Un modelo robusto y eficiente para el análisis sintáctico de lenguajes naturales mediante árboles múltiples virtuales

Abstract

Este artículo aborda el problema de la eficiencia durante el análisis sintáctico de lenguajes naturales. Para ello se propone un marco completo que incluye una estrategia de análisis ascendente bidireccional y dirigida por eventos. Sobre el componente de análisis ascendente actúa un modelo matemático que impone fuertes restricciones descendentes sobre los eventos de análisis. La experiencia en el diseño de otros analizadores nos permite concluir que las características de la implementación misma, es decir, las técnicas propias de ingeniería del software utilizadas, condicionan enormemente la eficiencia del parser. Por ello, junto a los fundamentos lingüísticos, matemáticos y de teoría de lenguajes formales, cobra especial importancia el componente computacional. En esta línea, se propone una nueva estructura, que se denominará árbol múltiple virtual (mvt). El análisis estadístico de los resultados obtenidos por este parser para el análisis de algunos de los fenómenos sintácticamente más complejos que aparecen en los lenguajes naturales (recursividad, dependencia local y dependencia no local) muestran un nivel de complejidad computacional del orden O(n log(n)) , donde n es la longitud de la cadena de entrada.

This paper presents a complete framework aimed at the efficient parsing of natural languages. The theoretical background is based on three main components. First, a bidirectional and bottom-up chart uses events as the control strategy. Second, a strong mathematical model imposes top-down restrictions over the events. And third, a computational model specifically designed for the manipulation of symbolic phenomena involved in natural languages that improves the overall efficiency of the system. The results obtained by the parser in the analysis of complex linguistic phenomena such as recursivity and local and non-local dependencies, show that the parser can achieve a computational complexity in the order of O(n log(n)), where n is the length of the input string.