Saltar al contenido
Volver a los resultados

Chunking — Análisis Superficial

Propuesto por
Steven Abney
Año
1991
Tipo
NLP partial-parsing task

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

El chunking, también llamado análisis superficial, es una tarea de procesamiento del lenguaje natural introducida por Steven Abney en 1991 que divide el texto en piezas gramaticales —como sintagmas nominales y sintagmas verbales— utilizando etiquetas de categoría gramatical (part-of-speech tags).

Extrae estructura sintáctica útil rápidamente sin construir un árbol de análisis completo de la oración.

La intuición detrás del método

Un análisis sintáctico completo describe cómo cada palabra se relaciona con todas las demás, lo cual es costoso y a menudo más de lo que una aplicación necesita. El chunking toma un atajo: partiendo de palabras ya etiquetadas con sus categorías gramaticales, agrupa etiquetas adyacentes en frases planas y no superpuestas. Se aprende que 'el perro pequeño' es un sintagma nominal y 'está ladrando' es un sintagma verbal sin resolver el árbol gramatical completo, proporcionando una visión estructural rápida a bajo costo.

Historia

El chunking fue introducido por Steven Abney (1991) en 'Parsing by Chunks', que enmarcó el análisis parcial en torno a chunks como una alternativa eficiente al análisis sintáctico completo. La tarea fue posteriormente estandarizada y popularizada por la tarea compartida CoNLL-2000 sobre chunking (Tjong Kim Sang & Buchholz, 2000), que estableció un conjunto de datos y una evaluación comunes para el problema.

Cuándo usarlo

Utilice el chunking cuando tenga texto etiquetado con categorías gramaticales y necesite estructura a nivel de frase rápidamente sin el costo de un análisis sintáctico completo. Es adecuado para el análisis exploratorio y descriptivo de texto y solo necesita una cantidad modesta de datos (alrededor de diez unidades). Deben cumplirse dos condiciones: el etiquetado de categorías gramaticales debe estar completo, y debe existir una gramática o modelo de chunking para el idioma de destino.

Limitaciones y consideraciones

  • Requiere que el etiquetado de categorías gramaticales se complete primero; los errores en las etiquetas se propagan a los chunks.
  • Necesita una gramática o modelo de chunking que coincida con el idioma de destino.
  • Produce solo frases planas y no superpuestas — no recupera la estructura sintáctica anidada completa.

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Extrae estructura sintáctica útil rápidamente, sin el costo de construir un árbol de análisis completo.
  • Funciona a partir de etiquetas de categoría gramatical con reglas de patrones simples y transparentes que son fáciles de inspeccionar y ajustar.
  • Proporciona bloques de construcción a nivel de frase (sintagmas nominales y verbales) para tareas posteriores como la extracción de información.

Aplicaciones

  • Extracción de información — aislando sintagmas nominales y verbales como entidades y relaciones candidatas.
  • Preprocesamiento para el reconocimiento de entidades nombradas al resaltar los límites de los sintagmas nominales.
  • Análisis estructural rápido de grandes corpus de texto donde el análisis completo es demasiado costoso.
  • Estudio exploratorio y descriptivo de patrones de frases gramaticales en un corpus.

Cómo funciona

Cómo funciona

1

El método parte de texto que ya ha sido etiquetado con categorías gramaticales —cada token lleva una etiqueta como determinante, adjetivo, sustantivo o verbo. El etiquetado de categorías gramaticales completado es un requisito previo, ya que el chunker trabaja sobre estas etiquetas en lugar de sobre palabras crudas.

2

Se especifica una gramática de chunking para el idioma de destino, típicamente como patrones sobre etiquetas de categoría gramatical (por ejemplo, un sintagma nominal como un determinante opcional, cualquier adjetivo, luego un sustantivo). Debe estar disponible un conjunto de reglas o un modelo entrenado para el idioma para que esto tenga éxito.

3

La gramática se aplica a la secuencia etiquetada, agrupando etiquetas adyacentes que coinciden con un patrón en chunks planos y no superpuestos. A diferencia del análisis completo, los chunks no se anidan en un árbol completo — el análisis se mantiene superficial.

4

Los chunks de frases identificados —sintagmas nominales, sintagmas verbales y similares— se extraen como salida. Estas estructuras superficiales alimentan tareas posteriores como la extracción de información o el reconocimiento de entidades nombradas.

Errores comunes

  • Ejecutar chunking en texto sin etiquetar o mal etiquetado — el etiquetado de categorías gramaticales debe hacerse primero, y los errores de etiquetado se trasladan directamente a los chunks.
  • Reutilizar una gramática de chunking creada para un idioma en otro; las reglas de patrones deben coincidir con el idioma de destino.
  • Esperar estructura sintáctica anidada o completa de un analizador superficial — los chunks son planos por diseño, así que use análisis completo cuando se requiera estructura profunda.

Preguntas frecuentes

¿Cómo se diferencia el chunking del análisis completo?

El análisis completo construye un árbol sintáctico completo que muestra cómo cada palabra se relaciona con todas las demás. El chunking es un análisis superficial: agrupa palabras adyacentes en frases planas y no superpuestas como sintagmas nominales y verbales, sin anidarlas en un árbol completo. Esto lo hace mucho más rápido y a menudo suficiente para tareas que solo necesitan estructura a nivel de frase.

¿Necesito etiquetado de categorías gramaticales antes del chunking?

Sí. El chunking opera sobre etiquetas de categorías gramaticales en lugar de palabras crudas, por lo que el etiquetado debe completarse primero. Dado que el chunker se basa en esas etiquetas, cualquier error en el etiquetado se traslada directamente a los chunks.

¿Funciona el chunking para cualquier idioma?

Funciona solo donde existe una gramática o modelo entrenado para el idioma de destino. Las reglas de patrones son específicas del idioma, por lo que una gramática escrita para un idioma no debe aplicarse a otro.

¿Qué produce el chunking?

Produce chunks de frases planos y no superpuestos — típicamente sintagmas nominales y verbales — extraídos de la secuencia etiquetada. Estas estructuras superficiales se utilizan comúnmente como entrada para la extracción de información y el reconocimiento de entidades nombradas.

Métodos relacionados

Fuentes

  1. Abney, S. (1991). Parsing by Chunks. In Principle-Based Parsing. Kluwer Academic Publishers.

    ISBN: 978-0-7923-1173-4
    Copiado.
  2. Tjong Kim Sang, E.F. & Buchholz, S. (2000). Introduction to the CoNLL-2000 Shared Task: Chunking. Proceedings of CoNLL-2000.

    Abrir referencia de la publicación
    Copiado.