|
Concatenación y Desconcatenación: Operaciones Fundamentales de la Lingüística Notas Fernando Galindo Soria 13 jun 96 -Concatenación (definiciones básicas) . alfabeto/ elementos palabras . concatenación . cadena . concatenación entre alfabetos . A2 . transitividad de la concatenación . An . longitud de la cadena . cadena vacía . A+ . A* =| vocabulario V . Lenguaje subconjunto o igual de V . Si alfa pertenece a L, alfa es una oración . concatenación entre cadenas . subcadena . unidad léxica - Ejemplos de concatenación el perro ladra Concatenación de mapas de bits: .juegos por computadora, navegantes en realidad virtual [FIGURA ONDA DE SONIDO] el perro ladra - Desconcatenación . dada una cadena separarla en subcadenas . puede desconcatenarse de múltiples formas Ejemplo el perro ladra el perro ladra el perro ladra el p err o la dra . separada por blancos En general el blanco no existe .Buenos Aires .corrector ortográfico de cuatro en cuatro etc. => Algunos tipos de desconcatenación deseable por elementos comunes por unidades léxicas (cadena con significado propio) Ejemplo Dibuja un Árbol y una nube => PALABRA SIGNIFICADO ETIQUETA Dibuja ignora i un ignora i X árbol rutina árbol a y ignora i una ignora i => nube rutina nube n i i
a i i n => Y ***** ***** Desconcatena palabra por palabra (separada por blancos) y la sustituye por su significado Concatena significados -Concatenador de mapas de bits (para juegos, etc.) -Concatenador de voces hola /\/\_____/\_ como /\__/\/\_ estas __/\/\/\/\/\ hola como estas => X => /\/\_____/\_/\__/\/\___/\/\/\/\/\ -Complejidad del problema de la desconcatenación Dibuja un árbol (desconcatena palabras separadas por blanco) el perro ladra (reconocedor de caracteres, delimita (desconcatena) mapa de bits (palabras) ) separadas por el fondo (blanco) reconocedor de voz delimita (desconcatena) palabras separadas por silencios señal donde aparentemente no existe un blanco (un motor funcionando, electrocardiograma, etc.) (en algunos casos se puede encontrar un “blanco” pero no siempre) Señales que integran a varias (las señales se solapan) Algunas herramientas de desconcatenación -separación por blanco -delimitación de la cadena a) Explicita: cursor variable Voy a Buenos Aires con Juan Manuel (se marca la cadena: de donde empieza a donde termina y se corta) b) Delimitador Variable (Jesús M. Olivares) explícitamente se delimita la cadena y se corta Herramienta básica: cortar y pegar delimitación implícita de la cadena -por blancos -Por el fondo. el sistema busca una cadena y la delimita por el fondo - por silencios, el sistema corta cadenas separadas por silencios Por patrones conocidos (matcheo) Buenos Aires A Juan Manuel B El sistema busca las subcadenas dentro de cadenas ya conocidas y corta por esos puntos. Estoy en Buenos Aires llamando a Juan Manuel en Bogota => Estoy en A llamando a B en Bogota donde A y B son puntos de corte -Método de Cuitlahuac Cantú frecuencia de elementos frecuencia de subcadenas Método de Cuitlahuac Resta de patrones conocidos señal cloro => señal sin cloro Introducción a desconcatenación de cadenas a) Cadenas en ASCII Primera opción: aceptar el blanco marcar la cadena (buscar siempre de mayor a menor) b) letras separadas cursor variable de Jesús M. Olivares c) letra manuscrita d) palabras o frases cerradas -Desconcatenación de señales en general (trucos) .Cursor Variable .Rejilla (Cuitlahuac) n x m movible permanentemente (izq./ der./ arriba/ abajo/ inclinándose/ etc.) (aleatoriamente en espacio controlado libremente) => siempre acumula los valores -Problema del desconcatenamiento .Desconcatenar cadena el perro corre a) por letras e l p e r r o c o r r e b) por palabras separadas por blanco el perro corre los componentes de una cadena se llaman subcadenas c) En general el blanco no es un separador En Buenos Aires se estudia Música -Concepto de Unidad léxica Una unidad léxica es una cadena de caracteres (o una señal o una subcadena) con significado propio Dado que se tiene un conjunto de Unidades Léxicas, yo puedo representar cada unidad léxica por una etiqueta y dada una cadena puedo sustituir las unidades léxicas por sus etiquetas. => oración canónica Ejemplo: Dadas las siguientes oraciones O-> el perro blanco O-> el perro negro O-> el gato blanco => puedo proponer las siguientes unidades léxicas y sustituciones A-> el B-> perro C-> blanco D->negro E->gato O->ABC O->ABD O->AEB En lingüística se acostumbra poner primero las oraciones O->ABC O->ABD O->AEB A-> el B-> perro C-> blanco D->negro E->gato sistema de reescritura con unidades léxicas ABC oración canónica En general representar el lenguaje como cadenas de unidades léxicas es mas compacto que las oraciones explicitas Ejercicio Oraciones => X cadenas => Y => Oraciones de unidades léxicas Hacer un programa que me genera el sistema de reescritura de unidades léxicas Hacer un programa que a partir del sistema de reescritura de unidades léxicas genera oraciones Los síntomas de un sistema experto se pueden ver como un conjunto de vectores Sintoma1 peso1 Sintoma2 peso2 ... Sintomam
pesom S1 P1 S2 P2 S3 P3 . . . Sm Pm -> Diagnostico y si se grafican dan una curva (firma) característica (El numero del síntoma se puede ver como un ángulo y el peso como una magnitud ¿o al revez?) y cada grafica de un color representa un diagnostico Se puede normalizar dividiendo entre el numero de acumulados antes de graficar. |