Por un análisis distante y profundo: un corpus piloto de la poesía lírica castellana del Siglo de Oro

• Autores: Borja Navarro Colorado
• Localización: Revista de Poética Medieval, ISSN-e 2660-891X, ISSN 1137-8905, Nº 33, 2019 (Ejemplar dedicado a: Los repertorios poéticos digitales: del Medievo a la interoperabilidad), págs. 51-76
• Idioma: español
• DOI: 10.37536/rpm.2019.33.0.69109
• Títulos paralelos:
  • Towards a distant and deep reading: a pilot corpus of Golden-Age Spanish poetry
• Enlaces
  • Texto completo
• Resumen
  • español

    En este trabajo se plantea la necesidad de combinar el análisis llamado «distante» (análisis panorámico de gran cantidad de texto literario) con el análisis profundo (análisis en detalle de diferentes aspectos lingüísticos o literarios). Para ello se propone la creación de amplios corpus literarios de referencia en los que, aprovechando los actuales avances en procesamiento del lenguaje natural, la información implícita del texto (tanto de tipo lingüístico como literario) esté marcada de manera explícita y formal. La propuesta se concreta en el diseño y desarrollo de un corpus piloto de la poesía lírica del Siglo de Oro que incluye poemas con diferentes modelos métrico-estróficos (sonetos, romances, liras, églogas, etc.) así como diversidad de autores. Actualmente consta de más de 52.000 versos anotados con información lingüística (palabras, lemas, categorías gramaticales y morfología) y literaria (tipo de poema o estrofa y métrica). Si bien la anotación general del corpus ha sido realizada de manera automática, un 10% de esa anotación (5069 versos) ha sido revisada, validada o, en su caso, corregida por expertos. Este 10%, en tanto que Gold Standard, es ya un primer paso tanto para el análisis distante y profundo de la poesía castellana como para el desarrollo de sistemas de procesamiento del lenguaje natural específicos para el texto literario y poético.

  • English

    This paper shows the necessity of combine the distant reading of literary texts (panoramic analysis of a great amount of texts) with «deep» reading (close analysis in detail of implicit linguistic or literary aspects of texts). With this objecti-ve, the development of large annotated corpora of literary texts is proposed. Taking advantage of recent developments of Natural Language Processing, the linguistic and literary implicit information could be annotated semi-automatically. In order to show the viability of this proposal, a pilot corpus of Golden-Age Spanish poetry is presented. The corpus is made-up of different types of poems (sonnets, romances, eclogues, etc.) and several poets. Nowadays it has more than 52,000 lines annotated at metrical and morphological level: metrical patterns of each line, and the lemma, part of speech and morphological information of each word. The annotation was developed automatically. 5,069 lines has been revised manually and emended (if necessary). This Gold Standard is the first step both for a distant and deep literary analysis of Golden-Age Spanish poetry and for the development of poetry- specific models of Natural Language Processing.

• Referencias bibliográficas
  • Franco Moretti, La literatura vista desde lejos, Barcelona, Marbot ediciones, 2007
  • Matthew L. Jockers, Macroanalysis.Digital Media and Literary History, Illinois, University of Illinois Press, 2013
  • Borja Navarro Colorado, «Complementariedad de los Big Data y los estudios literarios», en #Nodos, ed. de Gustavo Ariel Schwartz y Víctor Bermúdez,...
  • Borja Navarro Colorado, «On Poetic Topic Modeling: Extracting Themes and Motifs from a Corpus of Spanish Poetry», en Frontiers in Digital...
  • Antonio García Berrio, «Retórica figural. Esquemas argumentativos en los sonetos de Garcilaso», en El centro en lo múltiple (selección de...
  • Christopher D. Manning y Hinri Schütze, Foundations of Statistical Natural Language Processing, Massachusetts, MIT Press, 1999
  • David M. Blei, «Probabilistic Topic Models», en Communications of the ACM, 55:4 (2012), pp. 77-84
  • Matthew L. Jockers y David Mimno, «Significant Themes in 19th-Century Literature», en Poetics, 41 (2013)
  • Christof Schöch, «Topic modeling genre: an exploration of french classical and enlightenment drama», en Digital Humanities Quarterly, 2017,...
  • T. Underwood, Distant Horizons. Digital evidence and literary change, University of Chicago Press, 2019
  • Christof Schöch, «Big? Smart? Clean? Messy? Data in the Humanities», en Journal of Digital Humanities, 22 (2013)
  • Antonio Rojas Castro. «La edición crítica digital y la codificación TEI. Preliminares para una nueva edición de las Soledades de Luis de Góngora»,...
  • José Calvo Tello, Atlas de Datos, Würzburg, Universität Würzburg, 2016
  • Lou Burnard, «Metadata for corpus work», en Developing Linguistic Corpora: a Guide to Good Practice, ed. de Martin Wynne, Oxford, Oxbow Books,...
  • Alberto Blecua, Manual de crítica textual, Madrid, Castalia, 1983
  • Raquel López Sánchez y Borja Navarro Colorado, «Propuesta teórico y metodológica para el desarrollo de un corpus digital representativo del...
  • James Pustejovsky y Amber Stubbs, Natural Language Annotation for Machine Learning: A Guide to Corpus-Building for Applications, Sebastopol,...
  • Steven Bird, Ewan Klein y Edward Loper, Natural language processing in Python, Sebastopol, O’Reilly, 2009
  • Daniel Jurafski y James H. Martin, Speech and Language Processing, New Jersey, Prentice Hall, 2008
  • Adam Hammond, Julian Brooke y Graeme Hirst, «A Tale of Two Cultures: Bringing Literary Analysis and Computational Linguistics Together», en...
  • Borja Navarro Colorado, María Ribes Lafoz y Noelia Sánchez, «Metrical Annotation of a Large Corpus of Spanish Sonnets: Representation, Scansion...
  • Borja Navarro Colorado, «A Metrical Scansion System for Fixed-Metre Spanish Poetry», en Digital Scholarship in the Humanities, 33:1 (2018),...
  • Pablo Ruiz Fabo, Clara I Martínez Cantón, Thierry Poibeau y Elena González-Blanco, «Enjambment Detection in a Large Diachronic Corpus of Spanish...
  • Lluis Padró y E. Stanilovsky, «FreeLing 3.0: Towards Wider Multilinguality», en Proceedings of the Language Resources and Evaluation Conference...
  • Ekaterina Shutova, «Models of Metaphor in NLP», en Proceedings of the 48th Annual Meeting of the Association for Computational Linguistics,...
  • Alice Deignan, Metaphor and Corpus Linguistics, Amsterdam, John Benjamins Publishing, 2005
  • George Lakoff y Mark Johnson, Metáforas de la vida cotidiana, Madrid, Cátedra, 2017
  • Vaibhav Kesarwani, Diana Inkpen, Stan Szpakowicz, Chris Tanasescu «Metaphor Detection in a Poetry Corpus», en Joint SIGHUM Workshop on Computational...
  • José Manuel Blecua, Poesía de la Edad de Oro I. Renacimiento, Madrid, Castalia, 1984
  • José Manuel Blecua, Poesía de la Edad de Oro II. Barroco, Madrid, Castalia, 1984
  • María de los Ángeles Herrero, L’univers literari de les escriptores valencianes dels segles xvi-xvii, València, Institució Alfons el Magnànim,...
  • Borja Navarro Colorado, «Hacia un análisis distante del endecasílabo áureo: patrones métricos, frecuencias y evolución histórica», en Rhythmica....