Hacia la construcción de un lexicón de secuencias verbales fijas

Abstract

La identificación y extracción de unidades polilexicales en un texto es un tópico de investigación en el área de Lingüística Computacional que influye en tareas dentro y fuera de ésta. En este trabajo estamos interesados en un tipo específico de unidades polilexicales denominadas secuencias verbales fijas (sintagmas compuestos de dos o más palabras en las que al menos una de esas palabras es un verbo que juega el rol de predicado), a partir de las cuales realizamos un análisis en diferentes corpora, con el objetivo de identificarlas, extraerlas y validarlas para dar como resultado un recurso lingüístico al que hemos denominado “lexicón de probabilidades de uso de Secuencias Verbales”, el cual contiene una estimación de la probabilidad de que una determinada unidad polilexical sea realmente una secuencia verbal fija en el género noticiero y en comentarios de Twitter. Consideramos que este recurso léxico puede tener un gran beneficio para la comunidad de la Lingüística Computacional, ya que hasta donde sabemos, no se ha construido aún un lexicón de este estilo. //// David Eduardo Pinto Avendaño, ( dpinto@cs.buap.mx ). Es licenciado y maestro en Ciencias de la Computación por la Benemérita Universidad Autónoma de Puebla, y doctor en Informática por la Universidad Politécnica de Valencia. Actualmente se desempeña como profesor investigador de la Facultad de Ciencias de la Computación de la BUAP. Tiene numerosas publicaciones en revistas indizadas, capítulos de libros y conferencias. Su área de trabajo es el tratamiento de la información.