‘word tokens’. Este paso segmenta el texto de entrada en unidades
básicas para poder analizarlas. El siguiente paso es lematizar las unidades léxicas
independientes para finalmente etiquetar cada unidad léxica de manera que corresponda a
su parte del discurso. Se emplean así matrices de atributo valor (MVAs) para poder
representar los textos de entrada como ocurre con el texto John pounded the nail en la
Figura 2:
8
Figura 2: MAVs de las unidades léxicas de John pounded the nail (Periñán y Arcas, 2014:
179).
De esta manera, en la primera fase de ARTEMIS se etiqueta cada lema basándose
en la información conceptual de la Ontología de FunGramKB ya que la base de
conocimiento funciona adoptando los sentidos de las palabras, por lo que cada sentido de
una unidad léxica polisémica irá asociado a un concepto dentro de la Ontología. Por lo
tanto, ARTEMIS asocia el verbo pound en John pounded the nail flat into the wall con el
concepto terminal $POUND_02 presente en FunGramKB. De esta forma, aunque el verbo
pound presenta distintas acepciones, el concepto terminal $POUND_02 correspondería a la
acepción de “golpear”, mientras que el uso intransitivo del verbo pound con la acepción de
“caminar o correr dando pasos pesados” presente en frases como She pounded down the
hall to see what had happened (McMillian Dictionary) se relaciona con el concepto
terminal $POUND_03. Es fundamental que se pueble la Ontología de FunGramKB con las
distintas acepciones más comunes de cada unida léxica y con hipónimos que derivan de los
verbos y sustantivos presentes en la Ontología en forma de conceptos básicos, creando así
distintos conceptos terminales que se relacionen con las acepciones más comunes e
hipónimos de estos verbos y sustantivos que se utilizan en el lenguaje diario. De esta forma
la creación de CLSs en ARTEMIS no fallaría en la fase de pre-procesamiento, por lo que
este trabajo es fundamental.
9
Para alcanzar este objetivo este trabajo se estructura de la siguiente manera. La
segunda sección del trabajo proporciona un marco teórico en el que se introduce la
arquitectura de FunGramKB, detallando el funcionamiento de la Ontología y la utilización
del metalenguaje COREL para lexicalizar los conceptos dentro de FunGramKB. La tercera
sección se encarga de detallar la metodología empleada para la realización de este trabajo,
la cuarta sección analiza conceptos básicos presentes en la Ontología de eventos y de
entidades en FunGramKB para crear terminales partiendo de ellos. Finalmente, la quinta
sección recoge las conclusiones que se han obtenido al realizar el trabajo.
10
Marco teórico
2.1. La arquitectura de FunGramKB
FunGramKB Suite1 es un entorno online utilizado para la construcción semiautomática de
una base de conocimiento léxico-conceptual multipropósito para el desarrollo de sistemas
del PLN (véase Periñán y Arcas, 2004, 2005, 2007ab, 2010ab, 2011; Periñán y Mairal,
2009, 2010; Briones y Luzondo, 2011, entre otros). FunGramKB es multipropósito ya que
es multifuncional y multilingüe. Por un lado, la base de conocimiento tiene como finalidad
su reutilización en tareas del PLN que requieren comprensión del lenguaje natural (por ej.
traductores automáticos, agentes inteligentes, etc.). Por otro, la base de conocimiento da
soporte a diversas lenguas (i.e. español, inglés, francés, italiano, etc.), si bien el español y
el inglés son los dos idiomas que han recibido mayor atención hasta la fecha.
La arquitectura de FunGramKB comprende tres niveles de conocimiento: un nivel
léxico, un nivel gramatical y uno conceptual, todos ellos constituidos por diversos módulos
independientes pero interrelacionados entre sí, tal y como se puede apreciar en la Figura 3.
1 Se utiliza la denominación “FunGramKB Suite” para referirse a la herramienta de ingeniería del
conocimiento (www.fungramkb.com) y “FunGramKB” para la base del conocimiento resultante.
11
Figura 3. La arquitectura de FunGramKB (www.fungramkb.com).
Pasamos a describir brevemente los niveles de conocimiento que se especifican en
la Figura 3:
Nivel léxico:
El nivel léxico está formado por un Lexicón y un Morficón. El primero almacena
principalmente la información morfosintáctica de las unidades léxicas, mientras
que el segundo ayuda al sistema a tratar los casos de morfología flexiva.
Nivel gramatical:
Este componente, que ha sido tratado en Luzondo y Ruiz de Mendoza (2015, 2017)
y Mairal (2015), se inspira en la arquitectura del modelo construccionista basado en
el significado conocido como Modelo Léxico Construccional (Ruiz de Mendoza y
Mairal, 2008; Mairal y Ruiz de Mendoza, 2008, 2009; Ruiz de Mendoza, 2013). El
Gramaticón da cabida a los esquemas construccionales, es decir, a representaciones
de construcciones lingüísticas tratables por la máquina. Dichos esquemas son
utilizados por el algoritmo de enlace sintáctico-semántico de la Gramática del
Papel y la Referencia (Van Valin y LaPolla, 1997; Van Valin, 2005).
Nivel conceptual:
El modulo conceptual, que almacena el conocimiento del sentido común que forma
parte del razonamiento humano, consta de tres componentes diferentes inspirados
en la distinción establecida en el modelo de memoria a largo plazo de Tulvig
(1985). De esta manera, en FunGramKB, el conocimiento semántico,
procedimental y episódico se almacenan respectivamente en un Ontología, un
Cognicón y un Onomasticón, los cuales pasamos a detallar a continuación:
- La Ontología, a la que dedicaremos mayor atención en la Sección 2.2, tiene el
formato de una jerarquía conceptual IS-A. Así, la Ontología nos proporciona
una red jerárquica de todos los conceptos que tenemos en la mente. En este
submódulo, el conocimiento semántico se representa en forma de proto-
microestructuras (i.e. Postulados de Significado; cf. Sección 2.2.3).
- El Cognicón presenta el conocimiento procedimental mediante esquemas
conceptuales o ‘guiones’, los cuales describen una serie de eventos
estereotípicos dentro de un marco temporal (por ej. ‘comer en un restaurante’ o
‘ir de compras’, cf. Ruiz de Mendoza, 2014).
12
- El Onomasticón comprende todo aquel conocimiento enciclopédico que
tenemos sobre las instancias de entidades o eventos (por ej. Shakespeare,
Madrid, el 11M, etc.). Este conocimiento episódico se representa en forma de
bio-estructuras. A diferencia de los otros componentes que se introducen
manualmente, en el Onomasticón se aplica un sistema automático, ya que a
través de reglas de mapeo (mapping rules) importa datos de recursos como
DBPEDIA (www.dbpedia.org).
En esta arquitectura, el módulo léxico y gramatical son dependientes de cada
idioma. En otras palabras, a la hora de desarrollarlos, los lexicógrafos computacionales
deben crear un Lexicón, un Morficón y un Gramaticón para cada lengua presente en la
base de conocimiento. Por el contrario, el modulo conceptual es compartido por todas las
lenguas que forman parte de dicha base y, por tanto, los ingenieros del conocimiento solo
crean una Ontología, un Cognicón y un Onosmaticón para procesar conceptualmente
cualquier texto de entrada. Como resultado, FunGramKB adopta un enfoque
conceptualista, ya que la Ontología es el módulo sobre el que se sustenta toda la
arquitectura. En FunGramKB, la codificación de los diferentes tipos de conocimiento
encapsulados en la Ontología, el Onomasticón y el Cognicón se lleva a cabo mediante un
mismo metalenguaje, i.e. COREL (Conceptual Representation Language; cf. Periñán y
Mairal, 2010) que, como todo lenguaje natural, cuenta con su propia semántica y sintaxis
(cf. Sección 2.3).
2.2. La Ontología de FunGramKB
En la base de conocimiento que nos ocupa, la Ontología consiste de un módulo de
propósito general conocido como Ontología Nuclear –componente sobre el que versa este
trabajo–, y varios módulos terminológicos u Ontologías Satélites, que pertenecen a
dominios concretos tales como el derecho, la economía, etc.
Es importante enfatizar que el diseño de una ontología tiende a ser un proceso
creativo, por lo que dos ontologías pueden diferir en su estructura si son diseñadas por
personas distintas. Para evitar este tipo de problemas, una ontología debe estar basada en
una metodología sólida como la que se presenta en Periñán y Arcas (2010b) para
FunGramKB. Las siguientes secciones ahondan en los criterios o compromisos
metodológicos propuestos por estos autores para el diseño de la Ontología Nuclear. Más
13
concretamente, las Secciones 2.2.1 y 2.2.2 se ocupan respectivamente de los criterios de
universalidad y motivación lingüística, y de los niveles conceptuales, mientras que la
Sección 2.2.3 recoge el resto de compromisos ontológicos especificados en Periñán y
Arcas (2010b) (véase también Jiménez, Luzondo y Pérez, 2011).
2.2.1. La Ontología Nuclear
En FunGramKB la Ontología se caracteriza por su carácter universal y por su motivación
lingüística. Es decir, por un lado, la Ontología adopta la forma de una taxonomía de
conceptos universal donde, la noción de universalidad, a diferencia de cómo se interpreta
en la lingüística teórica, significa que cada concepto que imaginemos tiene un lugar dentro
de la jerarquía. Por otro lado, dicho componente está motivado por aspectos lingüísticos,
como resultado de la semántica de las unidades léxicas; sin embargo, como apuntábamos
anteriormente, el conocimiento que se almacena en la Ontología no es específico de una
lengua en particular.
La Ontología Nuclear de FunGramKB se divide en tres subontologías: #ENTITY,
#EVENT y #QUALITY. Este trabajo se centra en la población de la Ontología de eventos
(i.e. verbos) y de entidades (i.e. sustantivos).
2.2.2. Niveles conceptuales en FunGramKB
La Ontología Nuclear de FunGramKB distingue tres niveles conceptuales distintos, i.e.
metaconceptos, conceptos básicos y conceptos terminales. Existe un cuarto tipo de
concepto, denominado subconcepto que, a diferencia de los anteriores, no está reflejado en
la estructura jerarquizada. Veamos cada uno de ellos por separado:
- Los metaconceptos, que aparecen precedidos por el símbolo ‘#’ (por ej.
#ABSTRACT, #EMOTION, #POSSESION, etc.), constituyen el nivel superior
de la taxonomía. Como indican Periñán y Arcas (2010b: 29), el análisis del
nivel superior de las principales ontologías lingüísticas –DOLCE (Gangemi et
al., 2002), Generalized Upper Model (Bateman, Henschel y Rinaldi, 1995),
Mikrokosmos (Mahesh y Nirenburg, 1995), SIMPLE (Lenci et al., 2000) y
SUMO (Niles y Pease, 2001)– condujo a la creación de un modelo meta-
conceptual cuyo diseño contribuye a la integración y el intercambio de
14
información con otras ontologías. Como resultado de este proceso,
FunGramKB cuenta con cuarenta y dos meta conceptos distribuidos en tres
subcategorías: #ENTITY, #EVENT y #QUALITY. A modo de ejemplo se
pueden observar en la Figura 4 varios metaconceptos dentro de #EVENT:
Figura 4. Metaconceptos dentro de la subontología #EVENT.
- Los conceptos básicos van precedidos del símbolo ‘+’. Algunos ejemplos de
conceptos básicos serían +BOOK_00, +DIRTY_00, +FORGET_00, etc. Los
conceptos básicos son de especial importancia en FunGramKB, pues se
emplean como unidades definitorias para la construcción de los Postulados de
Significado (PPSS) de los conceptos básicos y terminales, y también participan
en las preferencias de selección en los Marcos Temáticos (MMTT).
FunGramKB presenta un inventario de conceptos básicos que puede usarse para
definir cualquier concepto en cualquiera de las lenguas europeas que forman
parte de la ontología. Para conformar dicho inventario, se partió del vocabulario
definitorio del Longman Dictionary of Contemporary English (Procter, 1978) y
del Diccionario para la Enseñanza de la Lengua Española (Alvar Ezquerra,
1995), que posteriormente, tras una revisión exhaustiva (véase Periñán y
Miaral, 2011), dio lugar a un inventario final de aproximadamente 1.300
conceptos básicos. A modo de ejemplo, en la Figura 5 se presentan varios
15
conceptos básicos dependientes del concepto básico superordinado
+MOVE_00, dentro del metaconcepto #MOTION_00.
Figura 5. Algunos conceptos básicos subordinados a +MOVE_00.
- Los conceptos terminales, que van precedidos por el símbolo ‘$’, carecen de
potencial definitorio para formar parte de los PPSS de FunGramKB, y
conforman el estrato más bajo de la jerarquía IS-A. En la Figura 6 se vuelve a
tomar el concepto básico superordinado +MOVE_00 y se exponen nueve
conceptos terminales subordinados a este:
Figura 6. Conceptos terminales dependientes de +MOVE_00.
16
- Por último, los subconceptos, van precedidos de un guion ‘-‘ (por ej. –SWAB o
–DUST) y no forman parte de la jerarquía, puesto que son especificaciones
conceptuales de conceptos básicos o terminales que ya existen dentro de la
Ontología. Sirva el caso de –COMPOSE en la Figura 7 como ejemplo de
subconcepto dependiente del básico +WRITE_00. Es imprescindible fijarse en
el MT para darse cuenta de las diferencias entre +WRITE_00 y –COMPOSE.
Si bien ambos comparten el mismo PS, la diferencia entre ellos se halla en las
preferencias de selección (cf. Sección 2.2.3) de sus MMTT. Mientras que la
única preferencia de selección de +WRITE_00 es ‘humano’ en el participante
(x1=Theme), en –COMPOSE, tal y como se observa en la Figura 7, se
especifica que lo que se escribe es una carta, poema o canción:
Figura 7. El subconcepto –COMPOSE.
Finalmente es importante destacar que la Ontología es una entidad viva y en
constante evolución. En la modelación y desarrollo de la Ontología, FunGramKB combina
las estrategias “bottom-up” (descendente) y “top-down” (ascendente) (véase Periñán y
Arcas, 2010b: 29-30). En un principio, se siguieron tres fases para poblar la Ontología de
manera descendente: en la primera se construyó el nivel de los metaconceptos, en la
segunda el de los conceptos básicos y en la tercera, que es la fase en la que continúa el
desarrollo de la Ontología en estos momentos, el de los conceptos terminales. A pesar de
haber comenzado siguiendo una estructura descendente desde lo más general y abstracto a
lo más concreto, cada nivel de la Ontología se desarrolló a su vez de una manera local
ascendente. En este sentido, la Ontología sigue un modelo espiral, por lo que se permite la
17
promoción y/o degradación de conceptos entre los pertenecientes a los niveles básico y
terminal, tal y como se puede observar en la Figura 8. Esto posibilita que los conceptos
básicos puedan ser degradados a conceptos terminales y vice-versa.
Figura 8. El diseño de la Ontología en FunGramKB (Periñán y Arcas, 2010b: 30).
2.2.3. Otros compromisos ontológicos
Además de los criterios metodológicos especificados arriba, la Ontología de
FunGramKB ha sido diseñada en torno a los siguientes cinco compromisos
adicionales, los cuales garantizan un modelado ontológico sólido:
1. Las unidades conceptuales se articulan en torno a dos esquemas conceptuales
o representaciones de conocimiento semántico, i.e. los marcos temáticos (
MMTT) y los postulados de significado (PPSS), de los que hablaremos más
adelante.
2. Los PPSS se utilizan como organizadores ontológicos para los tres niveles
conceptuales que existen en la Ontología. Por consiguiente, todos los
conceptos subordinados comparten el PS de su concepto superordinado,
mientras que las diferencias conceptuales entre subordinados (y sus
supeordinados) se codifican en el PS mediante el differentia (i.e. rasgo(s)
semántico(s) distintivo(s)).
3. La relación taxonómica que rige FunGramKB es una relación IS-A. Esto, en
otras palabras, significa que la herencia entre conceptos solo es posible
mediante subsunción.
18
4. La Ontología permite la herencia múltiple entre conceptos. Como resultado,
una unidad conceptual puede ser subsumida por dos o más conceptos,
creando así redes de jerarquías complejas en las que se maximiza la
información y se minimiza la redundancia.
5. La Ontología de FunGramKB permite la herencia monotónica y la no
monotónica. Esto se traduce en la aparición de dos tipos de operadores de
razonamiento. El primero se indica con el símbolo ‘+’ que, precediendo a una
predicación en un PS (por ej. +(e1…)), señala que dicha predicación es
estricta y, por tanto, no admite excepciones (por ej. “Los delfines son
mamíferos”, “los cuadrados tienen cuatro lados”, etc.). Por el contrario,
cuando una predicación aparece introducida por el símbolo ‘*’, la máquina
interpreta la predicación como rebatible (por ej. “*Todos los pájaros
vuelan”). De esta manera, el primer operador permite un razonamiento
monotónico, mientras que el segundo posibilita el razonamiento no
monotónico, dotando así a la máquina de la capacidad para reestructurar la
información, como lo haría la mente humana (por ej. “típicamente las aves
vuelan, pero el pingüino no lo hace”).
2.2.4. El Marco Temático (MT) y el Postulado de significado (PS)
Como ya hemos señalado, las unidades conceptuales de FunGramKB están provistas de
dos propiedades semánticas: los MMTT y los PPSS. Ambas se construyen a través del
metalenguaje COREL, al que dedicaremos nuestra atención en la Sección 3.1.
Tal y como se describe en Luzondo y Jiménez (2014: 205), un MT es un constructo
conceptual que nos brinda información sobre el número y el tipo de participantes que están
presentes en las situaciones cognitivas que describen los conceptos. Los participantes,
también denominados ‘roles temáticos’, se representan mediante variables indizadas (x1),
(x2), etc., y van seguidos de restricciones conceptuales en formas de ‘preferencias de
selección’, en el caso de que sea necesario especificar la naturaleza de un participante (por
ej. el participante (x3)Location del MT de +SWIM_00 está necesariamente acotado por el
19
concepto básico ‘+WATER_00’).2 A cada variable se le asigna un papel temático,
dependiendo de la dimensión cognitiva a la que pertenezca el concepto.3
Es necesario destacar que los participantes no van ligados al comportamiento léxico
de los verbos, sino a la dimensión cognitiva o metaconcepto a la que pertenecen. Por
ejemplo, el MT del concepto +SWIM_00, que pertenece al metaconcepto #MOTION,
cuenta con cinco participantes cognitivamente necesarios, i.e. (x1)Agent, (x2)Theme,
(x3)Location, (x4)Origin, (x5)Goal, con el fin de codificar que, a nivel cognitivo, el
desplazamiento espacial requiere de un posible causante, una entidad en movimiento, un
lugar en el que se produce dicho desplazamiento, un punto de origen y un destino final. A
modo de comparación, veamos cómo se construye el MT de un concepto perteneciente a
otra dimensión cognitiva, como puede ser #COMMUNICATION. A diferencia de
#MOTION, cada evento dentro del metaconcepto #COMMUNICATION tendrá tres
papeles temáticos obligatorios: un tema (x1), un referente (x2) y un destino (x3). Al
fijarnos en el MT del concepto básico superordinado +SAY_00 en la Figura 9, observamos
que el primer participante, es decir, (x1)Theme, viene delimitado por la preferencia de
selección +HUMAN_00, ya que necesariamente es un humano el que comunica algo.
Posteriormente le sigue un referente inespecífico (x2), que correspondería a aquello que se
dice, y un destinatario del mensaje (x3)Goal, que vuelve a estar delimitado por la
preferencia de selección +HUMAN_00. En el lenguaje natural, por tanto, el MT de
+SAY_00 describe un escenario cognitivo prototípico en el que “un humano le dice algo a
otro humano”.
Figura 9. El MT de +SAY_00 y sus preferencias de selección.
2 En este trabajo nos referiremos a los conceptos en inglés, tal y como aparecen en la Ontología. Es
importante señalar, sin embargo, que los conceptos en FunGramKB se formalizan en lengua inglesa con el
único fin de facilitar el trabajo de los ingenieros del conocimiento. Para la máquina +SWIM_00 o
+8T5524X&_00 tendrían el mismo significado. 3 Véase el Apéndice 1 para un listado de los papeles temáticos utilizados en FunGramKB dentro de las
dimensiones cognitivas que existen en la subontología de eventos.
20
Los MMTT se complementan con otros constructos conceptuales como son los PPSS. Un
PS enriquece al MT, pues dota de forma plena a la unidad conceptual de conocimiento
semántico. Los PPSS están formados por predicaciones lógicamente conectadas (e1, e2,
e3…, etc.), cada una de las cuales expresa un rasgo. Estas van seguidas de un evento y sus
correspondientes participantes (por ej. cualquier subordinado del concepto básico
+SAY_00 irá acompañado de los tres participantes especificados en la Figura 9).
Asimismo, en los PPSS, los rasgos semánticos distintivos (i.e. differentiae) se incluyen
mediante Satélites introducidos por una ‘f’ (por ej. Condition, Duration, Instrument,
Quantitiy, etc.), diferenciando de este modo el concepto superordinado de sus
subordinados, así como las distinciones entre los propios subordinados. Los satélites
pueden ir seguidos de un concepto básico (por ej. (f1: +COURT_00)Scene)) o de una
predicación “(f1: (e2: +OBTAIN_00…)”, más sus participantes.4
Para ejemplificar el uso de los PPSS, tomamos el concepto básico +ADVISE_00
que es un subordinado de +SAY_00. Como podemos observar en la Figura 10, el PS de
+ADVISE_00 codifica el hecho de que el primer participante (x1), que debe ser
necesariamente un humano, dice algo (x2) a otro humano (x3) ofreciéndole (a modo de
consejo) la posibilidad de hacer algo, como se observa dentro de (x4).
Figura 10. La información conceptual de +ADVISE_00.
Finalmente, como hemos observado, las preferencias de selección actúan como
restricciones asociadas a situaciones cognitivas específicas. Este es el caso de
4 En el apéndice 2 se describen los papeles temáticos que se encuentran en los satélites y se asignan a los
#EVENTS.
21
+ADVISE_00 en la Figura 10. Del mismo modo, las preferencias de selección pueden
aparecer en el propio PPSS. Tomemos como ejemplo el caso de +BUILD_00 en (1):
(1) +BUILD_00
MT: (x1: +HUMAN_00 ^ +ANIMAL_00)Theme (x2)Referent
PS: +(e1: +CREATE_00 (x1)Theme (x2)Referent (f1: +HUMAN_00 ^
+ANIMAL_00)Beneficiary (f2)Instrument (f3: +CORPUSCULAR_00)Means (f4:
(e2: +JOIN_00 (x1)Agent (x3: f3)Theme (x4)Origin (x5)Goal
(f2)Instrument))Manner)
La información conceptual del concepto básico en (1), que a su vez es subordinado de
+CREATE_00, indica que “una entidad (x1), que puede ser humana o animal, crea algo
(x2) para un beneficiario (animal o humano) (f1), utilizando un instrumento inespecífico o
(f2) y empleando algún tipo de material (f3), el cual une valiéndose de dicho instrumento
(f4)”. Por lo tanto, las preferencias de selección pueden aparecer en los MMTT y en los
PPSS de los conceptos básicos, terminales y subconceptos, expresándose o bien dentro de
una predicación mediante las “efes” (por ej. +CORPUSCULAR_00 en la primera
predicación de +BUILD_00), o bien como conceptos básicos dentro de las “equis” (por ej.
la (x1) en (1)), con la restricción de que los conceptos básicos deben ser entidades o
cualidades.
De este modo, la Ontología se estructura de acuerdo con los principios de similitud,
especificidad y oposición que se aplican a los PPSS de los conceptos (i.e. segundo
compromiso ontológico, cf. Sección 2.2.3). Así pues, todo concepto subordinado debe
compartir el PPSS de su concepto superordinado (principio de similitud). Más
concretamente, por herencia –uno de los mecanismos de razonamiento responsable de
conectar conceptos en FunGramKB– la primera predicación (o genus) del concepto
superordinado debe aparecer especificada en la primera predicación de sus conceptos
subordinados, tal y como se resalta en cursiva para el caso de +SWEEP_00 en (2),
concepto subordinado de +CLEAN_01:
(2) PS de +SWEEP_00: +(e1: +CLEAN_01 (x1)Theme (x2)Referent (f1:
+BRUSH_00)Instrument)
A su vez, como ya hemos adelantado, todos los conceptos subordinados deben tener
en su PS un rasgo distintivo (o differentia) que no esté presente en el PS del concepto
22
superordinado (principio de especificidad; por ej. (f1: +BRUSH_00) en (2)). Finalmente,
las differentiae en los PPSS de conceptos hermanos deben ser incompatibles entre sí
(principio de oposición).
Por último, cabe destacar que cada concepto que existe en la Ontología se debe
lexicalizar en al menos una de las diferentes lenguas que componen la base de
conocimiento. Por ejemplo, al concepto +SWEEP_00, se asocian los verbos ingleses
brush, brush down, groom, sweep, etc., cepillar, barrer, escobar, etc., en español, scopare
y spazzare en italiano, etc. Todas estas unidades léxicas comparten la misma definición a
nivel conceptual, pero sus diferencias se tratan en el Lexicón de cada lengua.
2.3. El lenguaje COREL
Como adelantamos en el apartado 2.1, COREL es un lenguaje formal comprensible por la
máquina y común a todos los módulos que conforman el nivel conceptual de FunGramKB.
Esto no solo permite que la información pueda ser compartida de menara eficaz entre
dichos módulos, sino que también supone la adopción de un enfoque de representación
conceptual basado en la semántica profunda y no en una semántica superficial (cf. Velardi
et al., 1991). En este sentido, FunGramKB se diferencia de otras bases de conocimiento
como son SIMPLE o EuroWordnet, pues los conceptos, guiones, etc., se describen
individualmente gracias a COREL (véase Periñán y Mairal, 2010).
A lo largo de los anteriores apartados hemos tratado algunas peculiaridades del
metalenguaje COREL (por ej. los satélites, los participantes, etc.). Puesto que en el
apartado de análisis trabajaremos con este lenguaje formal, las siguientes sub-secciones
ofrecen una descripción detallada de los aspectos más destacados de la gramática de
COREL.
2.3.1. Las Predicaciones
Los PPSS de FunGramKB están formados por predicaciones genéricas. En concreto, como
hemos visto, un esquema conceptual en FunGramKB se compone de una o más
predicaciones, que se representan mediante una variable indizada (e1, e2, e3…),, seguida
de dos puntos (:) y antecedida por un operador de razonamiento estricto o rebatible (i.e. ‘+’
o ‘*’). A partir de aquí, las predicaciones en FunGramKB pueden ser de dos tipos. Con el
23
fin de ilustrar este aspecto, se presentan los PPSS de la entidad +FAUNA_00 en (3) y los
eventos +SEND_00 en (4) y +CLEAN_01 en (5):
(3) +((e1: +BE_00 (x1: +FAUNA_00)Theme (x2: +GROUP_00)Referent)(e2:
+COMPRISE_00 (x2)Theme (x3: m +ANIMAL_00)Referent))
+(e2: +LIVE_00 (x1)Theme (f1: +NATURAL_AREA_00)Location)
(= La fauna es un grupo de muchos animales que vive en un área natural).
(4) +((e1: +TRANSFER_00 (x1)Agent (x2)Theme (x3)Origin (x4)Goal
(f1)Instrument)(e2:+BE_02 (x1)Theme (x4)Location (f2: +FAR_00)Position))
(= Enviar es causar que algo se transfiera de un origen a un destino, donde aquel
que recibe está lejos del punto de origen).
(5) +(e1: +CHANGE_00 (x1)Theme (x2)Referent (f1)Instrument (f2: (e2: n +BE_01
(x2)Theme (x3: +DIRTY_00)Attribute))Result)
(= Limpiar es hacer que algo deje de estar sucio).
Lo que diferencia las predicaciones en (3) y (4) del PS de +CLEAN_01 es el hecho de que
las dos primeras son predicaciones ligadas, mientras que la e1 del PS en (5) se construye
mediante una predicación libre, es decir, una capaz de expresar una especificación
conceptual completa por sí sola. Por el contrario, las predicaciones ligadas, como son la e1
y e2 en los PPSS de +FAUNA_00 y +SEND_00, dependen una de otra para tener sentido
completo. De acuerdo con Periñan y Mairal (2010: 33), las características más importantes
de las predicaciones ligadas son las siguientes:
Las predicaciones ligadas aparecen dentro de un paréntesis. Estos paréntesis
marcan el ámbito de actuación del ligamento cognitivo.
Para poder ligar predicaciones, estas deben ser contiguas. Generalmente se ligan
dos predicaciones, pero pueden ligarse más.
Después de la segunda de las predicaciones ligadas, debe existir co-indización
hacia algunos de los participantes de la primera predicación. Esta es la
característica más importante en el ligamento porque define el propio fenómeno: en
la primera predicación aparece típicamente una entidad que necesita una
especificación conceptual adicional que solo puede ser expresada por otra
predicación.
El operador de razonamiento se omite delante de las predicaciones ligadas. Sin
embargo, el paréntesis que inicia el ligamento debe ir precedido de este operador.
24
Así, las predicaciones ligadas expresan un único rasgo complejo y no varios rasgos
diferentes. Por ejemplo, en (3), la primera predicación codifica que la fauna es un grupo
(x2). Como puede observarse, (x2) se repite en la segunda predicación, especificándose así
que dicho grupo está compuesto por muchos animales.
2.3.2. Los operadores
Dentro de las predicaciones se utilizan diferentes operadores los cuales se pueden clasificar
del siguiente modo:
(i) Operadores de razonamiento, a los que ya nos hemos referido en la Sección
2.2.3.
(ii) Operadores de evento subcategorizados en operadores ATM (i.e. aspectualidad,
temporalidad y modalidad) junto con la negación.
(iii) Operadores de participante subcategorizados en cuantificadores y operadores
lógicos.
En FunGramKB, los operadores de evento poseen diferentes valores. La Tabla 1
muestra los operadores de evento que actualmente existen en la base de conocimiento:
Rasgo Valor
Aspectualidad ing | pro | egr
Temporalidad
rpast | past | npast | pres | nfut |
fut | rfut
Modalidad
epistémica cert | prob | pos
no-
epistémica
obl | adv | perm
Polaridad n
25
Tabla 1. Operadores de evento (Periñán y Mairal, 2010: 33).
Por su parte, los operadores de aspectualidad nos proporcionan información sobre
las distinciones que marcan el desarrollo de un evento, es decir, su inicio, su continuidad y
su finalización. Tal y como se muestra en la Figura 11, estas etapas se expresan
respectivamente mediante los operadores ingresivo (ing; por ej. María empezó a cocinar),
progresivo (pro; por ej. María estaba cocinando) y egresivo (egr; por ej. María dejó de
concinar):
1---------------------------------------2----------------------------------------3
ingresivo progresivo egresivo
(ing) (pro) (egr)
Figura 11. Operadores de aspectualidad (Periñán y Mairal, 2010: 34).
Finalmente, como se observa en la Figura 12, los operadores de temporalidad
ubican el estado de cosas designado por la predicación dentro de un eje temporal:
pasado
remoto
pasado
pasado futuro
cercano presente cercano
futuro
futuro
remoto
(rpast) (past) (npast) (pres) (nfut) (fut) (rfut)
i ii iii iv v vi vii
r t
Figura 12. Operadores de temporalidad (Periñán y Mairal, 2010: 34).
ESTADO DE LAS COSAS
26
Con el fin de ilustrar la utilización de los operadores de temporalidad y aspectualidad
dentro de los PPSS, presentamos el caso de +FORGIVE_00 en (6), cuya traducción en
lenguaje natural sería: “dejar de (egr) estar enfadado con alguien a quien uno culpó (past)
de algo”.
(6) +(e1: egr +FEEL_00 (x1)Agent (x2)Theme (x3: +ANGRY_00)Attribute (f1: (e2:
past +BLAME_00 (x1)Theme (x4)Referent (x2)Goal))Scene)
En FunGramKB, los operadores de modalidad siguen la distinción tradicional entre
operadores epistémicos (i.e. certeza (cert), probabilidad (prob) y posibilidad (pos)) y no-
epistémicos (i.e. obligación (obl), consejo (adv) y permiso (perm)). Mientras que los
primeros permiten expresar el grado de compromiso que el hablante tiene con respecto a la
proposición codificada en la predicación en la que se colocan, los segundos tienen un
carácter eminentemente deóntico. A modo de ejemplo, en el PS de +ADVISE_00 en (7),
que en lenguaje natural se interpretaría como “una persona le sugiere a otra que puede
hacer algo”, se pueden encontrar un operador modal epistémico y otro no-epistémico
(Periñán y Mairal 2010: 35):
(7) +(e1: adv +SAY_00 (x1: +HUMAN_00)Theme (x4: (e2: pos +DO_00 (x3:
+HUMAN_00)Theme (x2)Referent))Referent(x3)Goal)
Finalmente, el operador de polaridad ‘n’ se utiliza en FunGramKB para expresar negación,
como se puede observar en el PS de +DOUBT_00 en (8):
(8) +((e1: +THINK_00 (x1)Theme (x2)Referent)(e2: n +BE_01 (x2)Theme (x3:
+PROBABLE_00)Attribute))
(= alguien piensa que algo no es probable).
2.3.3. Los cuantificadores y conectores lógicos
En FunGramKB, las unidades conceptuales que actúan como preferencias de selección
pueden estar sometidas a operadores que expresen cuantificación. Se pueden observar los
más relevantes en la Tabla 2.
27
Rasgo Valor
Cuantificador absoluto 1 | 2 | 3 | 4 ...
Cuantificador relativo m | s | p
Cuantificador indefinido i
Tabla 2. Operadores de cuantificación (Periñán y Mairal, 2010: 36).
Al incluir un cuantificador se debe utilizar solo uno con cada preferencia de
selección y este ha de ser lo más restringido posible. Por ejemplo, si nos estamos refiriendo
a una única entidad se utilizará el operador 1. Si, por el contrario, la preferencia de
selección se refiere a más de una entidad, se recurre a los valores capturados en la Tabla 2.
Este es el caso de +HAND_00 en (9):
(9) *(e1: +BE_00 (x1: +HAND_00)Theme (x2:
+EXTERNAL_ORGAN_00)Referent)
*(e2: +COMPRISE_00 (x1)Theme (x3: 5 +FINGER_00)Referent)
De este modo, los cuantificadores absolutos se emplean siempre que conozcamos
el número exacto de entidades. En el caso de desconocer el número exacto de entidades se
utilizaran los operadores relativos para expresar “muchos” (m), “pocos” (p) o “algunos”
(s), tal y como aparece reflejado en el PS del terminal $ARCHIPIELAGO_00 en (10):
(10) +((e1: +BE_00 (x1: $ARCHIPELAGO_00)Theme (x2: +GROUP_00)Referent)(e2:
+COMPRISE_00 (x2)Theme (x3: m +ISLAND_00)Referent))
*(e3: +BE_01 (x3)Theme (x4:+SMALL_00)Attribute)
Si estos criterios resultan no ser relevantes, se utilizará el operador indefinido i, que
indica que “x se refiere a más de una entidad, sin especificar exactamente cuántas”.
En el caso de que la unidad conceptual que se vaya a cuantificar no sea una entidad
sino una cualidad, se pueden utilizar los operadores relativos p y m con el fin de introducir
28
una graduación semántica. Periñán y Mairal (2010: 37) ilustran este aspecto a través de la
dimensión de la temperatura. Así, mediante los operadores relativos podemos describir una
entidad que está muy caliente (por ej. abrasador), un poco caliente (por ej. cálido), muy
fría (por ej. gélido) o un poco fría (por ej. fresco), tal y como se muestra respectivamente
en (11) - (14):
(11) +(e2: +BE_01 (x1)Theme (x3: m +HOT_00)Attribute)
(12) +(e2: +BE_01 (x1)Theme (x3: p +HOT_00)Attribute)
(13) +(e2: +BE_01 (x1)Theme (x3: m +COLD_00)Attribute)
(14) +(e2: +BE_01 (x1)Theme (x3: p +COLD_00)Attribute)
Para finalizar, los tres conectores lógicos que pueden ser empleados en COREL y que
operan sobre estructuras del mismo rango (por ej. satélites o preferencias de selección)
son: la conjunción (‘&’), la disyunción (‘|’) y la exclusión (‘^’). Cada conector se
interpreta del siguiente modo:
(15) a & b & c = a, b y c
(16) a | b | c = a, b, c, ab, ac, bc o abc
(17) a ^ b ^ c = solo a, solo b o solo c
En la siguiente sección se presenta la metodología que se va a utilizar para crear conceptos
terminales partiendo de los conceptos básicos presentes en la Ontología, y así utilizar el
metalenguaje COREL para poder codificar la semántica de estos conceptos.
29
Metodología
Como se ha comentado previamente, en FunGramKB se pueden encontrar metaconceptos
y conceptos básicos. Ambos han sido introducidos en la Ontología y no se pueden
modificar. Por lo tanto, el trabajo del ingeniero del conocimiento es crear conceptos
terminales que partan de los conceptos básicos que se hallan en la Ontología para de ese
modo enriquecer la base de conocimiento.
En este trabajo se ha utilizado la metodología propuesta por Jiménez y Luzondo
(2011) y Jiménez, Luzondo y Pérez (2011). Siguiendo a estas autoras, el proceso de
creación de conceptos terminales consta de los siguientes pasos:
El primer paso consiste en decidir con qué concepto se va a trabajar dentro de la
Ontología. Para ello se deben observar las diversas dimensiones cognitivas y, dentro de
ellas, seleccionar aquellos conceptos básicos que no hayan sido ya poblados por ingenieros
del conocimiento. Una vez seleccionado el concepto básico del que vamos a partir,
recurrimos a tesauros, diccionarios y bases de datos con el fin de obtener información
sobre los conceptos con los que estamos trabajando. Toda esta información se puede
obtener accediendo a los recursos presentes en www.fungramkb.com. Posteriormente a la
consulta de estos tesauros (p. ej. Thesaurus.com, Collins Cobuild, Merriam Webster, The
Oxford Thesaurus, WordNet, MultiWordNet, etc.), se debe elaborar una lista de hipónimos,
sinónimos o hiperónimos que tengan relación con la unidad conceptual con la que estamos
trabajando. Cabe destacar que se pretende que la Ontología de FunGramKB sea universal,
tal y como se expresó en los compromisos ontológicos (cf. Sección 2.2.3), permitiendo de
esta manera que el módulo de la Ontología abarque la mayor cantidad de lenguas posibles.
Por ello, en este trabajo se emplean tesauros y diccionarios tanto para el inglés como para
el español.
Utilizando un concepto (ej. +TRANSLATE_00), se elabora un listado de
sinónimos, hipónimos, hiperónimos, etc., tanto del inglés como del español, que se extraen
de bases de datos, tesauros, diccionarios, etc. Este listado servirá para proceder a la
población de la Ontología. Jiménez y Luzondo (2011: 25) ofrecen el siguiente grupo de
palabras en español relacionadas con el concepto +TRANSLATE_00: traducir, descifrar,
descodificar, desencriptar,,interpretar, transcribir, transliterar, verter, trasladar, cifrar,
codificar, doblar y subtitular.. Para el inglés recogen, translate, interpret, render,
transcribe, transliterate, crack, decipher, decode, decrypt, unscramble, cipher, code, dub y
30
subtitle. En segundo lugar se debe analizar la semántica de estas unidades léxicas para ver
si pueden servir para crear conceptos en la Ontología. Para ello, se emplean al menos tres
diccionarios diferentes en cada una de las lenguas citadas. Estas autoras utilizaron
Longman Dictionary of Contemporary English, Collins Dictionary (Reverso), y
Cambridge Dictionary para el inglés. Al concluir el análisis, se descartan las unidades
léxicas que no pertenecen al dominio cognitivo en el que se está trabajando y se
seleccionan las que comparten el genus con el concepto padre +TRANSLATE_00. En el
caso de este trabajo se han empleado los diccionarios Collins Cobuild, Longman
Dictionary y el diccionario de Cambridge para el inglés y los diccionarios Clave, de
Salamanca y Wordreference para el español.
El tercer y último paso consiste en utilizar toda la información que hemos recabado
en los distintos tesauros y diccionarios para proceder a decidir qué se debe hacer con ella.
Se pueden dar tres casos distintos y Jiménez y Luzondo (2011:25) proponen diferentes
soluciones para cada uno:
En primer lugar aquellas unidades léxicas que no compartan el genus de la unidad
conceptual que estamos analizando deben ser descartadas ya que pertenecerán a otra
dimensión cognitiva. Posteriormente, con los conceptos que sí comparten el genus con la
unidad conceptual que estamos analizando deberemos decidir si tienen diferencias léxicas
muy marcadas con el concepto padre, o si por el contrario no presentan tantas diferencias.
Si la differentia que presenta la unidad léxica no es muy marcada, el ingeniero del
conocimiento debe aglutinar esta unidad como palabra asociada a un concepto. Por
ejemplo, el predicado verbal interpret que el Longman define como “to translate (genus)
spoken words from one language into another”, se aglutinará como palabra asociada al
concepto +TRANSLATE_00, puesto que no añade un rasgo semántico distintivo que lo
diferencie del PS de +TRANSLATE_00.
Cuando estas diferencias léxicas sean muy marcadas, y aparezca información que
las separe del concepto padre, el ingeniero del conocimiento puede crear un concepto
terminal subordinado que se codificará en COREL, tal y como ocurre con dub que las
autoras utilizaron para crear un concepto terminal que presenta el siguiente PS:
(18) +(e1: +TRANSLATE_00 (x1)Theme (x2)Referent (f1: (e2: +LISTEN_00
(x3:+HUMAN_00)Theme (x2)Referent (f2: +MOVIE_00)Location (f3:
+IN_00)Position))Purpose)
31
Finalmente si la unidad léxica presenta algún rasgo que afecte a los participantes de
evento, se deberá crear un subconcepto (cf. Sección 2.2.2) Cabe destacar que este trabajo
se centra en poblar tanto la Ontología de eventos como la de entidades, por lo tanto a pesar
que se sigue la misma metodología para la búsqueda de conceptos terminales, hay que
tener en cuenta que las entidades carecen de MT, por lo que solo presentan un PS (cf.
Pérez, 2017:140-144)
Para poder crear terminales o subconceptos es necesario delimitar la parte que se va
a codificar puesto que, como se ha visto previamente, el metalenguaje COREL es muy rico
y amplio, pero sin embargo no es tan flexible como una lengua natural. Por ello, se debe
recurrir a los 1300 conceptos básicos existentes para poder codificar estos conceptos
terminales o subconceptos utilizando COREL. El papel del ingeniero del conocimiento
debe ser muy cauteloso ya que con su propio sentido común ha de decidir la importancia
de los rasgos diferenciadores de cada concepto y de si estos permiten realmente que se cree
un concepto terminal en la Ontología.
En la siguiente sección se procede a analizar conceptos básicos de la Ontología para
poder crear conceptos terminales partiendo de ellos; se utiliza la metodología que se ha
explicado en esta sección y además sirve como una ejemplificación de la misma.
32
Análisis
4.1. El concepto +LIVE_00
Para proceder a realizar el análisis con el fin de crear conceptos terminales se ha tomado el
concepto básico +LIVE_00 como punto de partida. Como se puede apreciar en la figura
13, este concepto básico se enmarca dentro del metaconcepto #EXISTENCE. Dentro de
dicha dimensión encontramos el concepto básico +EXIST_00, el cual funciona como
concepto superordinado de +LIVE_00 y de otros conceptos básicos como son
+CONTINUE_00 y +DIE_00.
El MT de +LIVE_00 restringe el concepto a humanos o animales (x1:
+HUMAN_00 ^ +ANIMAL_00)Theme. A su vez el PS indica que un humano o animal
vive porque existe y respira:
Figura 13. El concepto básico +LIVE_00
Para proceder a la creación de terminales partiendo del concepto +LIVE_00 se ha
realizado una búsqueda en diferentes tesauros tanto del inglés como del español, que ha
dado lugar a la obtención de los siguientes verbos:
33
Inglés: abide, continue, endure, last, lead, persist, survive, maintain, y remain.
Español: subsistir, pervivir, perdurar, mantenerse, permanecer, durar, sobrevivir, subsistir
y continuar.
Posteriormente se utilizaron varios diccionarios para obtener las definiciones de los
verbos seleccionados. Para el idioma inglés se utilizaron Logman
(http://www.ldoceonline.com), Cambridge (https://dictionary.cambridge.org/) y Cobuild
(http://dictionary.reverso.net/English-cobuild/), para la lengua española se utilizaron Clave
(http://www.smdiccionarios.com/home.php), Salamanca
(http://fenix.cnice.mec.es/diccionario) y Wordreference (http://wordreference.com/). A
continuación, se presenta una lista de cada verbo con las definiciones obtenidas en cada
idioma en los diccionarios correspondientes.
Abide
Longman: to live somewhere.
Cambridge: to live or stay somewhere.
Collins: to remain or continue.
Continue
Longman: to not stop happening, existing, or doing something → continuous, continual,
discontinue.
Cambridge: to keep happening, existing, or doing something, or to cause something or
someone to do this.
Collins: to remain or cause to remain in a particular condition, capacity, or place.
Endure
Longman: to remain alive or continue to exist for a long time.
Cambridge: to continue to exist for a long time.
Collins: to last or continue to exist.
Last
34
Longman: to continue to exist, be effective, or remain in good condition for a long time.
Cambridge: to continue to exist.
Collins: To remain in being (for a length of time); continue.
Lead
Longman: if you lead a particular kind of life, that is what your life is like.
Cambridge: to live a particular type of life.
Collins: to cause to pass a life of a particular kind.
Persist
Longman: to continue to do something, although this is difficult, or other people oppose it.
Cambridge: to continue to exist past the usual time, or to continue to do something in a
determined way even when facing difficulties or opposition.
Collins: to continue steadfastly or obstinately despite opposition or difficulty, to continue
to exist or occur without interruption.
Survive
Longman: to continue to live after an accident, war, or illness.
Cambridge: to continue to live or exist, especially after coming close to dying or being
destroyed or after being in a difficult or threatening situation, to continue to live or to exist,
esp. after a dangerous event.
Collins: to continue in existence or use after (a passage of time, an adversity, etc.)
Maintain
Longman: to make something continue in the same way or at the same standard as before.
Cambridge: to continue to have; to keep in existence, or not allow to become less:
Collins: to continue or retain; keep in existence
Remain
35
Longman: to continue to exist or be left after others have gone, been used, or been
destroyed.
Cambridge: to continue to exist when other parts or other things no longer exist.
Collins: to continue to be.
Subsistir
Clave: Mantener la vida o seguir viviendo.
Salamanca: Seguir viviendo < un ser vivo >
Wordreference: Mantener o conservar la vida.
Perdurar
Clave: Durar mucho, o mantenerse en un mismo estado al cabo del tiempo.
Salamanca: Continuar o durar < una cosa > mucho tiempo o un tiempo indefinido.
Wordreference: Durar mucho, subsistir, mantenerse en el mismo estado.
Mantenerse
Clave: Persistir o perseverar en un estado o en una posición.
Salamanca: Conservarse < una persona o una cosa > en [un estado o una condición
determinadas]
Wordreference: Perseverar, no variar de estado o resolución.
Permanecer
Clave: Mantenerse sin cambio en un lugar, en una situación o en una condición.
Salamanca: Mantenerse < una persona o una cosa > en [un determinado estado o cualidad]
Wordreference: Mantenerse sin cambios en un mismo lugar, estado o condición.
Durar
Clave: Permanecer, conservarse o mantener las propias cualidades.
Salamanca: Seguir < una cosa > existiendo con sus cualidades.
36
Wordreference: Subsistir, permanecer alguna característica o cualidad.
Sobrevivir
Clave: Vivir después de la muerte de alguien o después de determinado suceso o plazo.
Salamanca: Seguir viviendo < una persona > después de la muerte de [otra persona] o
después de [una fecha o un suceso]
Wordreference: Vivir alguien después de la muerte de otro, después de un determinado
plazo o de cierto suceso en el que ha habido gran peligro.
Continuar
Clave: Durar, permanecer o mantenerse cierto tiempo.
Salamanca: Seguir < una cosa > existiendo durante un periodo de tiempo.
Wordreference: Seguir ocurriendo o existiendo una cosa.
Teniendo en cuenta las definiciones encontradas se opta por descartar los verbos
abide, continue, endure, lead, maintain, mantenerse, permanecer, durar y continuar. Estos
verbos no comparten el genus con el concepto padre +LIVE_00, además algunos ya se
encuentran en la Ontología asignados a otros conceptos. Los verbos last, persist, survive,
remain, subsistir, perdurar y sobrevivir se pueden utilizar para crear conceptos terminales
o para incluirlos como piezas léxicas en las cajas de algunos conceptos que se encuentran
en la ontología.
En primer lugar debemos tener en cuenta que survive es diferente a los otros verbos
que hemos seleccionado puesto que aparte de compartir el genus con el concepto básico
+LIVE, también presenta una differentia que permite crear un concepto terminal, ya que se
puede entender este concepto como que algo o alguien sobrevive si continúa existiendo a
pesar de haber estado expuesto a una situación de peligro. Los verbos remain y subsistir se
deben aglutinar como sinónimos de este nuevo concepto terminal ya que comparten
características léxicas muy similares. Finalmente, los verbos last, persist y perdurar se
aglutinarán en los cajetines como sinónimos del concepto básico +CONTINUE_00, ya que
expresan que algo existe durante un período prolongado de tiempo y como se puede
observar en la Figura 14, esta es la traducción al lenguaje natural de +CONTINUE_00.
37
Figura 14. El concepto básico +CONTINUE_00
Con el fin de clarificar el análisis, se presenta toda la información del concepto
terminal $SURVIVE_00 en la Tabla 3, unificando así la información recogida en los
distintos diccionarios y la codificación de este concepto en lenguaje COREL.
CONCEPT: $SURVIVE_00
Longman: to continue to live after an accident, war, or illness.
Cambridge: to continue to live or exist, especially after coming close to dying or being
destroyed or after being in a difficult or threatening situation, to continue to live or to exist,
esp. after a dangerous event.
Collins: to continue in existence or use after (a passage of time, an adversity, etc.)
SUPERORDINATE(S): +LIVE_00
THEMATIC FRAME: (x1: +HUMAN_00 ^ +ANIMAL_00)Theme
MEANING POSTULATE: +(e1: pro pres +LIVE_00 (x1)Theme (f1: (e2: past +BE_01
(x1)Theme (x3: +DANGEROUS_00))Attribute))Scene)
DESCRIPTION: to continue to live after a dangerous situation.
UNIDADES LEXICAS ASOCIADAS: sobrevivir, remain y subsistir.
38
Tabla 3. Información del concepto terminal $SURVIVE_00
4.2. El concepto +FORGIVE_00
Dentro del metaconcepto #EMOTION se encuentra el concepto básico +FEEL_00 que es
un primitivo semántico y del cual derivan otros conceptos básicos como +FORGIVE_00.
Como se puede apreciar en la Figura 15, el concepto básico +FORGIVE_00 tiene un MT
que restringe su uso a seres humanos puesto que es un humano el que puede perdonar a
otro (x1: +HUMAN_00)Agent (x2: +HUMAN_00)Theme. A su vez, su PS especifica que
perdonar es el acto de dejar de sentir enfado hacia otra persona y dejar de culpabilizarla:
Figura 15. El concepto básico +FORGIVE_00
Para proceder a la creación de conceptos terminales partiendo del concepto básico
+FORGIVE_00 se debe tener en cuenta que en inglés se aglutina el concepto pardon como
sinónimo y en español los conceptos absolver e indultar. Una vez revisada la información
presente en la ontología se ha realizado una búsqueda en diferentes tesauros tanto del
idioma inglés como del español que ha dado lugar a la obtención de los siguientes verbos:
39
Inglés: absolve, condone, excuse y exonerate.
Español: eximir y exonerar.
Absolve
Longman: if someone is absolved by the Christian Church or a priest for something they
have done wrong, they are formally forgiven.
Cambridge: (especially in religion or law) to free someone from guilt, blame, or
responsibility for something.
Collins: if a report or investigation absolves someone from blame or responsibility, it
formally states that he or she is not guilty or is not to blame.
Condone
Longman: to accept or forgive behaviour that most people think is morally wrong.
Cambridge: to accept or allow behaviour that is wrong.
Collins: if someone condones behaviour that is morally wrong, they accept it and allow it
to happen.
Excuse
Longman: to forgive someone for doing something that is not seriously wrong, such as
being rude or careless.
Cambridge: to forgive someone.
Collins: if you excuse someone for something wrong that they have done, you forgive
them for it.
Exonerate
Longman: to state officially that someone who has been blamed for something is not
guilty.
Cambridge: to show or state that someone or something is not guilty of something.
40
Collins: if a court, report, or person in authority exonerates someone, they officially say or
show that that person is not responsible for something wrong or unpleasant that has
happened.
Eximir
Clave: Librar de una carga, de una obligación o de algo semejante.
Salamanca: Librar < una persona > [a otra persona] de [una obligación o una culpa]
Wordreference: Librar, desembarazar a alguien de cargas, obligaciones, culpas, etc.
Exonerar
Clave: Aliviar o descargar de un peso o de una obligación.
Salamanca: Librar < una persona > [a otra persona] de [una carga o una obligación]
Wordreference: Aliviar, descargar de peso, carga u obligación.
Al concluir el análisis partiendo del concepto básico +FORGIVE_00 se observa
que absolve y condone sirven para crear conceptos terminales, puesto que además de
compartir el genus con el concepto padre, también presentan differentiae que permiten
representarlos como nuevos conceptos terminales en COREL. Excuse se puede aglutinar
como sinónimo de +FORGIVE_00. Eximir, exonerate, y exonerar se descartan ya que no
comparten el genus con el concepto básico +FORGIVE_00. Para clarificar el análisis se
presenta las tablas 4 y 5 en las que se recoge toda la información relativa a los conceptos
terminales $ABSOLVE_00 Y $CONDONE_00, y además se representan en lenguaje
COREL.
CONCEPT: $ABSOLVE_00
Longman: if someone is absolved by the Christian Church or a priest for something they
have done wrong, they are formally forgiven.
Cambridge: (especially in religion or law) to free someone from guilt, blame, or
responsibility for something.
Collins: if a report or investigation absolves someone from blame or responsibility, it
formally states that he or she is not guilty or is not to blame.
41
SUPERORDINATE(S): +FORGIVE_00
THEMATIC FRAME: (x1: +HUMAN_00)Agent (x2: +HUMAN_00)Theme
MEANING POSTULATE: +(e1:+FORGIVE_00 (x1)Theme (x2)Theme (f1:
+RELIGION_00^+LAW_00)Scene (f2:(e2: past +BLAME_00 (x1)Theme (x3)Referent
(x2)Goal))Scene)
DESCRIPTION: to forgive (in religion or law) and free someone from guilt, blame, or
responsibility for something.
UNIDADES LÉXICAS ASOCIADAS: absolver.
Tabla 4. Información del concepto terminal $ABSOLVE_00
CONCEPT: $CONDONE_00
Longman: to accept or forgive behaviour that most people think is morally wrong.
Cambridge: to accept or allow behaviour that is wrong.
Collins: if someone condones behaviour that is morally wrong, they accept it and allow it to
happen.
SUPERORDINATE(S): +FORGIVE_00
THEMATIC FRAME: (x1: +HUMAN_00)Agent (x2: +BEHAVIOUR_00)Theme
MEANING POSTULATE: +((e1: +FORGIVE_00 (x1)Theme (x2)Theme)(e2: +BE_01
(x2)Theme (x3: +WRONG_00)Attribute))
DESCRIPTION: to forgive behaviour that is morally wrong.
UNIDADES LÉXICAS ASOCIADAS: forgive, pardon, perdonar.
Tabla 5. Información del concepto terminal $CONDONE_00
42
4.3. El concepto +SURPRISE_00
Dentro del metaconcepto #EMOTION se encuentra el concepto básico +FEEL_00 que es
un primitivo semántico y del cual derivan otros conceptos básicos como +SURPRISE_00.
Como se puede apreciar en la Figura 16, el concepto básico +SURPRISE_00 tiene un MT
que restringe su uso a un agente que puede sorprender un ser humano (x1): Agent (x2:
+HUMAN_00)Theme (x3)Attribute. A su vez, su PS especifica que un agente es el que
causa la acción de sorprender a otra persona +(e1: +FEEL_00 (x1)Agent (x2)Theme (x3:
$SURPRISE_00)Attribute).
Figura 16. El concepto básico +SURPRISE_00
Con el fin de crear conceptos terminales partiendo del concepto básico
+SURPRISE_00 tenemos en cuenta que dicho concepto se lexicaliza como surprise en
inglés y como sorprender en español. Posteriormente, se realiza una búsqueda en
diferentes tesauros tanto del idioma inglés como del español y se obtienen los siguientes
verbos:
Inglés: amaze, astound, awe, bewilder, confound, confuse, startle y disconcert.
Español: asombrar, anonadar, sobrecoger, desconcertar y confundir.
43
Amaze
Longman: to surprise someone very much.
Cambridge: to cause someone to be extremely surprised.
Collins: if something amazes you, it surprises you very much.
Astound
Longman: to make someone very surprised or shocked.
Cambridge: to surprise or shock someone very much.
Collins: if something astounds you, you are very surprised by it.
Awe
Longman: if you are awed by someone or something, you feel great respect and liking for
them, and are often slightly afraid of them.
Cambridge: to cause someone to feel awe.
Collins: to inspire with reverence or dread.
Bewilder
Longman: to confuse someone.
Cambridge: to confuse someone.
Collins: to confuse utterly; puzzle.
Confound
Longman: to confuse and surprise people by being unexpected.
Cambridge: to confuse and very much surprise someone, so that they are unable to explain
or deal with a situation.
Collins: to astound or perplex; bewilder.
Confuse
Longman: to make someone feel that they cannot think clearly or do not understand.
44
Cambridge: to mix up someone's mind or ideas, or to make something difficult to
understand.
Collins: to bewilder; perplex.
Disconcert
Longman: to make someone feel slightly confused, embarrassed, or worried.
Cambridge: to make someone feel suddenly uncertain and worried.
Collins: to disturb the composure of.
Startle
Longman: to make someone suddenly surprised or slightly shocked
Cambridge: to do something unexpected that surprises and sometimes worries a person or
animal.
Collins: if something sudden and unexpected startles you, it surprises and frightens you
slightly.
Asombrar
Clave: Causar o sentir asombro.
Salamanca: Causar < una persona o una cosa > sorpresa [a una persona]
Wordreference: Causar gran admiración o extrañeza.
Anonadar
Clave: Referido a una persona, dejarla desconcertada o causarle gran sorpresa.
Salamanca: Dejar < una persona o una cosa > impresionada [a una persona].
Wordreference: Causar gran sorpresa o dejar muy desconcertada a una persona.
Sobrecoger
Clave: Asustar, sorprender, impresionar o intimidar.
45
Salamanca: Causar < una persona o una cosa > una sorpresa o un sobresalto [a otra
persona]
Wordreference: Sobresaltar, pillar de repente y desprevenido.
Desconcertar
Clave: Referido a una persona, sorprenderla, desorientarla o dejarla sin saber lo que pasa
realmente.
Salamanca: Alterar < una persona o una cosa > el ánimo de [una persona]
Wordreference: Sorprender.
Confundir
Clave: Perturbar, trastornar o desconcertar.
Salamanca: Hacer < una persona o una cosa > que [una persona] no sepa qué pensar o
cómo obrar.
Wordreference: Turbar, desconcertar.
Al concluir el análisis derivado del concepto básico +SURPRISE encontramos que
amaze, asombrar, astound y anonadar se deben aglutinar como sinónimos en las cajas de
las piezas léxicas correspondientes a dicho concepto, tanto del inglés como de español, ya
que no comparten rasgos léxicos diferenciadores que permitan utilizarlos para crear
conceptos terminales. Startle sirve para crear un concepto terminal y sobrecoger se debe
poner como lexema que cuelga de ese nuevo concepto terminal en español. Finalmente,
awe, bewilder, confound, consfuse, disconcert, desconcertar y confundir se descartan por
no compartir el genus del superordinado, el concepto básico +SURPRISE_00. A pesar de
que startle aparece en varios tesauros como sinónimo de +SURPRISE, en las distintas
definiciones de los diccionarios se observa cómo tiene un componente de miedo o
preocupación añadido a la sorpresa. Por consiguiente, para codificar startle se debe partir
del concepto +DO_00 y no de +SURPRISE_00.
En la siguiente Tabla 6, se clarifica el análisis presentando la información recogida de los
diccionarios relativa a startle, y se representa el concepto terminal en lenguaje COREL.
46
CONCEPT: $STARTLE_00
Longman: to make someone suddenly surprised or slightly shocked.
Cambridge: to do something unexpected that surprises and sometimes worries a person or
animal.
Collins: if something sudden and unexpected startles you, it surprises and frightens you
slightly.
SUPERORDINATE(S): +DO _00
THEMATIC FRAME: (x1)Theme (x2)Referent
MEANING POSTULATE: +(e1: +DO_00 (x1)Theme (x2)Referent (f1:
+FAST_00)Manner (f2: (e2: +SURPRISE_00 (x2)Agent (x3: +HUMAN_00 ^
+ANIMAL_00)Theme))Result) | (f3: (e3: +WORRY_00 (x2)Agent (x3)Theme))Result)
DESCRIPTION: to do something unexpected that surprises and sometimes worries or
shocks a person or an animal.
UNIDADES LEXICAS ASOCIADAS: startle, sobrecoger.
Tabla 6. Información del concepto terminal $STARTLE_00
4.4. El concepto +HARDEN_00
Listado dentro del metaconcepto #TRANSFORMATION se encuentra el concepto básico
+CHANGE_00 que es un superordinado y del que derivan otros conceptos básicos como
+HARDEN_00. Como se puede apreciar en la Figura 17, el concepto básico
+HARDEN_00 tiene un MT que presenta dos entidades puesto que algo cambia y se
transforma en otra cosa (x1)Theme (x2)Referent, a su vez su PS especifica que algo
cambia y se vuelve duro como resultado de este cambio +(e1: +CHANGE_00 (x1)Theme
(x2)Referent (f1: (e2: +BECOME_00 (x2)Theme (x3: +HARD_00)Attribute))Result)
47
Figura 17. El concepto +HARDEN_00
Al observar la información del concepto básico +HARDEN_00 para proceder a la
creación de terminales se debe tener en cuenta que en inglés se lexicaliza como harden en
español como endurecer. Una vez revisada la información presente en la ontología se ha
realizado una búsqueda en diferentes tesauros tanto del idioma inglés como del español
que ha dado lugar a la obtención de los siguientes verbos:
Inglés: compact, consolidate, crystallize, fortify, fossilize, ossify, solidify, starch, stiffen,
strengthen, temper, toughen y vitrify.
Español: fortalecer, robustecer, templar, vigorizar, petrificar, compactar, solidificar.
Compact
Longman: packed or put together firmly and closely.
Cambridge: to press something together in a tight and solid way.
48
Collins: to compact something means to press it so that it becomes more solid.
Consolidate
Longman: to strengthen the position of power or success that you have, so that it becomes
more effective or continues for longer.
Cambridge: to become, or cause something to become, stronger, and more certain
Collins: to make or become strong, stable, firmly established, etc.
Crystallize
Longman: if a liquid crystallizes, it forms crystals.
Cambridge: if a liquid crystallizes, it turns into crystals.
Collins: if a substance crystallizes, or something crystallizes it, it turns into crystals.
Fortify
Longman: to build towers, walls etc around an area or city in order to defend it.
Cambridge: to make something stronger, especially in order to protect it.
Collins: to fortify something means to make it more powerful and more likely to succeed.
Fossilize
Longman: to become or form a fossil by being preserved in rock.
Cambridge: to become or to make something become a fossil (= something preserved in
rock for a very long period).
Collins: if the remains of an animal or plant fossilize or are fossilized, they become hard
and form fossils, instead of decaying completely.
Ossify
Longman: to change into bone or to make something change into bone.
Cambridge: if body tissue ossifies, it becomes hard and changes into bone.
Collins: to change or develop into bone.
49
Solidify
Longman: to become solid or make something solid.
Cambridge: to change from being a liquid or gas to a solid form, or to make something do
this.
Collins: when a liquid solidifies or is solidified, it changes into a solid.
Starch
Longman: to make cloth stiff, using starch.
Cambridge: to make clothes stiff by washing them with starch.
Collins: if you starch cloth, you make it stiffer using starch.
Stiffen
Longman: to make material stiff so that it will not bend easily.
Cambridge: to become firm or more difficult to bend.
Collins: if something such as cloth is stiffened, it is made firm so that it does not bend
easily.
Strengthen
Longman: to become stronger or make something stronger.
Cambridge: to become more powerful or more difficult to break, or to make something
stronger.
Collins: if something strengthens an object or structure, it makes it able to be treated
roughly or able to support heavy weights, without being damaged or destroyed.
Temper
Longman: to make metal as hard as is needed by heating it and then putting it in cold
water.
Cambridge: to heat and then cool a metal in order to make it hard.
Collins: to be or become tempered.
50
Toughen
Longman: to become tougher, or to make someone or something tougher.
Cambridge: to make something or someone tough, strong, or stronger.
Collins: if you toughen something or if it toughens, you make it stronger so that it will not
break easily.
Vitrify
Longman: if a substance vitrifies or is vitrified, it changes into glass.
Cambridge: to change, or change something, into glass, or into a substance that is like
glass, usually with the use of heat.
Collins: to change into glass or a glasslike substance by fusion due to heat; make or
become vitreous.
Fortalecer
Clave: Hacer más fuerte o vigoroso.
Salamanca: Dar < una persona o una cosa > fuerza a [una persona] o a [una cosa].
Wordreference: Dar fuerza.
Robustecer
Clave: Hacer más fuerte y más resistente.
Salamanca: Hacer < una persona o una cosa > que [otra persona u otra cosa] sea robusta o
más robusta.
Wordreference: Hacer algo o a alguien robusto y resistente.
Templar
Clave: Referido a un material, enfriarlo bruscamente en un líquido para mejorar algunas de
sus propiedades.
Salamanca: Dar < una persona > a [un metal o el cristal] dureza o elasticidad.
51
Wordreference: Enfriar bruscamente en un cuerpo líquido un material calentado por
encima de determinada temperatura.
Vigorizar
Clave: Fortalecer, revitalizar o dar vigor.
Salamanca: Dar < una cosa > vigor [a un ser vivo o a otra cosa].
Wordreference: Dar vigor.
Compactar
Clave: Hacer compacto o comprimir de modo que no queden huecos o que queden pocos.
Salamanca: Hacer < una persona o una cosa > compacta [una cosa].
Wordreference: Apretar, apiñar, hacer compacta una cosa.
Solidificar
Clave: Referido a un fluido, hacerlo sólido.
Salamanca: Hacer < una persona o una cosa > que [un cuerpo] pase del estado líquido al
sólido.
Wordreference: Hacer sólido un fluido.
A partir de la información obtenida en los diccionarios se toman temper y templar
para crear conceptos terminales ya que comparten el genus con +HARDEN_00 y además
tienen differentiae marcadas que permiten codificar esta información en COREL. Se
descartan compact, consolidate, fortify, fossilize, starch, stiffen, strengthen, toughen,
fortalecer, compactar y vigorizar puesto que no comparten el genus del concepto padre
+HARDEN_00 y, por tanto, pertenecen a otras dimensiones cognitivas distintas de la
tratada. Sin embargo, durante la realización del análisis se llega a la conclusión de que
crystallize, ossify, solidify, vitrify, cristalizar y solidificar sirven para crear terminales del
concepto básico +CHANGE_00 el cual es superordinado de +HARDEN_00 puesto que
como se puede apreciar en la Figura 18, +CHANGE_00 indica que hay una transformación
y un cambio de estado y esto es lo que sucede con estos verbos.
52
Figura 18. El concepto básico +CHANGE_00
Para clarificar el análisis se presentan las Tablas 7-10 en las que se procede a
representar en lenguaje Corel los conceptos terminales $TEMPER_00,
$CRYSTALLYZE_00, $OSSIFY y $SOLIDIFY. A su vez, se incluye en las tablas la
información recogida en los diccionarios y además se aprecia como los verbos templar y
solidificar se aglutinaran en las cajas del español de los respectivos conceptos terminales
ya que poseen las mismas propiedades y vitrify se aglutina como sinónimo de crystallize.
CONCEPT: $TEMPER_00
Longman: to make metal as hard as is needed by heating it and then putting it in cold water.
Cambridge: to heat and then cool a metal in order to make it hard.
Collins: to be or become tempered.
SUPERORDINATE(S): +HARDEN _00
THEMATIC FRAME: (x1)Theme (x2: +METAL_00)Referent
MEANING POSTULATE: +(e1: +HARDEN_00 (x1)Theme (x2)Referent (f1: (e2:
+HEAT_00 (x1)Theme (x2)Referent))Means (f2: (e3: nfut +COOL_00 (x1)Theme
(x2)Referent))Means)
DESCRIPTION: to heat and then cool a metal in order to make it hard.
53
UNIDADES LEXICAS ASOCIADAS: templar.
Tabla 7. Información del concepto terminal $TEMPER_00
La información del concepto terminal $TEMPER_00 presente en la Tabla 7 sirve
de ejemplo para localizar el uso de un operador temporal, puesto que a la hora de codificar
que un metal se templa calentándolo y luego introduciéndolo en agua fría, debemos poner
el operador temporal “nfut” en el e3 haciendo así alusión a un futuro cercano.
CONCEPT: $CRYSTALLYZE_00
Longman: if a liquid crystallizes, it forms crystals.
Cambridge: if a liquid crystallizes, it turns into crystals.
Collins: if a substance crystallizes, or something crystallizes it, it turns into crystals.
SUPERORDINATE(S): +CHANGE_00
THEMATIC FRAME: (x1)Theme (x2: +LIQUID_00)Referent
MEANING POSTULATE: +(e1: +CHANGE_00 (x1)Theme (x2)Referent (f1: (e2:
+BECOME_00 (x2)Theme (x3: ++GLASS_00)Attribute))Result)
DESCRIPTION: if a liquid crystallizes, or something crystallizes it turns into crystals.
UNIDADES LEXICAS ASOCIADAS: vitrify, cristalizar.
Tabla 8. Información del concepto terminal $CRYSTALLYZE_00
CONCEPT: $OSSIFY_00
Longman: to change into bone or to make something change into bone.
Cambridge: if body tissue ossifies, it becomes hard and changes into bone.
Collins: to change or develop into bone.
SUPERORDINATE(S): +CHANGE_00
THEMATIC FRAME: (x1)Theme (x2)Referent
MEANING POSTULATE: +(e1: ++CHANGE_00 (x1)Theme (x2)Referent (f1: (e2:
54
+BECOME_00 (x2)Theme (x3: +BONE_00)Attribute))Result)
DESCRIPTION: to change into bone or to make something change into bone.
UNIDADES LEXICAS ASOCIADAS: templar.
Tabla 9. Información del concepto terminal $OSSIFY_00
CONCEPT: $SOLIDIFY_00
Longman: to become solid or make something solid.
Cambridge: to change from being a liquid or gas to a solid form, or to make something do
this.
Collins: when a liquid solidifies or is solidified, it changes into a solid.
SUPERORDINATE(S): +CHANGE_00
THEMATIC FRAME: (x1)Theme (x2: +LIQUID_00 ^ +GAS_00)Referent
MEANING POSTULATE: +(e1: +CHANGE_00 (x1)Theme (x2)Referent (f1: (e2:
+BECOME_00 (x2)Theme (x4: +SOLID_00)Attribute))Result)
DESCRIPTION: to change from being a liquid or gas to a solid form.
UNIDADES LEXICAS ASOCIADAS: solidificar.
Tabla 10. Información del concepto terminal $SOLIDIFY_00
A continuación vamos a analizar algunos conceptos básicos de la ontología de entidades
con el fin de crear nuevos conceptos terminales en dicha ontología. A diferencia de la
ontología de eventos, la ontología de entidades no tiene marcos temáticos en la
información conceptual. El resto de información se organiza del mismo modo que en la
ontología de eventos (cf. epígrafe 2.2.)
55
4.5. El concepto +VEHICLE_00
Figura 19. El concepto básico +VEHICLE_00
El concepto básico +VEHICLE_00 como se puede apreciar en la Figura 19, depende del
superordinado +TRANSPORT_00 y su PS hace referencia a un medio de transporte
terrestre. Este concepto se subdivide en distintos tipos de transporte como son
+BICYCLE_00, +BUS_00, +CAR_00, +MOTORCYCLE_00 y +TRAIN_00. A
continuación, se presentan las palabras obtenidas de la búsqueda en tesauros para el inglés
y el español, y las definiciones de los diccionarios con el fin de buscar conceptos que
permitan crear terminales dentro del concepto +VEHICLE_00 o de los conceptos en los
que se subdivide.
Inglés: jeep, truck, van y buggy.
Español: jeep, camioneta, camión, furgoneta y calesa.
Jeep
Longman: a type of car made for travelling over rough ground.
Cambridge: a brand name for a type of small strong vehicle used for travelling over rough
ground, especially by the army.
56
Collins: a small military road vehicle with four-wheel drive.
Truck
Longman: a large road vehicle used to carry goods.
Cambridge: a large road vehicle that is used for transporting large amounts of goods.
Collins: any wheeled vehicle used to move goods.
Van
Longman: a vehicle used especially for carrying goods, which is smaller than a truck and
has a roof and usually no windows at the sides.
Cambridge: a medium-sized road vehicle, used especially for carrying goods, that often
has no windows in the sides at the back.
Collins: a covered motor vehicle for transporting goods, etc, by road.
Buggy
Longman: a light carriage pulled by a horse.
Cambridge: a small car, usually with no roof, designed for driving on rough ground.
Collins: a light horse-drawn carriage having either four wheels or two wheels.
Jeep
Clave: todoterreno.
Salamanca: Vehículo ligero y resistente que puede circular fuera de la carretera por
terrenos y caminos difíciles.
Wordreference: Automóvil de gran potencia, ideado para adaptarse a todo tipo de terrenos.
Camioneta
Clave: Vehículo automóvil más pequeño que el camión.
Salamanca: Vehículo automóvil de cuatro ruedas parecido al camión pero más pequeño,
para transportar mercancías.
57
Wordreference: Vehículo automóvil menor que el camión, empleado generalmente para el
transporte de mercancías.
Camión
Clave: Vehículo automóvil grande, de cuatro o más ruedas, que se usa generalmente para
transportar cargas pesadas
Salamanca: Vehículo automóvil de cuatro o más ruedas, acondicionado para transportar
mercancías pesadas o voluminosas.
Wordreference: Vehículo automóvil grande, de cuatro o más ruedas, destinado al
transporte de mercancías pesadas.
Furgoneta
Clave: Vehículo cubierto, más pequeño que un camión, destinado al reparto de mercancías.
Salamanca: Vehículo más pequeño que un camión, con puertas traseras o laterales, que
sirve para el transporte de pasajeros o de mercancías.
Wordreference: Pequeño vehículo cerrado, más pequeño que el camión, destinado al
transporte de mercancías.
Calesa
Clave: Coche de caballos de dos o cuatro ruedas, abierto por delante y con capota.
Salamanca: Coche de caballos de dos o cuatro ruedas con capota abatible y caja abierta por
delante.
Wordreference: Carruaje abierto por delante, con capota, de dos o cuatro ruedas.
Posteriormente a la realización del análisis se concluye que jeep, truck, van y buggy
sirven para crear conceptos terminales. A la hora de organizar estos nuevos conceptos
dentro de FunGramKB se tiene en cuenta que jeep se entiende como un tipo de coche por
lo que irá subordinado al concepto +CAR_00 ya que comparte sus genus como se aprecia
en la Figura 20. Truck, van y buggy se codificarán como subordinados de +VEHICLE_00
pues comparten el genus de este concepto padre y además presentan differentiae que
58
permiten expresarlos en lenguaje COREL. A estos conceptos terminales se les asignarán
las unidades léxicas jeep, camioneta, camión, furgoneta y calesa en sus respectivos
cajetines del español.
Figura 20. El concepto básico +CAR_00
A continuación, se presentan las Tablas 11-14 en las que se recoge la información obtenida
de los diccionarios de cada concepto terminal y se codifican los conceptos en lenguaje
COREL.
CONCEPT: $JEEP_00
Longman: a type of car made for travelling over rough ground.
Cambridge: a brand name for a type of small strong vehicle used for travelling over rough
ground, especially by the army.
Collins: a small military road vehicle with four-wheel drive.
SUPERORDINATE(S): +CAR_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $JEEP_00)Theme (x2:
+CAR_00)Referent) +(e2: +USE_00 (x3: +TRAVEL_00)Referent) *+(e3: +BE_00 (x4:
59
+GROUND_00)Theme (x5: +NATURAL_OBJECT_00 & +MATERIAL_00)Referent)
*(e4: +BE_01 (x1)Theme (x6: +ROUGH_00)Attribute)
DESCRIPTION: A type of car used normally by the army for travelling over rough
ground.
UNIDADES LEXICAS ASOCIADAS: jeep.
Tabla 11. Información del concepto terminal $JEEP_00
CONCEPT: $TRUCK_00
Longman: a large road vehicle used to carry goods.
Cambridge: a large road vehicle that is used for transporting large amounts of goods.
Collins: any wheeled vehicle used to move goods.
SUPERORDINATE(S): +VEHICLE_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $TRUCK_00)Theme (x2:
+VEHICLE_00)Referent) +(e2: +BE_01 (x3)Theme (x4: +BIG_00)Attribute)
+(e3: +BE_00 (x5)Theme (x6: m+QUANTITY_00 ^ m+SIZE_00)Referent)
DESCRIPTION: A large road vehicle used for transporting large goods or a large amount
of goods.
UNIDADES LEXICAS ASOCIADAS: camión.
Tabla 12. Información del concepto terminal $TRUCK_00
CONCEPT: $VAN_00
Longman: a vehicle used especially for carrying goods, which is smaller than a truck and
has a roof and usually no windows at the sides.
Cambridge: a medium-sized road vehicle, used especially for carrying goods, that often has
no windows in the sides at the back.
Collins: a covered motor vehicle for transporting goods, etc, by road.
SUPERORDINATE(S): +VEHICLE_00
60
MEANING POSTULATE: +(e1: +BE_00 (x1: VAN_00)Theme (x2:
+VEHICLE_00)Referent) +(e2: +BE_01 (x3)Theme (x4: +SMALL_00)Attribute)
+(e3: +BE_00 (x5)Theme (x6: $TRUCK _00)Referent)
DESCRIPTION: a medium sized vehicle used for carrying goods with no windows at the
sides.
UNIDADES LEXICAS ASOCIADAS: camioneta y furgoneta.
Tabla 13. Información del concepto terminal $VAN_00
CONCEPT: $BUGGY_00
Longman: a light carriage pulled by a horse.
Cambridge: a small car, usually with no roof, designed for driving on rough ground.
Collins: a light horse-drawn carriage having either four wheels or two wheels.
SUPERORDINATE(S): +VEHICLE _00
MEANING POSTULATE: +(e1: +BE_00 (x1: $BUGGY_00)Theme (x2:
+VEHICLE_00)Referent) +(e2: +PULL_00 (x2)Theme (x3)+HORSE_00)Referent)
+(e3: +COMPRISE_00 (x4)Theme (x5: 2^4 +WHEEL_00)Referent)
DESCRIPTION: a light horse-drawn carriage having either four wheels or two wheels.
UNIDADES LEXICAS ASOCIADAS: calesa.
Tabla 14. Información del concepto terminal $BUGGY_00
61
4.6. El concepto +HOUSE_00
Figura 21. El concepto básico +HOUSE_00
El concepto +HOUSE_00 está subordinado al concepto +DWELLING_00. En la Figura 21
se muestra su PS, y este especifica que una casa es una construcción donde se puede
habitar. Con el fin de crear conceptos terminales que partan del concepto +HOUSE_00 se
debe tener en cuenta que tiene subordinados un concepto terminal $PROSTITUTE_D_01 y
un concepto básico +PALACE_00. Realizando una búsqueda en diversos diccionarios se
toman los siguientes conceptos para el análisis:
Inglés: bungalow, apartment, mansion y flat.
Español: apartamento, mansión y bungaló.
Bungalow
Longman: a house that is all on ground level.
Cambridge: a house that usually has only one storey (= level), sometimes with a smaller
upper storey set in the roof and windows that come out from the roof.
Collins: a one storey-house, sometimes with an attic.
62
Apartment
Longman: a set of rooms on one floor of a large building, where someone lives.
Cambridge: a set of rooms for living in, especially on one floor of a building.
Collins: any room in a building, usually one of several forming a suite, esp. one that is
spacious and well furnished and used as living accommodation, offices, etc.
Mansion
Longman: a very large house.
Cambridge: a very large, expensive house.
Collins: a large and imposing house.
Flat
Longman: a place for people to live that consists of a set of rooms that are part of a larger
building.
Cambridge: apartment a set of rooms for living in that are part of a larger building and are
usually all on one floor.
Collins: a set of rooms comprising a residence entirely on one floor of a building.
Apartamento
Clave: Vivienda de pequeñas dimensiones, que consta de una o dos habitaciones, con una
cocina y un cuarto de baño pequeños, y que generalmente está situada en un edificio en el
que hay otras similares.
Salamanca: Vivienda, generalmente pequeña, situada en un edificio donde existen otras
viviendas del mismo tipo.
Wordreference: Vivienda, generalmente pequeña, que forma parte de un edificio en el que
hay otras similares.
Mansión
Clave: Casa grande y señorial.
Salamanca: Casa grande tradicional o con mucho lujo.
63
Wordreference: Residencia,casa grande y señorial.
Bungaló
Clave: Casa de campo o de playa, esp. si es de una sola planta y de estructura
arquitectónica sencilla.
Salamanca: Casa pequeña de una sola planta situada en lugares de descanso, en el campo o
en la playa.
Wordreference: Casa de campo o playa, con una sola planta y portal o galería en la parte
frontal.
Al analizar las definiciones de bungalow, apartment y mansion se observa que
sirven para crear conceptos terminales. En este caso, todos los conceptos parten de
+HOUSE_00 como su concepto padre y se les asignarán las unidades léxicas bungaló,
mansión y apartamento en sus cajetines específicos para el español. En el concepto
terminal que se creará tomando apartment se debe tener en cuenta que flat comparte rasgos
léxicos muy similares, por lo que se incluirá como sinónimo del inglés en el
correspondiente cajetín.
A continuación se presentan las Tablas 15-17 que recogen la información sobre los
terminales $BUNGALOW, $MANSION y $APARTMENT obtenida al utilizar los
diccionarios. En cada tabla se codifica esta información para pasarla al lenguaje COREL.
CONCEPT: $BUNGALOW_00
Longman: a house that is all on ground level.
Cambridge: a house that usually has only one storey (= level), sometimes with a smaller
upper storey set in the roof and windows that come out from the roof.
Collins: a one storey-house, sometimes with an attic.
SUPERORDINATE(S): +HOUSE _00
MEANING POSTULATE: +(e1: +BE_00 (x1: $BUNGALOW_00)Theme (x2:
+HOUSE_00)Referent) +(e2: +BE_01 (x3)Theme (x4: +SMALL_00)Attribute)
DESCRIPTION: a house on ground level.
64
UNIDADES LEXICAS ASOCIADAS: bungaló.
Tabla 15. Información del concepto terminal $BUNGALOW_00
CONCEPT: $APARTMENT_00
Longman: a set of rooms on one floor of a large building, where someone lives.
Cambridge: a set of rooms for living in, especially on one floor of a building.
Collins: any room in a building, usually one of several forming a suite, esp. one that is
spacious and well furnished and used as living accommodation, offices, etc.
SUPERORDINATE(S): +HOUSE _00
MEANING POSTULATE: +(e1: +BE_00 (x1: $APARTMENT_00)Theme (x2:
+HOUSE_00)Referent) +(e2: +LIVE_01 (x3)Theme (x1)Location)
DESCRIPTION: a set on rooms in a floor of a building for someone to live in.
UNIDADES LEXICAS ASOCIADAS: apartamento y flat.
Tabla 16. Información del concepto terminal $APARTMENT_00
CONCEPT: $MANSION_00
Longman: a very large house.
Cambridge: a very large, expensive house.
Collins: a large and imposing house.
SUPERORDINATE(S): +HOUSE _00
MEANING POSTULATE: +(e1: +BE_00 (x1: $MANSION_00)Theme (x2:
+HOUSE_00)Referent) +(e2: +BE_01 (x3)Theme (x4: +BIG_00)Attribute) +(e3:
+BE_01: (x4)Theme (x5: +EXPENSIVE_00)Attribute)
DESCRIPTION: A large and expensive house.
UNIDADES LEXICAS ASOCIADAS: mansión.
Tabla 17. Información del concepto terminal $MANSION_00
65
4.7. El concepto +ANIMAL_00
Figura 22. El concepto básico +ANIMAL_00
El concepto +ANIMAL_00 está subordinado al concepto +ORGANISM_00. En su PS,
que se muestra en la Figura 22, se expresa que un animal es un organismo que está vivo y
puede tener la capacidad de moverse. El concepto +ANIMAL_00 presenta diversos
conceptos subordinados por lo que para poder proceder a la creación de terminales se parte
de +INVERTEBRATE_00 y más concretamente de +INSECT_00 y +CRUSTACEAN. En
primer lugar se procede al análisis del concepto +INSECT_00 cuya información se
presenta en la Figura 23.
66
Figura 23. El concepto básico +INSECT_00
Entendemos al observar la Figura 23 que un insecto es un ser invertebrado que
además es pequeño y puede tener patas y alas. En los cajetines vemos que dicho concepto
se lexicaliza como bug e insect en inglés y como bicho e insecto en español.
Posteriormente a la comprobación de la información de +INSECT_00 presente en
FunGramKB se procede a la búsqueda de posibles conceptos terminales utilizando tesauros
y diccionarios para obtener definiciones.
Inglés: beetle, butterfly, centipede, cockroach, cricket, dragonfly, mosquito, moth, termite y
wasp.
Español: mariposa, avispa, escarabajo, caracol, grillo, ciempiés, cucaracha, mosquito,
libélula y polilla.
Beetle
Longman: an insect with a round hard back that is usually black.
Cambridge: an insect with a hard shell-like back.
Collins: any insect of the order Coleoptera, having biting mouthparts and forewings
modified to form shell-like protective elytra.
67
Butterfly
Longman: a type of insect that has large wings, often with beautiful colours.
Cambridge: a type of insect with large, often brightly coloured wings.
Collins: any diurnal insect of the order Lepidoptera that has a slender body with clubbed
antennae and typically rests with the wings (which are often brightly coloured) closed over
the back.
Centipede
Longman: a small creature like a worm with a lot of very small legs.
Cambridge: a small, long, thin animal with many legs.
Collins: any carnivorous arthropod of the genera Lithobius, Scutigera, etc., having a body
of between 15 and 190 segments, each bearing one pair of legs.
Cockroach
Longman: a large black or brown insect that lives in dirty houses, especially if they are
warm and there is food to eat.
Cambridge: a flat, brown or black insect sometimes found in the home.
Collins: any insect of the suborder Blattodea (or Blattaria). They have an oval flattened
body with long antennae and biting mouthparts and are common household pests.
Cricket
Longman: a small brown insect that can jump, and that makes a rough sound by rubbing its
wings together.
Cambridge: a brown or black insect that makes short, loud noises by rubbing its wings
together.
Collins: any insect of the orthopterous family Gryllidae, having long antennae and, in the
males, the ability to produce a chirping sound (stridulation) by rubbing together the
leathery forewings.
Dragonfly
68
Longman: a brightly-coloured insect with a long thin body and transparent wings which
lives near water.
Cambridge: a large insect with a long, thin, brightly coloured body and two pairs of
transparent wings.
Collins: any predatory insect of the suborder Anisoptera, having a large head and eyes, a
long slender body, two pairs of iridescent wings that are outspread at rest, and aquatic
larvae: order Odonata.
Mosquito
Longman: a small flying insect that sucks the blood of people and animals, sometimes
spreading the disease malaria.
Cambridge: a small flying insect that bites people and animals and sucks their blood.
Collins: any dipterous insect of the family Culicidae: the females have a long proboscis
adapted for piercing the skin of man and animals to suck their blood.
Moth
Longman: an insect related to the butterfly that flies mainly at night and is attracted to
lights.
Cambridge: an insect with wings that is similar to a butterfly, usually flies at night, and is
attracted to light.
Collins: any of numerous insects of the order Lepidoptera that typically have stout bodies
with antennae of various shapes (but not clubbed), including large brightly coloured
species, such as hawk moths, and small inconspicuous types, such as the clothes moths.
Termite
Longman: an insect that eats and destroys wood from trees and buildings.
Cambridge: a small tropical insect that eats wood.
Collins: any whitish ant-like social insect of the order Isoptera, of warm and tropical
regions. Some species feed on wood, causing damage to furniture, buildings, trees, etc.
Wasp
69
Longman: a thin black and yellow flying insect that can sting you.
Cambridge: a flying insect, often black and yellow, that can sting (= produce a small,
painful skin injury).
Collins: any social hymenopterous insect of the family Vespidae, esp. Vespula vulgaris
(common wasp), typically having a black-and-yellow body and an ovipositor specialized
for stinging
Mariposa
Clave: Adulto de gran número de especies de insectos lepidópteros, que se caracteriza
porque presenta dos pares de alas membranosas, generalmente de vistosos colores.
Salamanca: Insecto en su fase adulta, que ha pasado antes por la fase de oruga, y tiene dos
pares de alas membranosas de varios colores y cubiertas de escamas muy pequeñas.
Wordreference: Nombre común de la fase adulta de diversos insectos lepidópteros,con dos
pares de alas membranosas,a menudo de colores vistosos.
Avispa
Clave: Insecto parecido a la abeja, pero de cuerpo amarillo con listas negras, que está
provisto de un aguijón con el que pica y que vive en sociedad.
Salamanca: insectos himenópteros de cuerpo negro y amarillo y picadura muy dolorosa.
Wordreference: Nombre común de varios insectos himenópteros provistos de aguijón de 1
a 1, 5 cm de largo, de color amarillo con fajas negras, que vive en sociedad.
Escarabajo
Clave: insecto coleóptero, esp. el de cuerpo grande y patas cortas.
Salamanca: insecto coleóptero de cuerpo ovalado, patas cortas y un par de alas duras, que
generalmente recubren otro par de alas plegadas.
Wordreference: Nombre común de numerosos insectos coleópteros, con el cuerpo ovalado
y patas cortas, de tamaño variable que oscila entre unos milímetros y 15 cm. Tienen las
alas anteriores transformadas en élitros.
Termita
70
Clave: Insecto roedor, propio de zonas tropicales o cálidas, de coloración pálida, que vive
en colonias organizadas por castas y se alimenta comúnmente de madera.
Salamanca: Insecto pequeño que vive en la madera, de la que algunas especies se
alimentan, o en nidos bajo tierra.
Wordreference: Nombre común de las más de 2.000 especies de insectos isópteros que no
superan los 5 mm, excepto la reina, que alcanza hasta 10 cm, de color blanquecino y vida
social organizada en castas, de gran voracidad, que viven en la madera, de la que algunas
especies se alimentan, o en nidos bajo tierra.
Grillo
Clave: Insecto de unos tres centímetros, de color negro rojizo, cabeza redonda y ojos
prominentes, cuyo macho, cuando está tranquilo, sacude y roza los élitros o alas interiores
produciendo un sonido agudo y monótono.
Salamanca: insecto de color oscuro, con el cuerpo y la cabeza gruesos, que tiene un par de
alas duras con las que el macho produce un sonido agudo y monótono.
Wordreference: nombre común de diversos insectos ortópteros de hasta 3 cm de largo,
color negro o marrón, cabeza redonda, ojos prominentes y patas adaptadas al salto.
Ciempiés
Clave: Animal invertebrado de respiración traqueal, dos antenas, cuerpo alargado y con un
par de patas en cada uno de los numerosos anillos en que tiene dividido el cuerpo.
Salamanca: Animal miriápodo con el cuerpo dividido en muchos segmentos con patas, las
primeras en forma de pinzas con las que introduce el veneno.
Wordreference: Nombre común de los artrópodos miriápodos con un par de patas en cada
uno de los veintiún anillos en que se divide su cuerpo. En la cabeza tienen unas tenazas
con las que muerden a los animales y les inyectan veneno.
Cucaracha
Clave: Insecto de cuerpo en forma ovalada y aplanada, de color negro por encima y rojizo
por debajo, con aparato bucal masticador, seis patas casi iguales y el abdomen terminado
en dos puntas articuladas
71
Salamanca: insecto ortóptero, nocturno y corredor, de unos tres centímetros de largo,
cuerpo deprimido, aplanado, de color negro por encima y rojizo por debajo, alas y élitros
rudimentarios en la hembra, antenas filiformes, las seis patas casi iguales y el abdomen
terminado por dos puntas articuladas.
Wordreference: Nombre común de diversos insectos ortópteros nocturnos, de unos 3 cm de
largo, cuerpo aplanado, con alas y élitros rudimentarios en la hembra, antenas filiformes,
las seis patas casi iguales y el abdomen terminado en dos puntas articuladas. Se alimentan
de restos animales y vegetales y pueden constituir plagas.
Mosquito
Clave: Insecto de menor tamaño que la mosca, con dos alas transparentes, patas largas y
finas y un aparato bucal chupador en forma de trompa con un aguijón final.
Salamanca: Insecto delgado y pequeño de patas largas, cuyas hembras tienen un órgano
con el que chupan la sangre de los mamíferos y producen una picadura molesta.
Wordreference: Nombre común de diversas especies de insectos dípteros pequeños y
delgados,con dos alas transparentes y patas largas,cuya hembra chupa la sangre de las
personas y de los animales de piel fina y produce una picadura molesta.
Libélula
Clave: Nombre común de diversos insectos odonatos que miden entre 30 y 80 mm, con
cuatro alas iguales y transparentes y abdomen alargado, cuyas larvas, carnívoras, viven en
las aguas estancadas.
Salamanca: Insecto de cuerpo alargado y dos pares de grandes alas iguales, que en estado
de larva es acuático y habita en zonas de aguas estancadas.
Wordreference: Insecto de vuelo rápido con cuatro alas estrechas, cuerpo cilíndrico muy
fino y largo, que suele vivir junto a estanques y ríos.
Polilla
Clave: Mariposa, generalmente nocturna, de pequeño tamaño y color grisáceo, cuya larva
es dañina.
72
Salamanca: lepidóptero nocturno cuya larva destruye diversos materiales y que en su
desarrollo pasa primero por la fase de oruga.
Wordreference: Nombre común de diversas especies de insectos lepidópteros nocturnos de
pequeño tamaño cuya larva destruye la lana,tejidos,pieles,papel,etc.
Inglés: beetle, butterfly, centipede, cockroach, cricket, dragonfly, mosquito, moth, termite
y wasp. (terminales)
Español: mariposa, avispa, escarabajo, grillo, ciempiés, cucaracha, mosquito, libélula y
polilla. (aglutinar en las cajas del español)
Como se puede observar, una búsqueda en diferentes diccionarios nos proporciona
diferentes tipos de insectos. Al concluir el análisis se toman beetle, butterfly, centipede,
cockroach, cricket, dragonfly, mosquito, moth, termite y wasp para crear conceptos
terminales partiendo de +INSECT_00 ya que comparten el genus y presentan differentiae.
A su vez, se utilizarán las unidades léxicas correspondientes a estos nuevos conceptos
terminales para aglutinarlas como sinónimos del español en los correspondientes cajetines.
Seguidamente se presentan las tablas 18-27 que recogen la información obtenida en
los diccionarios sobre cada concepto terminal y a su vez la representan en lenguaje
COREL.
CONCEPT: $BEETLE _00
Longman: an insect with a round hard back that is usually black.
Cambridge: an insect with a hard shell-like back.
Collins: any insect of the order Coleoptera, having biting mouthparts and forewings
modified to form shell-like protective elytra.
SUPERORDINATE(S): +INSECT_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $BEETLE_00)Theme (x2:
+INSECT_00)Referent) +(e2: +HAVE_00 (x1)Theme (x3: +SHELL_00)Referent )
+(e2: +BE_02 (x3)Theme (x4)Location (f1: +BACK_00)Position)
DESCRIPTION: an insect with a hard shell-like back.
UNIDADES LEXICAS ASOCIADAS: escarabajo.
Tabla 18. Información del concepto terminal $BEETLE_00
73
CONCEPT: $BUTTERFLY _00
Longman: a type of insect that has large wings, often with beautiful colours.
Cambridge: a type of insect with large, often brightly coloured wings.
Collins: any diurnal insect of the order Lepidoptera that has a slender body with clubbed
antennae and typically rests with the wings (which are often brightly coloured) closed over
the back.
SUPERORDINATE(S): +INSECT_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $BUTTERFLY_00)Theme (x2:
+INSECT_00)Referent) +(e2: +HAVE_00 (x1)Theme (x3: +WING_00))Referent) *(e3:
+BE_01(x3: +BIG_00 & +BEAUTIFUL_00 & m +COLOUR_00)Attribute)
DESCRIPTION: an insect with large beautiful and colourful wings.
UNIDADES LEXICAS ASOCIADAS: mariposa.
Tabla 19. Información del concepto terminal $BUTTERFLY_00
CONCEPT: $CENTIPEDE _00
Longman: a small creature like a worm with a lot of very small legs.
Cambridge: a small, long, thin animal with many legs.
Collins: any carnivorous arthropod of the genera Lithobius, Scutigera, etc., having a body
of between 15 and 190 segments, each bearing one pair of legs.
SUPERORDINATE(S): +INSECT_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $CENTIPEDE_00)Theme (x2:
+INSECT_00)Referent) +(e2: +BE_01 (x1)Theme (x3: +SMALL_00 & +LONG_00 &
+THIN_00)Attribute) +(e3: +HAVE (x5: m +LEG_00)Attribute)
DESCRIPTION: a small, long and thin insect with many legs.
UNIDADES LEXICAS ASOCIADAS: ciempiés.
Tabla 20. Información del concepto terminal $CENTIPEDE_00
74
CONCEPT: $COCKROACH _00
Longman: a large black or brown insect that lives in dirty houses, especially if they are
warm and there is food to eat.
Cambridge: a flat, brown or black insect sometimes found in the home.
Collins: any insect of the suborder Blattodea (or Blattaria). They have an oval flattened
body with long antennae and biting mouthparts and are common household pests.
SUPERORDINATE(S): +INSECT_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $COCKROACH_00)Theme (x2:
+INSECT_00)Referent) +(e2: +BE_00 (x3: +BROWN_00 ^ +BLACK_00)Attribute
*(e3: +LIVE (x4: +HOUSE_00)Location)
DESCRIPTION: A brown or black insect that lives in a house.
UNIDADES LEXICAS ASOCIADAS: cucaracha.
Tabla 21. Información del concepto terminal $COCKROACH_00
CONCEPT: $CRICKET _00
Longman: a small brown insect that can jump, and that makes a rough sound by rubbing its
wings together.
Cambridge: a brown or black insect that makes short, loud noises by rubbing its wings
together.
Collins: any insect of the orthopterous family Gryllidae, having long antennae and, in the
males, the ability to produce a chirping sound (stridulation) by rubbing together the leathery
forewings.
SUPERORDINATE(S): +INSECT_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $CRICKET_00)Theme (x2:
+INSECT_00)Referent) +(e2: +BE_00 (x3: +SMALL_00 & BROWN_00)Attribute
+(e3: +JUMP_00)Attribute) *(e4: +BE_01 (x5)Theme (x6: +LOUD_00)Attribute)
DESCRIPTION: a small brown insect that can jump, and that makes a loud sound.
UNIDADES LEXICAS ASOCIADAS: grillo.
75
Tabla 22. Información del concepto terminal $CRICKET_00
CONCEPT: $DRAGONGLY _00
Longman: a brightly-coloured insect with a long thin body and transparent wings which
lives near water.
Cambridge: a large insect with a long, thin, brightly coloured body and two pairs of
transparent wings.
Collins: any predatory insect of the suborder Anisoptera, having a large head and eyes, a
long slender body, two pairs of iridescent wings that are outspread at rest, and aquatic
larvae: order Odonata.
SUPERORDINATE(S): +INSECT_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $DRAGONFLY_00)Theme (x2:
+INSECT_00)Referent) +(e2: +HAVE_00 (x3: m +COLOUR_00)Attribute +(e3:
+LIVE (x4: +WATER_00)Location)
DESCRIPTION: A brightly colour insect that lives near the water.
UNIDADES LEXICAS ASOCIADAS: libélula.
Tabla 23. Información del concepto terminal $DRAGONFLY_00
CONCEPT: $MOSQUITO_00
Longman: a small flying insect that sucks the blood of people and animals, sometimes
spreading the disease malaria.
Cambridge: a small flying insect that bites people and animals and sucks their blood.
Collins: any dipterous insect of the family Culicidae: the females have a long proboscis
adapted for piercing the skin of man and animals to suck their blood.
SUPERORDINATE(S): +INSECT_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $MOSQUITO_00)Theme (x2:
+INSECT_00)Referent) +(e2: (x1)Theme +ABSORB_00 (x3: +BLOOD_00)Referent
(x4)Origin (f1: HUMAN_00 ^ ANIMAL_00)Beneficiary
76
DESCRIPTION: a small flying insect that bites people and animals and sucks their blood.
UNIDADES LEXICAS ASOCIADAS: mosquito
Tabla 24. Información del concepto terminal $MOSQUITO_00
CONCEPT: $MOTH _00
Longman: an insect related to the butterfly that flies mainly at night and is attracted to
lights.
Cambridge: an insect with wings that is similar to a butterfly, usually flies at night, and is
attracted to light.
Collins: any of numerous insects of the order Lepidoptera that typically have stout bodies
with antennae of various shapes (but not clubbed), including large brightly coloured species,
such as hawk moths, and small inconspicuous types, such as the clothes moths.
SUPERORDINATE(S): +INSECT_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $MOTH_00)Theme (x2:
+INSECT_00)Referent) +(e2: +FLY_00 (x3:+NIGHT_00)Time +(e3: +ATTRACT_00
(x3: LIGHT_00)Theme (x1)Referent)
DESCRIPTION: an insect that flies mainly at night and is attracted to lights.
UNIDADES LEXICAS ASOCIADAS: polilla.
Tabla 25. Información del concepto terminal $MOTH_00
CONCEPT: $TERMITE _00
Longman: an insect that eats and destroys wood from trees and buildings.
Cambridge: a small tropical insect that eats wood.
Collins: any whitish ant-like social insect of the order Isoptera, of warm and tropical
regions. Some species feed on wood, causing damage to furniture, buildings, trees, etc.
SUPERORDINATE(S): +INSECT_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $TERMITE_00)Theme (x2:
77
+INSECT_00)Referent) +(e2: +EAT_00 (x1)Theme (x3: +WOOD_00)Referent)
DESCRIPTION: a small tropical insect that eats and destroys wood from trees and
building.
UNIDADES LEXICAS ASOCIADAS: termita.
Tabla 26. Información del concepto terminal $TERMITE_00
CONCEPT: $WASP _00
Longman: a thin black and yellow flying insect that can sting you.
Cambridge: a flying insect, often black and yellow, that can sting (= produce a small,
painful skin injury).
Collins: any social hymenopterous insect of the family Vespidae, esp. Vespula vulgaris
(common wasp), typically having a black-and-yellow body and an ovipositor specialized for
stinging
SUPERORDINATE(S): +INSECT_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $WASP_00)Theme (x2:
+INSECT_00)Referent) +(e2: +BE_00 (x1)Theme (x3: +THIN_00 & +BLACK_00 &
+YELLOW_00)Attribute) *(e3: +STING_00 (x1)Theme (x4: +HUMAN_00 ^
ANIMAL_00)Referent)
DESCRIPTION: a thin black and yellow flying insect that can sting you.
UNIDADES LEXICAS ASOCIADAS: Avispa.
Tabla 27. Información del concepto terminal $WASP_00
78
Figura 24. El concepto básico +CRUSTACEAN_00
Para finalizar el análisis se parte del concepto +CRUSTACEAN cuyo superordinado es
+INVERTEBRATE. Como se aprecia en la Figura 24, el PS de +CRUSTACEAN
representa que un crustáceo puede habitar en el agua y tener diversas patas. Se toman las
siguientes palabras obtenidas de una búsqueda en tesauros del inglés y el español para
realizar una búsqueda en los distintos diccionarios y proceder a su análisis:
Ingles: crab, lobster, shrimp, krill y woodlouse.
Español: kril, cangrejo, cochinilla, gamba y langosta.
Crab
Longman: a sea animal with a hard shell, five legs on each side, and two large claws.
Cambridge: a sea creature with five pairs of legs and a round, flat body covered by a shell,
or its flesh eaten as food.
Collins: any chiefly marine decapod crustacean of the genus Cancer and related genera
(section Brachyura), having a broad flattened carapace covering the cephalothorax,
beneath which is folded the abdomen. The first pair of limbs are modified as pincers.
Lobster
79
Longman: a sea animal with eight legs, a shell, and two large claws.
Cambridge: an animal that lives in the sea and has a long body covered with a hard shell,
two large claws, and eight legs, or its flesh when used as food.
Collins: any of several large marine decapod crustaceans of the genus Homarus, esp. H.
vulgaris, occurring on rocky shores and having the first pair of limbs modified as large
pincers.
Shrimp
Longman: a small sea creature that you can eat, which has ten legs and a soft shell.
Cambridge: a very small sea creature similar to a prawn but smaller, or its flesh eaten as
food.
Collins: any of various chiefly marine decapod crustaceans of the genus Crangon and
related genera, having a slender flattened body with a long tail and a single pair of pincers.
Krill
Longman: small shellfish.
Cambridge: very small animals with a hard outer shell that live in the sea and are eaten in
large numbers by some types of whale.
Collins: any small shrimplike marine crustacean of the order Euphausiacea: the principal
food of whalebone whales.
Woodlice
Longman: a small grey creature like an insect that lives under wood, stones etc
Cambridge: a small, dark grey creature with a hard outer shell, found under stones or in
slightly wet soil.
Collins: any of various small terrestrial isopod crustaceans of the genera Oniscus,
Porcellio, etc., which have a flattened segmented body and occur in damp habitats.
kril
Clave: Conjunto de pequeños crustáceos que forman parte del plancton marino.
80
Salamanca: Conjunto de pequeños crustáceos de alto poder nutritivo.
Wordreference: Conjunto de una gran variedad de especies de pequeños moluscos y
crustáceos, de alto poder nutritivo, que forma parte del plancton de los mares polares.
Cangrejo
Clave: Crustáceo marino o de río, con un caparazón redondeado y aplanado y cinco pares
de patas, de las cuales las dos primeras son más grandes y están provistas de pinzas.
Salamanca: Crustáceo marino de zonas rocosas, con el caparazón redondeado y pinzas
delanteras, que puede vivir fuera del agua, suele ser corredor y generalmente anda hacia
atrás.
Wordreference: nombre común de diversos crustáceos decápodos de río o de mar con las
patas delanteras acabadas en pinzas; el de río tiene el caparazón negro verdoso, y el de mar
tiene el cuerpo redondo parecido al de la araña. Son muy apreciados como alimento.
Cochinilla
Clave: Crustáceo terrestre de unos dos centímetros de largo, de forma ovalada, con el
cuerpo formado por anillos de color oscuro y numerosas patas muy cortas, que se enrosca
formando una bola para camuflarse.
Salamanca: Crustáceo muy pequeño de color negro, que al tocarlo se enrolla en forma de
bola, y habita en zonas húmedas bajo piedra u hojas.
Wordreference: Crustáceo isópodo terrestre propio de parajes húmedos, por lo que se le
llama cochinilla de la humedad, de 1 a 2 cm de largo, figura aovada y patas muy cortas.
Cuando se le toca, se hace una bola.
Gamba
Clave: Crustáceo marino comestible parecido al langostino, pero de menor tamaño.
Salamanca: Crustáceo marino de cuerpo alargado, cubierto por un caparazón y de color
rosado, muy apreciado como alimento.
Wordreference: Nombre común de diversos crustáceos decápodos comestibles menores
que el langostino.
81
Langosta
Clave: Crustáceo marino con cinco pares de patas terminadas en pequeñas uñas, cuatro
antenas, ojos prominentes, cuerpo alargado y casi cilíndrico, cola larga y gruesa, y cuya
carne es muy apreciada en gastronomía
Salamanca: Crustáceo marino bastante grande, con dos largas antenas, sin pinzas y con la
cola abierta en forma de abanico, que es muy apreciado por su carne.
Wordreference: Crustáceo marino decápodo de hasta 50 cm de longitud, con cinco pares
de patas, dos antenas laterales muy largas y fuertes, ojos prominentes, cuerpo casi
cilíndrico y cola larga y gruesa, cuya carne es muy apreciada.
Los conceptos crab, lobster, shrimp y krill sirven para crear conceptos terminales
pues comparten el genus con el concepto padre. Sin embargo, en el caso de cochinilla y
woodlouse se opta por descartar ambas palabras ya que no comparten el genus con el
concepto padre y se diferencian claramente ya que no habitan en el agua.
La información recogida de los diccionarios y la representación de los nuevos
conceptos terminales en lenguaje COREL se recoge en las siguientes Tablas 28-31.
CONCEPT: $CRAB _00
Longman: a sea animal with a hard shell, five legs on each side, and two large claws.
Cambridge: a sea creature with five pairs of legs and a round, flat body covered by a shell,
or its flesh eaten as food.
Collins: any chiefly marine decapod crustacean of the genus Cancer and related genera
(section Brachyura), having a broad flattened carapace covering the cephalothorax, beneath
which is folded the abdomen. The first pair of limbs are modified as pincers.
SUPERORDINATE(S): +CRUSTACEAN_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $CRAB_00)Theme (x2:
+CRUSTACEAN_00)Referent) +(e2: +HAVE_00 (x1)Theme (x3: 10 +LEG_00 & 2
$CLAW_00)Attribute) +(e3: +LIVE_00 (x1)Theme (x4: +SEA_00)Location)
DESCRIPTION: a sea animal with a hard shell, five legs on each side, and two large
claws.
UNIDADES LEXICAS ASOCIADAS: cangrejo.
Tabla 28. Información del concepto terminal $CRAB_00
82
CONCEPT: $LOBSTER _00
Longman: a sea animal with eight legs, a shell, and two large claws.
Cambridge: an animal that lives in the sea and has a long body covered with a hard shell,
two large claws, and eight legs, or its flesh when used as food.
Collins: any of several large marine decapod crustaceans of the genus Homarus, esp. H.
vulgaris, occurring on rocky shores and having the first pair of limbs modified as large
pincers.
SUPERORDINATE(S): +CRUSTACEAN_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $LOBSTER_00)Theme (x2:
+CRUSTACEAN_00)Referent) +(e2: +HAVE_00 (x1)Theme (x3: 8 +LEG_00 &
+SHELL_00 & 2 $CLAW_00)Attribute +(e3: +LIVE_00 (x1)Theme (x4:
+SEA_00)Location
DESCRIPTION: a sea animal with eight legs, a shell, and two large claws.
UNIDADES LEXICAS ASOCIADAS: langosta.
Tabla 29. Información del concepto terminal $LOBSTER_00
CONCEPT: $SHRIMP_00
Longman: a small sea creature that you can eat, which has ten legs and a soft shell.
Cambridge: a very small sea creature similar to a prawn but smaller, or its flesh eaten as
food.
Collins: any of various chiefly marine decapod crustaceans of the genus Crangon and
related genera, having a slender flattened body with a long tail and a single pair of pincers.
SUPERORDINATE(S): +CRUSTACEAN_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $SHRIMP_00)Theme (x2:
+CRUSTACEAN_00)Referent) +(e2: +HAVE_00 (x1)Theme (x3: 10
+LEG_00)Attribute +(e3: +LIVE_00 (x4: +SEA_00)Location *(e4: +EAT_00 (x5:
+_HUMAN_00 ^ ANIMAL_00)
DESCRIPTION: a small sea creature that you can eat, which has ten legs and a soft shell.
83
UNIDADES LEXICAS ASOCIADAS: gamba.
Tabla 30. Información del concepto terminal $SHRIMP_00
CONCEPT: $$KRILL_00
Longman: small shellfish.
Cambridge: very small animals with a hard outer shell that live in the sea and are eaten in
large numbers by some types of whale.
Collins: any small shrimplike marine crustacean of the order Euphausiacea: the principal
food of whalebone whales.
SUPERORDINATE(S): +CRUSTACEAN_00
MEANING POSTULATE: +(e1: +BE_00 (x1: $KRILL_00)Theme (x2:
+CRUSTACEAN_00)Referent) +(e2: +BE_00 (x3: m+SMALL_00)Attribute +(e3:
+HAVE (x4: +SHELL_00)Attribute +(e4: +LIVE_00 (x5: +SEA_00)Location +(e5:
+EAT_00 (x6: +WHALE_00)Theme)
DESCRIPTION: very small animals with a hard outer shell that live in the sea and are
eaten in large numbers by some types of whale.
UNIDADES LEXICAS ASOCIADAS: krill.
Tabla 31. Información del concepto terminal $KRILL_00
84
Conclusiones
El objetivo de este trabajo ha sido crear terminales partiendo de conceptos básicos
incluidos dentro de la subontología de eventos y de la subontología de entidades de
FunGramKB para así poder enriquecer la base de conocimiento. La creación de conceptos
terminales es un proceso que debe ser muy cuidadoso ya que el metalenguaje COREL no
permite codificar todas las diferencias léxicas que están presentes en cualquier diccionario.
Por lo tanto, es imprescindible discernir entre rasgos léxicos que no son muy relevantes y
rasgos léxicos que presentan una differentia significativa que permite que se puedan crear
conceptos terminales en la Ontología.
A pesar de que se ha avanzado al poblar gran parte de los eventos en #EVENTS,
otras secciones de la Ontología cómo #ENTITIES y #QUALITIES también necesitan ser
pobladas ya que de este modo se enriquecerá la comprensión del lenguaje natural a través
de la aplicación. El metalenguaje COREL permite codificar rasgos semánticos de los
distintos conceptos que se utilizan para crear terminales, sin embargo, como se pudo ver en
la sección 4.4, con el análisis del concepto terminal $TEMPER_00 derivado de
+HARDEN_00, todavía hay ciertas predicaciones que son más complejas a la hora de
expresarlas en lenguaje COREL lo que imposibilita que se puedan introducir ciertos
conceptos terminales dentro de la máquina.
Enriquecer FunGramKB ayuda a que la base de conocimiento pueda implementarse
en más aplicaciones del PLN, tal como sucede con UniArab (Mairal y Periñán, 2010) que
es un traductor automático árabe-inglés permitiendo que al integrar FunGramKB en su
arquitectura, este sea capaz de analizar textos lingüísticamente más complejos. A su vez,
FunGramKB también ayuda al desarrollo de ARTEMIS (Periñán, 2013; Periñán y Arcas,
2014; Van Valin y Mairal, 2014; Mairal, 2015) permitiendo así que el analizador sea capaz
de proporcionar análisis de textos más eficientemente al utilizar una base de conocimiento
muy completa.
Sin embargo, es necesario continuar poblando la Ontología de FunGramKB de tal
manera que se consiga reflejar gran parte del conocimiento del mundo que tienen los
ingenieros del conocimiento, no solo de lenguas como el inglés o el español sino también
de otras lenguas, dotando así a FunGramKB de un alcance más universal y permitiendo
que podamos utilizar la base de conocimiento para otras aplicaciones del PLN. Entre estas
aplicaciones nuevas del PLN cabe destacar el uso de bases del conocimiento para analizar
85
y detectar situaciones de emergencia o discriminación a través sensores sociales como
proponen Periñán y Arcas (2017)
86
Referencias
Allen, J. F. (1983). “Maintaining knowledge about temporal intervals” Communications of
the ACM 26(11):832-843.
Bateman, J.A., Henschel R. y Rinaldi, F. (1995). The Generalized Upper Model 2.0.
Technical report. IPSI/GMD, Darmstadt.
Beale, S., Nirenburg, S., y Mahesh, K. (1995). Semantic analysis in the Mikrokosmos
machine translation project. Proceedings of the Symposium on NLP. Bangkok.
Dik, S.C. 1978. Functional Grammar. Foris, Dordrecht.
Dik, S.C. 1989. The Theory of Functional Grammar. Foris, Dordrecht.
Dik, S.C. 1997. The Theory of Functional Grammar. Mouton de Gruyter, Berlin-New
York.
Fellbaum, C. (1998). WordNet: An Electronic Lexical Database. Cambridge: MIT Press.
Fillmore, J. y Atkins, B. (1992): “Toward a frame-based lexicon: the semantics of risk and
its neighbors” en Adrienne Lehrer y Eva Feder Kittay (ed.): Frames, fields, and
contrasts, Hillsdale: Lawrence, 75-102.
Fillmore, J. y Atkins, B. (1994): “Starting where the dictionaries stop: the challenge of
corpus lexicography” en B.T.S. Atkins y Antonio Zampolli (eds.): Computational
approaches to the lexicon, Oxford: Oxford University Press, 349-393.
Gangemi, A. Guarino, N. Masolo, C. Oltramari, A. y Schneider, L 2002. Sweetening
ontologies with DOLCE. Proceedings of EKAW 2002. 166-181, Sigüenza.
Hovy, E. y Nirenburg, S. 1992. Approximating an interlingua in a principled way. In The
DARPA Speech and Natural Language Workshop, New York.
Jiménez, R. y Luzondo, A. (2011): “Building ontological meaning in a lexico-conceptual
knowledge base”, Onomázein 23, 11-40.
Jiménez, R., Luzondo, A. y Pérez Cabello de Alba, B. (2011): “FunGramKB y la
organización ontológica”. Anglogermánica Online 2011.
Kumar, E. (2011). Natural Language Processing. New Delhi: I.K. International Publishing
House.
Lenci, A., N. Bel, F. Busa, N. Calzolari, E. Gola, M. Monachini, A. Ogonowski, I. Peters,
W. Peters, N. Ruimy, M. Villegas, and A. Zampolli. 2000. SIMPLE: a general
87
framework for the development of multilingual lexicons. International Journal of
Lexicography, 13 (4): 249-263.
Luzondo, A. & Jímenez, R. (2014): “FrameNet and FunGramKB: A comparison of two
computational resources for semantic knowledge representation” in Brian NOLAN
& Carlos PERIÑÁN (eds): Language processing and grammars. The role of
functionally oriented computational models, Amsterdam: John Benjamins, 197-231.
Luzondo, A. y Ruiz de Mendoza, F. (2015). Argument structure constructions in a Natural
Language Processing environment. Language Sciences 48: 70-89.
Luzondo, A. y Ruiz de Mendoza, F. (2017). Argument-structure and implicational
constructions in a knowledge base. Onomazéin 35: 25-48.
Mairal, R. (2015). Constructional meaning representation within a knowledge engineering
framework. Review of Cognitive Linguistics 31(1): 1-27.
Mairal, R. y Periñán, C. (2010). “Enhancing UniArab with FunGramKB”. Procesamiento
del Lenguaje Natural. N. 44 (abr. 2010). ISSN 1135-5948, pp. 19-26
Mairal, R. & Ruiz de Mendoza, F. (2008). New challenges for lexical representation within
the Lexical- Constructional Model (LCM). Revista Canaria de Estudios Ingleses 57:
137-158.
Mairal, R. & Ruiz de Mendoza, F. (2009). Levels of description and explanation in
meaning construction. En Deconstructing Constructions, Christopher Butler & Javier
Martín Arista (eds), 153-198. Amsterdam/Philadelphia: John Benjamins.
Niles, I. y Pease, A. (2001). Origins of the Standard Upper Merged Ontology: a proposal
for the IEEE Standard Upper Ontology. Working Notes of the IJCAI-2001 Workshop
on the IEEE Standard Upper Ontology. Seattle.
Nirenburg, S. y Levin, L. (1992): “syntax-driven and ontology-driven lexical semantics”
en James Pustejovsky y Sabine Bergler (eds.): Lexical semantics and knowledge
representation, Berlín-Heidelberg: Springer, 5-20.
Pérez. A. (2017). “A contribution of Natural Language Processing to thestudy of semantic
memory loss in patients with Alzheimer’s disease”. Revista de Lenguas para Fines
Específicos 23.2, 133-156.
Periñán, C. (2012). En defensa del procesamiento del lenguaje natural fundamentado en la
lingüística teórica. En ONOMÁZEIN (2012/2), pp.13-48.
88
Periñán, C. (2013) Towards a model of constructional meaning for natural language
understanding. En Nolan B.y Diedrichsen, E. (eds.) Linking Constructions into
Functional Linguistics: The Role of Constructions in Grammar, pp. 205-230.
Amsterdam-Philadelphia: John Benjamins Publishing Company.
Periñán, C. y Arcas, F. (2004): “Meaning postulates in a lexico-conceptual knowledge
base”. En: Proceedings of the 15th International Workshop on Databases and Expert
Systems Applications. IEEE, Los Alamitos (California), 38-42.
Periñán, C. y Arcas, F. (2005): “Microconceptual- Knowledge Spreading in FunGramKB”.
En: Proceedings of the 9th IASTED International Conference on Artificial
Intelligence and Soft Computing. Anaheim Calgary-Zurich: ACTA Press, 239-244.
Periñán, C. y Arcas, F. (2007a): “Cognitive modules of an NLP knowledge base for
language understanding”. Procesamiento del Lenguaje Natural 39, 197-204.
Periñán, C. y Arcas, F. (2007b): “Deep semantics in an NLP knowledge base”. En: Daniel
Borrajo, Luis Castillo y Juan Manuel Corchado (eds.). Proceedings of the 12th
Conference of the Spanish Association for Artificial Intelligence, Salamanca:
Universidad de Salamanca, 279-288.
Periñán, C. y Arcas, F. (2010a): “The architecture of FunGramKB”. En: Proceedings of
the 7th International Conference on Language Resources and Evaluation. Malta,
2667-2674.
Periñán, C. y Arcas, F. (2010b): “Ontological commitments in FunGramKB”.
Procesamiento del Lenguaje Natural 44, 27-34.
Periñán, C. y Arcas, F. (2011): “Introducción a FunGramKB”. Anglogermánica Online
2011.
Periñán, C. y Arcas, F. (2014) The implementation of the FunGramKB CLS Constructor.
Nolan, B. y Periñán C. (eds.). En Language Processing and Grammars: The Role of
Functionally Oriented Computational Models, pp. 165-196. Amsterdam-
Philadelphia: John Benjamins Publishing Company.
Periñán, C. y Arcas, F. (2017) A Knowledge-Based Approach to Social Sensors for
Environmentally-Related Problems. Intelligent Environments 2017, 49-58.
Periñán, C. y Mairal, R. (2009): “Bringing Role and Reference Grammar to natural
language understanding”. Procesamiento del Lenguaje Natural 43, 265-273.
89
Periñán, C. y Mairal, R. (2010): “La gramática de COREL: un lenguaje de representación
conceptual”. Onomázein 21, 11-45.
Periñán, C. y Mairal, R. (2011) “The COHERENT methodology in FunGramKB”.
Onomázein 24, 13-33. Pdf
Pustejovsky, J. (1991): “The Generative lexicon”, Computational Linguistics 17 (4), 409-
441.
Pustejovsky, J. (1995): The Generative Lexicon, cambridge (mass.): MIT Press.
Ruiz de Mendoza, F. (2013). Meaning construction, meaning interpretation and formal
expression in the Lexical Constructional Model. In B. Nolan & E. Diedrichsen
(Eds.), Linking constructions into functional linguistics: The role of constructions in
grammar (pp. 231–270). Amsterdam/Philadelphia: John Benjamins.
Ruiz de Mendoza, F. (2014). Low-level situational cognitive models within the Lexical
Constructional Model and their computational implementation in FunGramKB. In B.
Nolan & C. Peri. n (Eds.), Language processing and grammars: The role of
functionally oriented computational models (pp. 367–390). Amsterdam/Philadelphia:
John Benjamins.
Ruiz de Mendoza, F. y Mairal, R. (2008): "Levels of description and constraining factors
in meaning construction: an introduction to the Lexical Constructional Model". Folia
Linguistica 42-2, 355–400.
Tulvig, E. (1985). “How many memory systems are there?” American Psychologist,
40:385-398.
Van Valin, R. (2005): Exploring the Syntax-Semantic Interface. Cambridge: Cambridge
University Press.
Van Valin, R. y LaPolla, R. (1997): Syntax: Structure, Meaning, and Function.
Cambridge: Cambridge University Press.
Van Valin, R. y Mairal, R. (2014). Interfacing the lexicon and an ontology in a liking
system. En Gómez, M.A., Ruiz de Mendoza, F. Y Gonzálvez, F. (Eds.), Theory and
Practice in Functional-Cognitive Space, pp. 205- 228. Amsterdam-Philadelphia: John
Benjamins Publishing Company.
Velardi, P., Pazienza, M. y Fasolo, M. (1991) “How to encode semantic knowledge: a
method for meaning representation and computer-aided acquisition”. Computational
Linguistics 17, 2. 153-170.
90
Woods, W. 1983: “What’s important about knowledge Representation?”, IEEE Computer
16 (10), 22-26.
91
Apéndice 1. Papeles temáticos asignados a metaconceptos en FunGramKB. (Periñán
y Mairal, 2010:42-43)
METACONCEPTO PAPEL DEFINICION
#COGNITION [Agent] Entity that makes another entity
undergo a cognitive process
Theme Entity that undergoes a cognitive
process
Referent Entity present in the consciousness of
an entity that undergoes a cognitive
process.
#COMMUNICATION Theme Entity that transmits a massage
Referent Message that is transmitted
Goal Entity that receives a message
#CONSTITUTION Theme Entity that is made up of other entities
Referent Entity that is part of another entity
#CREATION Theme Entity that creates another entity
Referent Entity that is created by another entity
#EMOTION Agent Entity that makes another entity feel
an emotion
Theme Entity that feels an emotion
[Attribute] Entity or quality that describes an
attribute of an entity when feeling an
emotion
#EXISTENCE Theme Entity that exists
92
#IDENTIFICATION Theme Entity that is identified by means of
another entity
[Referent] Entity that serves to define the identity
of another entity
[Attribute] Quality ascribed to an entity
#INTENTION Theme Entity that pursues actively a
determinate aim
Referent Something which is actively
pursued by an entity
#LOCATION Theme Entity that stays in a location
Location Location where an entity stays
#MATERIAL Theme Entity that, volitionally or not,
performs an event
[Referent] Entity that is directly involved in the
event caused by another entity
#MOTION Agent Entity that makes another entity move
Theme Entity that changes its place or
position
[Location] Location in which an entity moves
[Origin] Location from which an entity
93
moves
[Goal] Location to which an entity moves
#PERCEPTION Theme Entity that perceives another
entity through any of the senses
Referent Entity that is perceived through any
of the senses
#POSSESSION Theme Entity that owns another entity
Referent Entity that is owned
#TRANSFER Agent Entity that transfer another entity to a
third entity
Theme Entity that is transferred
Origin Entity from which another entity is
transferred
Goal Entity to which another entity is
transferred
#TRANSFORMATION Theme Entity that transforms another entity
Referent Entity that is transformed by another
entity
94
Apéndice 2. Satélites en FunGramKB. (Periñán y Mairal, 2010:44)
Papel Definición
Beneficiary Entity different from those of the arguments that derives
benefit from the occurrence of the event.
Company Entity that participates in a coordinated way with an entity
of the arguments, usually an Agent or Theme.
Condition Predication that describes under which condition the event
should occur.
Duration Entity or quality that denotes the length of time from the
beginning to the event to its end.
Frequency Quality that describes how often the event occurs.
Instrument Entity that is used to perform an event.
Manner Entity or quality that describes the way in which the event
occurs.
Means Entity that, together with the Instrument, is used to perform
the event.
Position Quality that describes the position of the Theme with
respect to Location, Goal or Origin.
Purpose Predication that describes the aim of the event.
Quantity Entity or quality that describes the amount related to the
occurrence of the event.
Reason Predication that describes the cause of the event.
Result Predication or entity that describes the consequence of the
occurrence of the event.
Scene Predication or entity that describes the situation in which
the event occurs.
Speed Quality that describes how fast the event is performed.
Time Entity or quality that describes when the event is
performed.
