4.4 Representación formal del conocimiento lingüístico y conceptual en terminología

Para poder hacer frente a las necesidades de los usuarios y como solución a las limitaciones de las BD convencionales, en la segunda generación de bancos terminológicos se incorporan algunas ideas de estructuras, sobre todo jerarquías en forma de redes semánticas (§4.4.1). Sin embargo, en esta fase a pesar de los avances en el tratamiento de información, no se diseñaron muchas implementaciones de sistemas "orientados al concepto". Entre los pocos existentes se incluyen DANTERM (banco danés desarrollado por CEBA), CEZEAUTERM (Universidad de Clermont-Ferrand, Francia), BTB (prototipo de banco terminológico desarrollado en el UMIST, Manchester) e INFOTERM. El tipo de entrada es más complejo porque al ser "concept oriented" se estructura en torno a un grupo de categorías de datos en varios niveles (Mayer 1993: 206). Pero aunque suponen un avance respecto a la primera generación, no son capaces de representar la diversidad de relaciones conceptuales no jerárquicas que se dan en los distintos dominios (CAUSE_EFFECT, PROCESS_PRODUCT, RAW-MATERIAL_PRODUCT, SUCCESSION, ...) (Nkwenti-Azeh 1998: 166), definiéndose por tanto sólo relaciones básicas de tipo jerárquico.

En cuanto a la tercera generación de bancos terminológicos, encontramos ejemplos como CODE e ICARUS (§4.4.2) desarrollados en la Universidad de Ottawa, cuya estructura es mucho más compleja, ya que la representación no incluye sólo datos sino posibles reglas que un sistema más desarrollado (ej. sistema experto, agente de IA) podría ejecutar. Es decir, se trata de solucionar problemas en un dominio determinado a través de las inferencias hechas a partir de una base de conocimiento (Crevier 1993: 57) ⁵⁶.

En nuestro caso, ONTOTERM^®, gestor de base de datos terminológica basado en el conocimiento, cuenta con dos módulos interrelacionados pero claramente diferenciados: el conceptual (§4.6.1) que actúa como estructurador del conocimiento y el terminográfico (§4.6.2) que es una base de datos. En este marco se han hecho propuestas para que, en función de la información ya existente y de la introducida por el usuario, la aplicación pueda actuar bien como sistema experto o como agente de IA (García de Quesada 2001).

Ahora bien, partiendo de la idea de que la terminografía no es el estudio de los términos sino, más bien, del conocimiento transmitido por dichos términos (Faber 1999), tras una fase de adquisición de conocimiento especializado (§2.3.1, 2.3.2) es necesario llevar a cabo su estructuración conceptual y su representación, que hará posible la consulta a partir de características conceptuales, desde un punto de vista onomasiológico. La representación implica tanto conocimiento relacionado con conceptos individuales como con su configuración interna, que a su vez puede incluir otros conceptos. Se trata de llevar a cabo la meta-representación, es decir, cómo se puede configurar el conocimiento para representar un dominio determinado (Faber 1999: 99).

Este proceso incluye el desarrollo de formalismos, así como el desarrollo de procedimientos de inferencia para el procesamiento del conocimiento representado. Antes de desarrollar un formalismo, se debe determinar qué tipo de conocimiento se quiere modelar; por ejemplo, mucho de nuestro conocimiento sobre el mundo puede describirse utilizando el lenguaje natural por lo que han surgido proyectos dedicados a estudiar hasta qué punto las frases del lenguaje natural pueden formalizarse y representarse. En este sentido, todo enfoque que intente representar cada frase del lenguaje natural debe incluir un método que sea capaz de formalizar los posibles significados de una unidad léxica (Burkert 1995: 165).

Entre los distintos sistemas de representación que se han diseñado se incluyen los esquemas lógicos, procedimentales y las redes semánticas. En el ámbito que nos interesa, los sistemas de conocimiento modernos, son estos últimos los que han tenido mayor repercusión (Pérez Hernández 2000: 225), en particular las redes de marcos.

Notas

⁵⁶ Hay que matizar que el término "expert system" se utiliza a veces como sinónimo de "knowledge based system", un caso en que se suele enfatizar la idea de que se trata de un sistema que contiene conocimiento experto más que de tener ciertas características relacionadas con la IA.

Índice general I Índice Capítulo 4  I Siguiente