| Summary: | La Generación de Lenguaje Natural (GLN) es el campo de la Inteligencia Artificial que se encarga del diseño e implementación de sistemas que producen textos comprensibles en lenguajes humanos. Dentro de la GLN la tarea de Generación de Expresiones de Referencia se encarga de decidir cómo habrá que referirse a los elementos que aparecerán en el texto. Para ello se deben tener en cuenta dos propósitos. En primer lugar, una referencia a un elemento del discurso debe permitir al lector distinguir este elemento de cualquier otro presente en el contexto con el que se pudiera confundir. Por otro lado, en ocasiones las referencias contendrán información que más allá de la función de distinguir pretendan además describir las entidades a las que se refieren. En este trabajo se aborda la generación de referencias de dos maneras diferentes. En primer lugar se proponen soluciones alternativas a los algoritmos clásicos de generación de expresiones de referencia básica con función distintiva. Se aborda el problema desde tres frentes diferentes: cómo adecuar el nivel de abstracción al que se están nombrando las referencias según el contexto, qué estrategia de búsqueda usar para la elección de los atributos que permitan distinguir a un concepto, y qué palabras o expresiones resultan más adecuadas para expresar una referencia en lenguaje natural. Para cada uno de estos frentes se presentan soluciones basadas en técnicas y recursos clásicos de la Inteligencia Artificial. En segundo lugar se explora el enriquecimiento de un discurso dado aportando información descriptiva utilizando figuras retóricas como la comparación y la analogía. Para que sea posible utilizar este tipo de figuras en un sistema de generación se deben resolver problemas de arquitectura, fuentes de conocimiento, etc. En este trabajo se estudian estos problemas y se propone un marco general para abordar la generación de este tipo de referencia.
|
|---|