Detección de neologismos semánticos: una aproximación estadística y de aprendizaje automático que combina corpus generales y especializados

Abstract

En este artículo se presenta un acercamiento metodológico para la detección y extracción de neologismos semánticos mediante el sistema DENISE, creado para desarrollar estos dos procesos. Concretamente el sistema analiza aquellos neologismos que tienen su origen como unidades de conocimiento especializado en el campo de la informática y que posteriormente se introducen en la lengua general (en este caso: español y francés) con un nuevo significado distinto a los ya registrados en diccionarios de referencia. Para este fin, se expone la metodología empleada en este estudio y una comparativa de las distintas medidas de distancia que fueron evaluadas. Finalmente, se presentan los resultados obtenidos a partir de las pruebas realizadas con el coeficiente de correlación de Pearson y el coeficiente kappa de Cohen.

This article presents a methodological approach for the detection and extraction of semantic neologisms through the DENISE system, created to carry out these two processes. Specifically, the system analyzes those neologisms that have their origin as units of specialized knowledge in the field of information technology and that are subsequently introduced into the general language (in this case: Spanish and French) with a new word meaning different from those already registered in the reference dictionaries. For this purpose, the methodology used in this study and a comparison of the different distance measures that were evaluated are explained. Finally, the results obtained from the tests carried out with the Pearson correlation coefficient and Cohen's kappa coefficient are presented.