Académique Documents
Professionnel Documents
Culture Documents
Tesisdegrado
IngenieraenInformtica
OrientacinenSistemasdeProduccin
FACULTADDEINGENIERA
UNIVERSIDADDEBUENOSAIRES
Tesista: MiguelAgustnAbate
mabate@fi.uba.ar
Padrn: 84084
Directora:ProfesoraMaraFeldgen
Fecha: 17deAbril2016
1
Agradecimientos
Quiero dedicar este trabajo a mis padres, mis hermanas e Isabella quemeacompaarony
apoyaronduranteeldesarrollodelmismo.
Tambin quiero agradecer especialmente a mi directora de tesis, Prof. Mara Feldgen, que
meguientodomomentoparadarleformaaestatesis.
A todos los que desarrollaron las herramientas y los recursos sobre losquemeapoypara
construirestatesis.
MiguelAgustnAbate
2
ndiceGeneral
1.Introduccin 6
1.1Objetivo 6
1.2AnotacinAutomticadeInformacinTemporal 7
1.3Problema 7
2.Anotacintemporaldetextos 8
2.1Anotacindeexpresionestemporales 8
2.1.1TareaMUCdereconocimientodeentidadestemporales 8
2.1.2Unesquemadeanotacinparaexpresionestemporales 9
2.2Anotacindeeventosconmarcastemporales 10
2.2.1FranjastemporalesdeMUC5yMUC7 10
2.2.2Asignandomarcastemporalesaclusulasdeeventos 10
2.2.3Sistemadeextraccindeeventosyrelaciones 11
2.2.4Anclajeyordenamientotemporaldeeventos 12
2.3Anotacinderelacionestemporales 13
2.3.1Anotacindeinformacintemporalintraoracional 13
2.3.2Anotacinsemnticadetextosdenoticias 14
3.Esquemasdeanotacinparainformacintemporal 16
3.1TIDESySTAG 16
3.2TERQAS:TimeMLyTimeBank 17
3.2.1TimeML 17
3.2.1.1LasprincipalesestructurasdeTimeML 18
3.2.1.1.1EVENT 18
3.2.1.1.2TIMEX3 19
3.2.1.1.3SIGNAL 19
3.2.1.1.4LINKS 20
3.2.1.1.4.1TLINK 20
3.2.1.1.4.2SLINK 21
3.2.1.1.4.3ALINK 22
3.2.2TimeBank 23
3.2.3AnotacinautomticaconTimeML 23
3.2.3.1GUTime 24
3.2.3.2EVITA 24
3.2.3.3GUTenLINK 25
3.2.3.4Slinket 25
3.2.3.5SputLink 26
3.2.4Experienciasenotrosidiomas 26
4.RolesSemnticos 28
4.1BasesLingsticas 28
4.1.1SemnticadeMarcos 31
4.1.2Losconceptosdeprototipoyperspectiva 31
4.1.3GramticadeCaso 32
4.1.4TeorasdeRolesSemnticos 35
4.2DescripcindeRolesSemnticos 37
4.2.1AlgunosRolesSemnticosComunes 37
3
4.2.2CaractersticasdelosrolesSemnticos 39
4.3RecursosdeRolesSemnticos 40
4.3.1FrameNet 40
4.3.1.1Elementosdemarco(FEs) 41
4.3.1.1.1Elementosdemarcocentrales 41
4.3.1.1.2Elementosdemarcoperifricos 41
4.3.1.1.3Elementosdemarcoextratemticos 41
4.3.1.1.4Elementosdemarcocentralnoexpresado 42
4.3.1.1.5Instanciacinnuladeelementosdemarco 42
4.3.1.2Relacionesentremarcos 42
4.3.1.2.1Relacionesdegeneralizacin 42
4.3.1.2.2Relacionesdeestructuradeeventos 42
4.3.1.2.3Relacionessistemticas 43
4.3.2VerbNet 43
4.3.3Propbank(PropositionBank) 43
4.3.4Wordnet 45
4.3.5ComparacinentreFrameNet,PropBankyWordnet 46
4.3.6Recursosenotrosidiomas 47
4.3.6.1Alemn 48
4.3.6.2Japons 48
4.3.6.3Espaol 49
4.3.6.4Sueco 49
4.3.6.5Portugus(Brasil) 49
4.4Anotacinautomtica 50
4.4.1AnotacinautomticadetextosconFrameNet 50
4.4.2AnotacinautomticadetextosconPropBank 51
5.Trabajosrelacionados 53
6.Desarrollo 55
6.1Esquemageneraldetrabajo 55
6.2Mdulomarcadordeeventos 56
6.2.1ConditionalRandomFields 57
6.2.2TiposdeEventosTimeMLyMarcosdeFrameNet 59
6.2.2.1AnlisisdelostiposdeeventosTimeMLcontralosmarcosde
FrameNet 59
6.2.2.1.1REPORTING 59
6.2.2.1.2PERCEPTION 60
6.2.2.1.3ASPECTUAL 61
6.2.2.1.4I_ACTION 62
6.2.2.1.5I_STATE 63
6.2.2.1.6STATE 64
6.2.2.1.7OCCURRENCE 65
6.2.3SolucinimplementadayCaractersticasdeltextoutilizadas 65
6.2.4Evaluacin 68
6.2.4.1Corpususadoycriteriodeevaluacin 68
6.2.4.2Resultados 71
6.2.4.3Contribucinycomparacinconelestadodelarte 72
4
6.3Mdulomarcadordelinks 73
6.3.1TiposLinksTimeML 74
6.3.1.1TLink 74
6.3.1.2SLink 77
6.3.1.3ALink 78
6.3.2RelacinentreFrameNetylinksTimeML 78
6.3.2.1FrameElements 78
6.3.2.2Frames 79
6.3.2.3RelacionesentreFrames 83
6.3.3Modelodeaprendizajesupervisado:SupportVectorMachines 84
6.3.4Procesodegeneracindedatosparaentrenamiento 84
6.3.5Caractersticaselegidasparaentrenarelalgoritmo 85
6.3.6Evaluacindelosresultados 86
6.3.6.1Corpususadoparalaspruebas 86
6.3.6.2Mtododeevaluacinutilizado 87
6.3.6.3DeteccinLINKyNO_LINKatravsdediferentes
oraciones(caso1) 88
6.3.6.4DeteccinyclasificacinTLINK,SLINK,ALINKNO_LINK
atravsdediferentesoraciones(caso2) 88
6.3.6.5DeteccinyclasificacindetodoslostiposdeLinkatravsde
diferentesoraciones(caso3) 89
6.3.6.6ClasificacinentreTLINK,SLINKyALINK
mismaoracin(caso4) 90
6.3.6.7ClasificacindetodoslostiposdeLink
atravsdediferentesoraciones(caso5) 91
6.3.6.8Comparacinconotrosproductos 92
6.3.7Conclusinsobredeteccindelinks 93
7.Elcasodelostextoshistricos 94
8.Conclusiones 98
9.Trabajofuturo 99
10.Referencias 100
11.Apndices 107
ApndiceA:RelacionesentreFramesextradasdelcorpusdeFrameNet
conunaherramientaqueseconstruyespecialmenteparaestetrabajo 107
ApndiceB:CausajudicialpordesembargodelaGoleta
NuestraSeoradelaCandelaria(18121816) 113
ApndiceC:PartesmilitaresdelaBatalladePavn(1861) 118
5
1.Introduccin
1.1Objetivo
6
1.2AnotacinAutomticadeInformacinTemporal
1.3Problema
El problema que se presenta en esta tesis, es el de identificar automticamente
informacin temporal en textos de lenguaje natural usando informacin semntica,
particularmente aplicada al caso de textos histricos cuyo contenido es fragmentario y no
muy extenso. Entendindose porinformacintemporalaeventos,expresionestemporalesy
lasrelaciones(orden,inclusin,etc.)quesurgenentreestos.
7
2.Anotacintemporaldetextos
2.1Anotacindeexpresionestemporales
2.1.1TareaMUCdereconocimientodeentidadestemporales
Dentro de todas las tareas definidas por las MUC que deban hacer los sistemas
participantes, la tarea relevante para esta tesis es la de reconocimiento de entidades, que
requiere el reconocimiento y clasificacin de entidades definidas tales como personas,
lugares,organizaciones,cantidadesmonetariasyfechas.
8
de entidades. Tienen que ser marcadas expresiones temporales (absolutasyrelativas)que
representan fechas u horas. Las expresiones temporales se clasificaban va el atributo
TYPE. Este atributo podra tomar el valor DATE para referirse a expresiones completas o
parcialesdefechasoTIMEparaexpresionescompletasoparcialesdehorasdelda.
2.1.2Unesquemadeanotacinparaexpresionestemporales
Lossiguientescriteriossonconsideradosporelesquemadeanotacin:
9
enAbrilesusualmentehmedo)sontambintomadosencuenta.
2.2Anotacindeeventosconmarcastemporales
2.2.1FranjastemporalesdeMUC5yMUC7
2.2.2Asignandomarcastemporalesaclusulasdeeventos
Se asume que las clusulas simples son los eventos transmitidos por el texto y se
identifican usando un analizador lexicogrfico que produce rboles sintcticos marcados
semnticamente. Se ignoran algunos problemas de este enfoque, por ejemplo mltiples
verbos endiferentestiemposenunamismaoracincausancomportamientosincorrectosen
el sistema. La representacin temporal elegida, es una versin levemente modificada dela
sugeridaporAllen[ALLEN03].
10
La asignacin de marcas temporales usa dos puntos temporales de anclaje. Un
punto temporal es el tiempo del artculo (se us solo la fecha, no la hora del da) y el otro
punto temporal, es el ltimo asignado dentro de la misma oracin. El procedimiento de
marcadotemporales:
Luego de que todos los eventos son marcados temporalmente, todas las clusulas
de evento se ordenan cronolgicamente. Los autores reportan un recall de 60.76% (recall
se define como la cantidad de resultados correctos obtenidos dividida por la cantidad de
resultados que se deberan haber obtenido) y una precisin (precisin se define como la
cantidad de resultados correctos obtenidos dividida por la cantidad total de resultados
obtenidos)de55.82%,sobretextosdeuncorpusdepruebacreadoporFilatovaetal.
2.2.3Sistemadeextraccindeeventosyrelaciones
11
relaciones y logra un 70% o ms de MedidaF (la MedidaF es la media armnica
ponderada entre precisin y recall) para 26 tipos de eventos por ahora. Adems, el diseo
deREESesaltamenteportableyconfigurableparaagregarnuevasrelacionesyeventos.
2.2.4Anclajeyordenamientotemporaldeeventos
El trabajo de Mani et al. [MANI01] plantea una solucin independiente del dominio
para el anclaje y ordenamiento temporal de eventos en textos de noticias. La solucin
planteainiciativasmixtasdeanotacindecorpusyaprendizajeautomtico.
Se usan las herramientas TEMPEX [WILSON02], para la deteccin de expresiones
temporales y CLAUSEIT (herramienta desarrollada adhoc) para identificar clusulas de
diferentestiposquesonloseventos.
El sistema calcula un valor temporal de referencia (tval) para cada clusula, este
valor puede ser el definido por una expresintemporalexplcitamencionadaenlaclusula,
o, si esta est ausente, unareferenciatemporalimplcitainferidadelcontexto.Paracalcular
estetval,sesigueelsiguientealgoritmo:
1. Se inicializa el tval con la fecha de creacin del documento. Luego para cada
clusulasehace:
a. Silaclusulatieneuntiempoexplcito,seleinicializaeltvalconesevalor.
b. Siesuntipodeclusularelativa,seasumequeeltvalesinaccesible.
c. Si el verbo de la clusula es del tipo reporte, seinicializaeltvalconlafecha
decreacindeldocumento.
d. Si la clusula est dentro de una cita (entre comillas), hereda el tval de la
clusulaquelaengloba.
e. Siningunodeloscasosanteriores,usarelvalormsrecientedeltval.
Luego se usan estos datos para entrenar un clasificador estadstico, C5.0 Rules
[QUINLAN01], para aprender reglas de relaciones de anclaje y reglas para rastrear los
cambiosdelosvalorestval(mantiene,revierteocambia)atravsdeclusulassucesivas.
12
eiyej sonloseventoscorrespondientesalasclusulasiyj,yResalgnvalorentre{at,bef,
aft,undefined}(en,antes,despus,indefinido).
2.3Anotacinderelacionestemporales
2.3.1Anotacindeinformacintemporalintraoracional
13
Grfico1[BRANTS01]
2.3.2Anotacinsemnticadetextosdenoticias
El objetivo final es establecer relaciones temporales entre todos los eventos del
texto. En el estado actual del proyecto, el objetivo es anclar las expresiones temporales a
una lnea de tiempo, a pesar de que la semntica de estas expresiones no est del todo
definidatodava.
El sistema FST marca a todas las expresiones temporales y verbos, una versin
experimental tambin marca expresiones nominales. Tambin se propone una
representacin semntica, en base a la cual se realizan inferencias, especialmente sobre
relaciones temporales. En el estado actual, el FST establece relaciones temporales entre
14
tiempos y eventos. El sistema fue evaluado con un corpus pequeo (10 artculos de
noticias)ylaprecisingeneralfuede84.49%.
15
3.Esquemasdeanotacinparainformacintemporal
3.1TIDESySTAG
<TIMEX2VAL="1999FA">Fall1999</TIMEX2>
<TIMEX2VAL="20040423">today</TIMEX2>
16
INCLUDED y SIMULTANEOUS.Esteltimotipoesdecarcterdifusoeincluyetodo tipode
solapamientostemporales.UnejemplodeanotacinSTAG:
TheplanecrashedonWednesday
Theplane
<eventeid=9class=OCCURRENCEtense=PASTrelatedToTime=5
relType=ISINCLUDED>crashed< /event>
<timextid=5>Wednesday</timex>
3.2TERQAS:TimeMLyTimeBank
Durante el ao 2002 se llev a cabo un taller, llamado TERQAS (Time and Event
Recognition for Question Answering Systems) [TERQAS01] el cualseenfocenresolverel
problema de cmoresponderpreguntasbasadasenel tiempo sobreeventos yentidadesen
untexto,especialmenteparaartculosdenoticias.
3.2.1TimeML
LascaractersticasquedistinguenaTimeMLson:
1. ExtiendelosatributosdelaanotacintemporalTIMEX2
2. Introduce funciones temporales que permiten expresiones especficas como: tres
aosatrsoelmespasado.
3. Identificasealesquedeterminanlainterpretacindeunaexpresintemporal:
a. Preposicionestemporales:por,durante,en.
b. Conectorestemporales:antes,despus,mientras.
4. Identificatodaclasedeexpresionesdeeventos:
a. Verbosconjugados:sehaido,fuecapturado,vaarenunciar
b. Adjetivosdeestadoyotrosmodificadores:hundido,avejentado,abordo.
c. Eventosnominales:OperacinMilitar,GuerradelGolfo.
5. Creadependenciasentreeventosytiempos:
a. Anclaje:Juansefueeljueves.
b. Ordenamiento:Lafiestaocurridespusdemedianoche.
c. Inclusin:JuandijoqueMaraparti.
3.2.1.1LasprincipalesestructurasdeTimeML
3.2.1.1.1EVENT
Lostiposdeeventopuedenser:
1. Ocurrencia(OCCURRENCE):morir,chocar,construir,vender
2. Estado(STATE):abordo,secuestrado,amar
18
3. Reporte(REPORTING):dice,reporta,anuncia
4. IAccin(IACTION):probar,tratar,prometer,ofrecer
5. IEstado(ISTATE):creer,querer,intentar
6. Aspecto(ASPECTUAL):empezar,terminar,parar,seguir
7. Percepcin(PERCEPTION):ver,escuchar,sentir,mirar
3.2.1.1.2TIMEX3
1. Expresionestemporalestotalmenteespecificadas:Junio111989Verano,2002
2. Expresiones temporales sub especificadas: Lunes, la semana que viene, el ao
pasado,hacedosdas
3. Duraciones:tresmeses,dosaos
3.2.1.1.3SIGNAL
Unejemplodeusodeestastresetiquetassera:
Juanparti2dasantesdelataque.
Juan
<EVENTeid="e1"class="OCCURRENCE"tense="PAST"aspect="PERFECTIVE">
parto
</EVENT>
<MAKEINSTANCEeiid="ei1"eventID="e1"/>
<TIMEX3tid="t1"type="DURATION"value="P2D"temporalFunction="false">
2das
</TIMEX3>
<SIGNALsid="s1">
antes
</SIGNAL>
del
<EVENTeid="e2"class="OCCURRENCE"tense="NONE"aspect="NONE">
ataque
</EVENT>
<MAKEINSTANCEeiid="ei2"eventID="e2"/>
19
un determinado evento. Se pueden crear la cantidad de instancias que sean necesarias.
CadaEVENTintroducealmenosunainstancia.
3.2.1.1.4LINKS
3.2.1.1.4.1 TLINK
1. Simultneas:
2. Idnticas:(enreferenciaalmismoevento)
JuansedirigiaBoston.Durantesuviajesecomiunsndwich.
3. Unaantesquelaotra:
JuanpartiantesqueMarallegar.
4. Unadespusdelaotra:(loopuestode3)
5. Unainmediatamenteantesquelaotra:
Todoslospasajerosquemurieroncuandoelavinseestrellenlamontaa.
6. Unainmediatamentedespusquelaotra:(loopuestode5)
7. Unaincluyelaotra:
JuanllegaBostoneljuevespasado.
8. Unaesincluidaporelotro:(loopuestode7)
9. Unacuyaduracinestincluidadentrodeladuracindelaotra:
10. Unadeellaseselprincipiodelaotra:
JuanhavividoenBostondesde1998.
11. Unaseiniciporlaotra:(loopuestode10)
12. Unadeellaseselfinaldelaotra:
JuansequedenBostonhasta1999.
13. Unaesterminadaporlaotra:(loopuesto12)
Para ilustrar el uso de esta etiqueta, se puede ver el ejemplo anterior Juan parti 2 das
antesdelataque.
SedeberacrearunTLINKdeestaforma:
20
<TLINKeventInstanceID="ei1"signalID="s1"relatedToEvent="ei2"relType="BEFORE"
magnitude="t1"/>
Estevnculoexpresadosaserciones:
Quelapartidadejuan(ei1),estordenadaantesdelataque(ei2)
Queelintervalo queseparaestosdoseventostiene unamagnitudigualalvalordela
expresintemporal(t1)
3.2.1.1.4.2 SLINK
Unejemplodeusodeestaetiquetaes:
GuillermoquiereensearelLunes.
21
Guillermo
<EVENTeid="e1"class="I_STATE"tense="PRESENT"aspect="NONE">
quiere
</EVENT>
<MAKEINSTANCEeiid="ei1"eventID="e1"/>
<SLINKeventInstanceID="ei1"subordinatedEvent="e2"relType="MODAL"/>
<EVENTeid="e2"class="OCCURRENCE"tense="NONE"aspect="NONE">
ensear
</EVENT>
<MAKEINSTANCEeiid="ei2"eventID="e2"/>
<SIGNALsid="s2">
el
</SIGNAL>
<TIMEX3tid="t1"type="DATE"temporalFunction="true"value="XXXXWXX1">
Lunes
</TIMEX3>
<TLINKeventInstanceID="ei2"relatedToTime="t1"relType="IS_INCLUDED"/>
3.2.1.1.4.3 ALINK
1. Iniciacin:Juanempezaleer
2. Culminacin:Juantermindearmarlamesa
3. Terminacin:Juandejdehablar
4. Continuacin:Juansiguihablando
Unejemplodeusodeestaanotacinpodranser:
Elbotecomenzahundirse.
Elbote
<EVENTeid="e1"class="ASPECTUAL"tense="PAST"aspect="NONE">
comenz
</EVENT>
<MAKEINSTANCEeiid="ei1"eventID="e1"/>
<SIGNALsid="s1">
a
</SIGNAL>
<EVENTeid="e2"class="OCCURRENCE"tense="NONE"aspect="NONE">
hundirse
</EVENT>
<ALINKeventInstanceID="ei1"signalID="s1"relatedToEvent="e2"relType="INITIATES"/>
22
3.2.2TimeBank
3.2.3AnotacinautomticaconTimeML
23
complejidaddelatareaylagrancantidaddetextosdenoticiasexistentesparaprocesar.
El sistema TARSQI puede usarse de modo independiente o como una herramienta para
auxiliaralosanotadores.
Elsistema seorganizaen mdulosencadenadosquevanagregandodiferentestipos
de anotacin TimeMLaldocumento.Seasumequelaentradadelsistemaesundocumento
anotado gramaticalmente (POS tagging). El siguiente es un diagrama del sistema (grfico
2):
Grfico2[VERHAGEN01]
Acontinuacinseexplicacadaunodeestosmdulos.
3.2.3.1GUTime
3.2.3.2EVITA
24
anlisis de caractersticas gramaticales, como tiempo y aspecto. La identificacin de
eventos est basada en la nocin de evento definida en TimeML. Se usan diferentes
estrategiasparaidentificareventosdentrodelacategoraverbo,sustantivooadjetivo.
3.2.3.3GUTenLINK
1. El evento est anclado sin una seal a una expresin temporal dentro de la misma
clusula.
2. El evento est anclado sin una seal a la fecha de creacindeldocumento(estees
un caso comn en los verbos de tipo reporte en textosdenoticias,quesuelenestar
asociadosalafechadecreacindeldocumentooaunoffsetpequeodeesta).
3. El evento en una clusula principal est anclado con una seal oconuna marcade
tiempo/aspecto al evento en una clusula principal de una oracin previa. En este
caso, se usa un FST (Finite State Transducer) para inferir la relacin temporal ms
probable entre los eventos basndose en las caractersticas de tiempo verbal y
aspecto que brinda TimeML para cada evento. Por ejemplo: un verbo no de estado
en tiempo pasado seguido por un verbo no de estado en pasado perfecto, con el
aspectogramaticalmantenido,sugierequeelsegundoeventoprecedealprimero.
3.2.3.4Slinket
Factivos(Factive)
Contrafactivos(Counterfactive)
Probatorio(Evidential)
Negativoprobatorio(Negativeevidential)
Modal(Modal)
La implementacin de este mdulo est lograda con una cascada de FSTs que
codificandiferentesreglas.
25
3.2.3.5SputLink
3.2.4Experienciasenotrosidiomas
Sauri [SAURI02], siendo miembro del equipo original de TimeML, define los
lineamientosdeanotacinparagenerarunTimeBankenespaol.
SI:eventorealizado
NO:eventonorealizado
FUTURO_PROG:futuroprogramado
FUTURO_NEG:futuronegado
26
POSIBLE:posible
INDEF:indefinido
A continuacin se muestra un ejemplo de los valores que puede tomar el atributo factivity
obtenidode[WONSEVER02]:
anunci=SI
serntrasladados=FUTURO_PROG
aliviar=POSIBLE
seconocen=NO
En la siguiente seccin se describen los roles semnticos, las teoras que los
trabajan, los recursos actuales que proveen informacin sobre ellos y las herramientas de
anotacinautomtica.
Como se mostrarmsadelante,dentrodetodalainformacinquebrindanlosroles
semnticos, existe informacin temporal (explcita o implcita) a partir de la cual se pueden
detectareventos,marcasyrelacionestemporales.
27
4.RolesSemnticos
4.1BasesLingsticas
28
involucrados en el marco. El conocimiento y experiencia estructurados por el marco
Transaccin Comercial provee el trasfondo y motivacin para las categoras representadas
por estos verbos. A continuacin (grfico 3) se puede ver la anotacin del marco
TransaccincomercialobtenidodelproyectoFramenet.
Grfico3[FRAMENET01]
29
Una descripcin completa de los predicados en el marco de Comercio tambin
puede incluir informacin sobre sus propiedades gramaticales y de varios patrones
sintcticos en los que ocurren.Qu elementos de marco puedenaparecercomosujetodel
verbo, u objeto, si es que hay alguno, y cual va a ser la forma sintctica superficial de los
dems elementos de marco?Cuales de estos elementos son opcionales y cules
obligatorios?Porejemplo,enlaoracin:
CarlacomprunacomputadoraaSallypor$100.
30
Para capturar, en cada marco, las diferentes combinaciones semnticas y
sintcticas, los lingistas comenzaron a anotar grandes corpus con informacin
sintctica/semntica. Estos recursos, que se presentan en la seccin 4.3, fueron usados
para entrenar diferentes programas de aprendizaje automtico para desarrollarsoftwarede
anotacinautomticaqueenriquezcatextosconinformacinsemntica.
4.1.1SemnticadeMarcos
4.1.2Losconceptosdeprototipoyperspectiva
SedescribeunacantidaddeconceptosenFrameSemantics[FILLMORE05].Unode
esos conceptos, es el de Prototipo, entendido como una gran porcin de la cultura
presentedentrodelacualelsignificadodelapalabraesdefinidoyentendido.
Por ejemplo, para entender el significado de la palabra desayuno, es necesario
entender las instituciones y prcticas de la cultura en la cual esta categora existe. Eneste
caso, es necesario entender la prctica de comer tres comidas al da a intervalos ms o
menos fijos y que la comida ingerida en laprimerapartedeldaluegodelperiododesueo
tiene un men especial y que para esta comida se usa la palabra desayuno. Las
condiciones que define el prototipo, no necesitan estar presentes para que el intrprete
nativo use la palabra apropiadamente. Alguien que habla lengua espaola, puede usar la
31
palabra desayuno para la comida ingerida en cualquiera de las siguientes situaciones:
dormir toda la maana, comer huevos, tostadas y caf a las dos de la tarde quedarse
despierto toda la noche, comer huevos, tostadas y caf a las siete de la maana dormir
toda la noche, comer tostadas y caf a las siete de lamaana. Este rango deusos,puede
capturarse a cuenta del significado de la palabra que apela a un prototipo. La palabra
desayunoproveeunacategoraquepuedeserusadaenunavariedaddecontextos.
CarlalecomprunacomputadoraaSallypor$100.
SallylevendiunacomputadoraaCarlapor$100.
evocaelmarcodeTransaccinComercialdesdelaperspectivadelvendedor.
4.1.3GramticadeCaso
32
necesario entender las propiedades de dichas escenas. Segn Fillmore, el conocimiento
lingsticoestorganizadoalrededordelapredicacin,cadapalabrapredicacional(adjetivo,
verbo o sustantivo) evoca cierto nmero de casos profundos (o roles de caso, para
diferenciar de los superficiales o sintcticos), algunos obligatorios, otros opcionales, los
cuales forman su marco semntico. As, un marco de caso describe aspectos importantes
sobrevalenciasemnticadeverbos,adjetivosysustantivos.
ElAgentivooAgente:elCasodelaentidadpercibidacomoinstigadordelaaccin
identificadaporelverbo,enotraspalabraselquehacelaaccin.
[Coln]AgentedescubriAmrica.
ElInstrumentaloInstrumento:elCasoenelqueunobjetoinanimadoouna
fuerzaseimplicanenunmodocausalenelestadooaccinidentificadosporel
verbo.
Serompilaventana[conunmartillo]Instrumento .
Dativo:elCasoqueesafectadoporelestadoolaaccinidentificadaporelverbo.
Juanledioellibro[aMara]Dativo .
Juanbesa[Mara].
Debido a esta similitud de nombres, Fillmore decidi dividir el caso Dativo en tres
casos:Experimentador,ObjetoyObjetivo.
Juandaa[lamesa]Resultativo .
33
Objeto: es el Caso semnticamente ms neutral. Cualquier entidad propia cuyo rol
en la accin o estado identificados por el verbo est dado por la interpretacin
semnticadelverboensmismo.Eselreceptordelaaccinverbal.
[Nuestracasa]Objetosequem.
Locativo: la ubicacin u orientacin espacialdelestadooaccinidentificadosporel
verbo. Fillmore distingue entredos tipos decasoLocativo:elLocativoModal, estoes
el Locativo que no pertenece a una frase verbal, acta como un adjunto, y el
Locativo Proposicional, el locativo que es parte de una frase verbal, acta como un
argumento.
Juanlavasuauto[enelgarage]LocativoModal .
Mariaguardasusjoyas[enunapequeacaja]LocativoProposicional .
Mientras que el verbo lavar tiene una valencia de dos (alguien lava algo) el verbo
guardar enelejemploanteriortieneunavalenciadetres(alguienguarda algoen unlugar).
Entonces, el rol locativo es un adjunto opcional en el primer ejemplo mientras que es un
argumento en el segundo. Sin embargo, estas sutiles diferencias entre los casos del
locativo,llevaronaFillmoreareconsiderarestacategoraentrabajosposteriores.
Luego de esta lista preliminar de casos, Fillmore not que eran necesarios casos
adicionalesporloquerefinlalistadecasosagregando:
Experimentador:laentidadimplicadaenuneventopsicolgicooestadomental.
[Lostiburones]Experimentadorolieronsangre.
Lospredicadospsicolgicosseexpresanenlaestructurasuperficialdellenguajecon
losverbosdesentidos(escuchar),emocin(gustar)ycognicin(creer).
Comitativo:elCasousadoparaexpresaracompaamiento.
Loschicosestn[conMaria]Comitativo.
Tomscorri[atravsdeljardn]Camino[haciaelbordedelbosque]
Objetivo.
Maxva[dePars]Origen[aLondres]
Objetivo.
Temporal:estecasodefineelmomentoenelqueuneventotomalugar.
34
Sefueronajugar[alas10p.m.]Temporal
Fillmore provee evidencia lingstica para sus roles de casos (o casos profundos).
Por ejemplo, argumenta que los sujetos en (a.), (b.) y (c.) abajo tienen diferentes roles
temticos, Agente, Instrumento y Objeto respectivamente, considerando los hechosen(d.),
asumiendo un rol por argumento de frase sustantiva. La oracin errnea (e.) falla porque
tratadeasignarlosrolesAgenteeInstrumentoalsujeto.
a.[Juan]Agenterompi[laventana]
Objeto.
b.[Unmartillo]Instrumento rompi[laventana]Objeto .
c.[Laventana]Objetoserompi.
d.[Juan]Agenterompi[laventana]
Objeto[conunmartillo]
Instrumento .
e.[Juan]Agentey[unmartillo]
Instrumentorompieron[laventana] Objeto.
f.[Unmartillo]Instrumento rompi[laventana]Objeto
[conuncincel]Instrumento.
4.1.4TeorasdeRolesSemnticos
Otra teora muy influyente sobre roles semnticos fue introducida por Ray
Jackendoff [JACKENDOFF01]. Empez con un conjunto de roles temticos originalmente
introducidos por Gruber en 1965 [GRUBER01]: Tema, Origen, Objetivo y Agente.
Jackendoff propuso varias modificaciones y refinamientos a este inventario de roles,
basndose en un nuevo formalismo al que llam Conceptual Semantics (Semntica
Conceptual). Segn Jackendoff, el significado de una expresin lingstica puede
representarse con una estructura conceptual compuesta de Conceptual Constituents
(Constituyentes Conceptuales). Un constituyente conceptual involucra una omsprimitivas
semnticas. Para cada constituyente principal en la estructura sintctica tiene que haber
una correspondencia con un constituyente en la estructura conceptual. El mapeo entre la
estructura sintctica y conceptual est dado porreglasdecorrespondencia.Apesardeque
la fonologa (forma fontica) y el significado (forma lgica) siempre fueron tratadoscomosi
derivaran de la sintaxis, Jackendoff dice que la jerarqua correcta consiste en poner a la
estructura conceptual en una punta, a la estructura fontica enotrapuntaylasintaxisenel
medio.
35
Otra perspectiva sobrela semnticaderoleseslaplanteadaporDowty[DOWTY01].
l afirma que hay una notableausenciadeconsensosobreloquesonlosrolestemticos.
Dowty rechaza la idea de asumir roles temticos individuales para cada verbo, por sobre
roles independientes de los verbos. En su teora, Dowty se focaliza en el problema de la
seleccin de argumentos.Laseleccindeargumentosanalizalosprincipiosque determinan
cules argumentos semnticos del verbo son expresados por cules relaciones
gramaticales (por ejemplo objeto, sujeto). Dowty dice que los roles temticos no deben ser
tratados como categoras discretas sino como conceptos prototpicos. De esta manera,
definidosprotoroles.
La idea de los proto roles es que en realidad hay slo dos conceptos de tipo rol
temtico involucrados en la seleccin de argumentos, y estos son conceptos agrupados,
es decir, no descritos de maneradiscreta.LosllamaProtoRolAgenteyProtoRolPaciente,
y las considera las nica categora temtica en la cual se establecen los principios de
enlace.Dowtypresentaunlistadodepropiedadesparaestosdosprotoroles:
ParaelProtoRoldeAgente:
involucracinvoluntariaeneleventooestado
sensibilidad(y/opercepcin)
causaruneventoocambiodeestadoenotroparticipante
movimiento(relativoalaposicindeotroparticipante)
existeindependientementedeleventonombradoporelverbo
ParaelProtoRolPaciente:
sufrecambiosdeestado
puedeserdecarcterincremental
afectadocausalmenteporotroparticipante
estacionarioenrelacinalmovimientodeotroparticipante
noexisteindependientementedelevento,onoexistecompletamente
36
Varios lingistas tomaron aspectos de la idea de Proto Roles en sus modelos de
gramtica. La teora de Davis[DAVIS01]sobrelaconexinentreelsignificadodelapalabra
y la sintaxis, usa propiedades de los Proto Roles en un tipo de jerarqua de herencia
mltiple en el marco de HeadDriven Phrase Structure Grammar de Pollard y Sag
[POLLARD01]. Cada propiedad de Proto Rol escodificadaenellxicocomountipodentro
de una jerarqua de tipos y subtipos. Davis asume dos Macro Roles llamados Actor y
Experimentador,demanerasimilaralaterminologadeVanValin[VALLIN01].
Una de las teoras que influenci a los recursos lxicos como VerbNet y PropBank
fue desarrollada por Beth Levin [LEVIN01]. Levin dice que los marcos sintcticos son un
reflejo directo de la semntica de trasfondo. Ella defini clases de verbos basadas en la
habilidaddelverbodeocurrironoenparejaconmarcossintcticosquesondedeterminada
manera preservadores de significado. VerbNet es un recurso lxico en el cual las clases
originalesdeLevinfueronsubdivididasenclasesadicionalesqueson mssintcticamentey
semnticamentecoherentes(verseccin4.3.2).
4.2DescripcindeRolesSemnticos
4.2.1AlgunosRolesSemnticosComunes
Teoras como la de Dowty [DOWTY01] definen slo dos roles Proto Agente y Proto
Paciente. Otras teoras definen como mnimo seis roles bsicos descritos por la Gramtica
deCaso(verseccin4.1.3).Algunosdelosrolestemticosmsconsiderados:
Agente:deliberadamenterealizaunaaccin
[Carlos]Agentetomlasopatranquilamente.
Experimentador:recibeentradasensorialoemocional
Elolorafloresllenlanarizde[Mara]Experimentador.
37
Tema:sufreunaaccinperonocambiasuestado.Avecesesintercambiablecon
Paciente.
Megusta[Juan]Tema.
Paciente:soportalaaccinycambiasuestado.
Lasrocasquecayeronaplastaron[elauto]Paciente.
Instrumento:usadoparallevaracabolaaccin
Emanuelcortellazo[conunastijeras]Instrumento.
Fuerzaocausanatural:llevaacabolaaccinsinvoluntadpropia
[Eltornado]Causanaturaldestruylaciudad.
Locacin:dondesellevaacabolaaccin
CarlosyLisajugaban[enelparque]Locacin.
DireccinuObjetivo:adndesedirigelaaccin
Elcaballosigui[haciaelestablo]Objetivo.
Receptor:untipoespecialdeobjetivoasociadoconverbosqueexpresanposesin
Lemandelacartaa[Juan]Receptor.
Origen:dondeseoriginalaaccin
Selanzelcohete[desdeelcuartelgeneral]Origen.
Tiempo:eltiempoenelquesucedelaaccin
[Ayer]meencontrconMaraenlacalle.
Beneficiario:laentidadquesebeneficiaconlaaccin
Lehiceunatortaa[Carla]Beneficiario.
Modo:lamaneraenlaquesellevaacabolaaccin
[Conurgencia]Modo,mecomuniqueconsufamilia.
Propsito:laraznporlacualsellevaacabounaaccin
38
Llameasucasa[parapedirayuda]Propsito.
Causa:loquecausquelaaccintomalugarenprimerainstancia
[Comotenahambre]Causa,secomilatorta.
4.2.2CaractersticasdelosrolesSemnticos
Seconsideraquelosrolessemnticostienenlassiguientescaractersticas:
1. Existeunacantidadfijaderolessemnticos.
2. Losrolessemnticossonatmicos.
3. Acadaargumentodelverboseleasignaalgnrolsemntico.
4. Acadaargumentodelverboseleasignaunsolorolsemntico.
5. Losrolessemnticosasignadosalosargumentosdelverbosonnicos.
6. Losrolessemnticosnosonrelacionales.Estoes,porejemplo,sihayunrol
PacientenoimplicanecesariamentelapresenciadeunrolAgente.
Sinembargo,estascaractersticaspresentanproblemas.Enprincipio,lacantidadfija
de rolessemnticosesunacaractersticaenlaquenohayacuerdo.Existenpropuestasque
van desde una pequea cantidad hasta varios cientos. Basta con ver el caso de Dowty
[DOWTY01] que propone slo un par de roles o el caso de HPSG [POLLARD01] que
propone para cada verbo un juego particular de roles semnticos y que son diferentes de
losdecualquierotroverbo.
Otro problema, es la asuncin de que a un argumento se leasignaexactamenteun
solo rol. Esta caracterstica tambin es cuestionable, como se muestra en el siguiente
ejemplo:
Juancorridentrodelacasa.
Tanto Gruber [GRUBER01] como Jackendoff [JACKENDOFF01] coinciden en que
JuanpuedesertantoAgentecomoTema.
La distincin, que cada argumento de cada verbo se distingue de los otros
argumentos por el rol que se le asigna, es difcil de establecer en ejemplos como los que
siguen:
1. JuanjugconMara.
2. Juansepareceasumadre.
3. AesparecidoaB.
39
Enestosejemplos,losdosparticipantestendrnelmismorol.
Otro problema es cmo y dnde establecer los lmites entre los tipos de roles. Por
ejemploelcasodelosobjetosdirectosquepuedenserInstrumentosoComitativo.
Juanganelcaso[conunabogadomuybienpago]Instr./Comit. .
4.3RecursosdeRolesSemnticos
4.3.1FrameNet
El proceso de anlisisparalaconstruccindeFrameNetsepuederesumirenlossiguientes
pasos:
1. Caracterizacin del marco: tipos de situaciones para las que el lenguaje provee
mediosespecialesdeexpresin.
UnejemploeselmarcoEstacionando.
Las palabras de este marco describen a alguien A deteniendo el movimiento de un
B.BpuedeavecesusarsemetonmicamenteparareferirseaAquelocontrola.
2. Describir y nombrar los elementos de marco (FEs): aspectos y componentes del
marco que es probable que sean mencionados en frases y oraciones instancias de
esemarco.
EnelcasodeEstacionando,AeselConductoryBeselVehculo.
3. Seleccionar unidades lexicogrficas (LUs) que pertenecen al marco: palabras de
cualquiertipoqueevoquenydependandeltrasfondoconceptualasociadoalmarco.
En el caso de Estacionando, tenemos aparcar.v, atracar.v, estacionar.v,
estacionarse.v,fondear.v
4. Anotar oraciones extradas deuncorpusquemuestrenformasrelevantesenlasque
las unidades lexicogrficasevocanalmarco.Estosehaceconayudadeunsoftware
deanotacin.
[CONDUCTOR El
chofer] [ TARGET estaciono]
[VEHCULOmi
auto]delantedela puertadelHotel
Ritz.
5. Generar automticamente entradas lexicogrficas, y descriptores de valencia que
contienen,resumiendolasobservacionesderivablesdeellos.
Enelcasodelejemploanteriorsera:
40
[CONDUCTOR:SUJETO:NP El
chfer] [ TARGET estaciono]
[VEHCULO:OBJETO:NPmi
auto] delante de la
puertadelHotelRitz.
El resultado del proyecto hasta el ao 2013 es de 1164 marcos descritos,unndice
de 12711 LUs, 168201 oraciones anotadasilustrando lasLUsy27691anotacionesdetexto
completo.
4.3.1.1Elementosdemarco(FEs)
Los elementos de marco (Frame Elements) son las entidades o propiedades que
puedenestarpresentesencualquierinstanciadelmarcoencuestin.
Se puede distinguir entre 3 diferentes tipos de marcos de acuerdo a su relevancia. Estos
tipos son central, perifricos y extratemticos. Tambin se puede nombrar un cuarto
valorposiblequeeseldecentralnoexpresado.
4.3.1.1.1Elementosdemarcocentrales
Cuando se habladecentralidaddeunFE,sepuedennombrarciertascaractersticas
queestosdebenposeer,aunquenonecesariamentedebentenertodas:
Cuandounelementosiempretienequeestarmanifiesto,escentral.
Unelemento,quecuandoesomitido,recibeunainterpretacindefinida,escentral.
Es central un elemento cuya semntica no puede ser predicha por su forma. Su
interpretacindependepuramentedeltarget.
4.3.1.1.2Elementosdemarcoperifricos
4.3.1.1.3Elementosdemarcoextratemticos
41
en donde aparecen. A diferencia de los FEs centrales y perifricos, los extratemticos, se
mantienen (mantienen su significado) a travs de los marcos anfitriones en los que
aparecen.
4.3.1.1.4Elementosdemarcocentralnoexpresado
4.3.1.1.5Instanciacinnuladeelementosdemarco
Puede pasar que a veces no se puedan encontrar los FEs centrales deunLUenla
oracin construida alrededor de ese LU. Hay tres explicaciones para este fenmeno, una
gramticaydoslexicogrficas.
La explicacin gramatical, tiene que ver con construcciones gramaticales que
permiten la omisin de algn argumento. A estos casosselos denominaInstanciacinnula
constructiva (CNI). Ejemplos de esto son las oraciones en modo imperativo (Por favor
vyase),oracionesenvozpasiva(Fuimosestafados),etc.
Tambin existe la Instanciacin nula indefinida (INI) y la instanciacin nula definida
(DNI). Las DNI son en los casos en los que el elemento faltante es algo que ya est
entendidoeneltexto,oseavienedelcontexto.
Las INI se dan en los casos en donde se omite el objeto directo, es decir casos en
los que tpicamente verbos transitivos se usan como intransitivos. Un ejemplo es el verbo
Comer, Juan raramente come solo. Como se ve, puede drsele algn significado al objeto
faltante,peronoesalgodefinido.
4.3.1.2Relacionesentremarcos
Los marcos de FrameNet estn asociados entre s por diferentes relaciones, lo que
permite hacer afirmaciones sobre los tipos semnticos a diferentes niveles de generalidad.
Haysietetiposderelacionesysepuedenagruparentresgrupos:
4.3.1.2.1Relacionesdegeneralizacin
Herencia:elmarcohijoheredalosFEsdelpadreypuedeagregarotrosnuevos.
Perspectiva sobre: diferentes tems lxicos (ej: Comprar, Vender) evocan marcos
con diferentes perspectivas sobre un mismo evento abstracto (ej: Transaccin
Comercial).
Uso: el marco hijo depende del trasfondo del marco padre. Algunos de los FEs del
padrepuedenestarenelhijo,perononecesariamentetodos.
4.3.1.2.2Relacionesdeestructuradeeventos
42
Submarco: representan sub eventos de un evento ms complejo. Suele
corresponderse con un ordenamiento temporal. Por ejemplo, el marco Dar est
conectado con PreDar y PostDar, dando informacin sobre quin tiene que y
cuando.EstostresmarcosjuntosconstituyenelescenariodeDar.
Precede:estarelacinespecficaordenamientotemporal.
4.3.1.2.3Relacionessistemticas
Causade:elmarcopadrerepresentalacausadelmarcohijo.
Incoativo de (del aspecto verbal que expresa el comienzo de una accin): el marco
padre representa el incoativo y el hijo el estativo. Por ejemplo el marco Cambiar de
posicinenunaescala( subir,bajar)eselincoativodePosicinenunaescala.
4.3.2VerbNet
Uno de los estudios ms importantes sobre la relacin entre los roles semnticos y
las diferentes alternancias sintcticas, es el de Levin [LEVIN01]. Levin plantea que los
marcos sintcticos son un reflejo directo del significado semntico de un texto. Basado en
este principio, describe determinadas clases de verbos segn la posibilidad de que ese
verboaparezcaapareadocondeterminadomarcosintctico.
VerbNet [KIPPER01] extiende las clases de Levin aadiendo una representacin
abstracta de los marcos sintcticos para cada clase, con una correspondencia explcita
entrelaposicinsintcticayelrolsemnticoqueexpresan.
Porejemplo,paraelcasodelverboromper:
1. Juanrompilaventana./AgenteRELPaciente
2. Laventanaserompienpedazos./PacienteRELenpedazos
Las clases originales de Levin, que constituyen los primeros niveles de lajerarqua,
fueron refinadas para dar cuenta de diferencias semnticas y sintcticas ms profundas
dentrodeunaclase.
Actualmente, todas las clases de verbos de Levin fueron asignadas a etiquetas
temticas y marcos sintcticos, y ms de la mitad de las clases estn completamente
descritas, incluidos sus predicados semnticos. En muchos casos, la informacin adicional
provista por VerbNet para cada clase causa que estas se subdividan o que se tengan que
agregarjerarquas.[KIPPER02]
4.3.3Propbank(PropositionBank)
43
PropBank se plantea realizar una aplicacin prctica de las ideas de Levin
[LEVIN01]yeltrabajorealizadoenelproyectoVerbNet.
La idea de PropBank escrear uncorpuslosuficientementegrande ycompletocomo
para poder realizar aplicaciones prcticasy estudiosempricosbasadosenloplanteadopor
Levin.
PropBank define roles semnticos basados en cada verbo. Los argumentos
semnticos de un verbo se numeran comenzando de cero. De este modo, para un
determinado verbo, el Arg0 va a ser el Agente y el Arg1 el tema. No se pueden realizar
generalizacionesparaargumentosdemayoresrdenes.
Unejemplo:
Framesetpatear.01moverconelpie
Arg0:Pateador
Arg1:Cosapateada
Arg2:Instrumento(pordefectoelpie)
Ejemplo1:[Arg0Juan]tratdepatear[Arg1lapelota],peroMaralasacenelltimomomento.
LOC:locacin
EXT:extensin
DIS:conectordediscurso
ADV:usogeneral
NEG:negacin
MOD:verbomodal
CAU:causa
TMP:tiempo
PNC:propsito
MNR:modo
DIR:direccin
El procesodeenmarcadoeselprocesodecrear losarchivosdemarcos,esdecirlas
coleccionesdeframesetsparacadalexema.Consisteen:
44
1. Sehaceunmuestreodeoracionesdelcorpusqueusenelverboenconsideracin.
2. Seagrupanestasinstanciasenunoomssentidosprincipales.
3. Cadasentido,pasaaserunframeset.
4. Para mostrar todas las posibles realizaciones sintcticas del frameset, se incluyen
varias oraciones sacadas del corpus. Si alguna realizacin en particular no es
encontradaenelcorpus(PennTreeBank),secreaunejemplo.
Es importante notar que este proceso es realizado verbo por verbo, no tomando el
texto de corrido. La desventaja de esta aproximacin, es que es difcil obtener una idea
rpida del texto completamente anotado y poder prever la utilidad final del trabajo. Es por
esto, que se extrajo un subcorpus del TreeBank, formado por textos de ndole financiera y
fueloqueprimerosecomenzaanotar.
4.3.4Wordnet
LasrelacionessemnticasquesealmacenanenWordnetson:
45
4.3.5ComparacinentreFrameNet,PropBankyWordnet
ComparacindeMarcos
PropBank FrameNet
Comprar Vender COMERCIO
Arg0:comprador Arg0:vendedor Comprador
Arg1:cosacomprada Arg1:cosavendida Vendedor
Arg2:vendedor Arg2:comprador Pago
Arg3:preciopagado Arg3:preciopagado Bienes
Arg4:beneficiario Arg4:beneficiario Medida/Unidad
AnotacindeFrameNet:
1)[CompradorCarlos]compr[Bienesunauto][VendedoraGerardo][Pagopor$1000].
2)[VendedorGerardo]vendi[Bienesunauto][CompradoraCarlos][Pagopor$1000].
AnotacindePropBank:
46
3)[Arg0Carlos]compr[Arg1unauto][Arg2aGerardo][Arg3por$1000].
4)[Arg0Gerardo]vendi[Arg1unauto][Arg2aCarlos][Arg3por$1000].
Hasta el momento, PropBank solo se dedica a trabajar con verbos, mientras que
FrameNet incluye sustantivos y adjetivos. La anotacinde PropBanktambindifiereenque
se hace en referencia a los rboles sintcticos del Penn TreeBank y no solamente se les
muestra estos rboles a losanotadorescuandoanalizanunaoracin, sinoqueselosobliga
a asignar las etiquetas semnticas a nodos de estos rboles. En FrameNet no se usan
rboles de anlisis sintctico. Los anotadores marcan el principio y el fin deloselementos
de marco en el texto y agregan una etiqueta de funcin gramaticalqueexpresalarelacin
sintcticadelelementodemarcoconelpredicado.
4.3.6Recursosenotrosidiomas
47
El Expand Approach tiende a producir recursos de estructura similar, bajo el riesgo
de dejardeladodiferenciasespecficasdellenguajeenlexicalizacin(esdecir,laestructura
dellxico).
Las bases de datos multilinges construidas en base al modelo FrameNet son
organizacionalmente similares. En principio, FrameNet permite referencias cruzadas
multilinges en muchos niveles, incluyendo marcos, unidades lxicas, lemas, o hasta
palabras de oraciones no anotadas. Los aspectos especficos del lenguaje en las
definiciones incluyen oraciones de ejemplo y generalizaciones de patrones de realizacin
sintctica. En los FrameNets en otros idiomas, se reemplazan los ejemplos en ingls por
ejemplosenelidiomaencuestinquecumplanlamismafuncin.
4.3.6.1Alemn
4.3.6.2Japons
48
4.3.6.3Espaol
ElproyectodeFramenetenEspaol(SFN)[SUBIRATS03]esauspiciadoporel
DepartamentodeCienciayTecnologadeEspaaydesarrolladoporlaUniversidad
AutnomadeBarcelonaporunequipolideradoporelDr.CarlosSubiratsRggeberg.El
objetivodelFrameNetenespaoleseldeanotaruncorpusdecitasydescubrirpatronesde
valenciasparaungrannmerodepalabraspredicativas,mostrandocmoestospatrones
devalenciasoninstanciadosenoracionesverdaderas.
CadaentradadelFrameNetenEspaolproveeenlacesaotrosrecursoslxicos,
incluidoslossynsetsysuscategorizacionesdemarcossintcticosdelEuroWordNeten
Espaol.Losentregablesdelproyectoconsistenenlabasededatos:entradaslxicaspara
cadapalabra,descripcindelosmarcosysubcorpusanotados.SFNusauncorpusde300
millonesdepalabras,elmismosoftwareybasededatosqueeldelproyectodeBerkeley.El
corpusdelSFNincluyeEspaolAmericanoyEuropeo.Lostextosquelocomponen
provienendediferentesfuentestalescomodiariosdenoticias,opinindelibrosyensayos
humanistasentreotros.Estostextosheterogneoshacenuntotalde350millonesde
palabras.
4.3.6.4Sueco
4.3.6.5Portugus(Brasil)
49
4.4Anotacinautomtica
4.4.1AnotacinautomticadetextosconFrameNet
Shalmaneser.[LINKSHAL1][ERK01]
LTH.[LINKLTH1]
SEMAFOR.[LINKSEMAFOR1]
50
Grfico4[JURAFSKY01]
Se define como el camino (path) desde el predicado a travs del rbol de
anlisis sintctico hasta el constituyente.Serepresentacomo unacadenade
etiquetas no terminales del rbol enlazadas con smbolos indicando
movimientos arriba y abajo en el rbol. Comoenelcasodelejemplo(grfico
4), sera VBVPSNP. Si bien es una cadena de smbolos, el sistema lo
tratacomounatributoatmico.
Posicin (position): este atributo indica si el constituyente a etiquetarocurre
antes o despus del predicado. Esta caracterstica est muy correlacionada
conlafuncingramaticalypuedeservirparadisminuirelefectodeerroresde
anlisissintctico.
Voz (voice): caracterstica que distingue entre verbos pasivos y activos, es
importante para predecir roles semnticos porque elobjetodirectodeverbos
activoscorrespondeasujetosdeverbospasivos.
Palabra cabecera (headword): esta es una caracterstica lxica y provee
informacin sobre el tipo semntico del que cumple el rol. Las palabras
cabeceras de los nodos, se determinan usando el mismo juego de reglas
determinsticasusadasporCollins[COLLINS01].
4.4.2AnotacinautomticadetextosconPropBank
En PropBank, la anotacinautomtica,esparteconstitutivadelproyecto.Unodelos
objetivos explcitos de PropBank es poder proveer datos de entrenamiento para
herramientasdeanotacinautomticasupervisada.
Una de las ventajas que tiene PropBank para este objetivo, es que las oraciones
51
elegidas para ser anotadas son del corpus del Wall Street Journal usado para el proyecto
Penn Treebank, y por esto, todas tiene un rbol sintctico chequeado por anotadores
humanos. Esta informacin sintctica de calidad, le da una ventaja importante en el
momento de entrenar herramientas que usan esta informacin como caracterstica.
[PALMER01]
El mtodo de anotacin automtica de Propbank, descrito por Palmer [PALMER01]
se basa en el trabajo de Jurafsky [JURAFSKY01] y que originalmente fue pensado para
FrameNet.
52
5.Trabajosrelacionados
53
elementos temporales. El objetivo es lograr extraer la mayor cantidad de elementos
temporalesyeljuegoderestriccionesmscompactoposible.
Entrminosgenerales,elflujodetrabajodeTIEsedivideen:
1. Preprocesamiento:
a. Eventos y atributos temporales: se usa el software Evita y GUTime (ver
seccin 3.2.3) para detectar eventos yexpresionestemporales,marcndolos
conanotacionesTimeML.
b. Caractersticas de dependencia: se generan pares de dependencias entre
elementos.Porejemplo:
Australia ha sido independiente desde 1901 genera
prep_since(independiente,1901)
c. Caractersticas SRL (roles semnticos): se busca el argumento temporal
AMTMPparacadaverbo(siesquetieneargumentotemporal).
2. Identificacin de Relaciones Temporales: se usa un modelo probabilstico pre
entrenado con datos de TimeBank y combinado con reglas de transitividad, para
clasificarcadaelementotemporal.
54
6.Desarrollo
Existen tres grandes grupos de elementos temporales que se pueden marcar enun
texto, como se explicenlaseccin3.2.1.1,son:TIMEX3,EVENTsyLINKs.Caberecordar
que los elementos TIMEX3 son expresiones temporales explcitas, tales como horas,
fechas, duraciones,etc. Los elementos EVENT son situaciones que suceden u ocurren,
pudiendoserpuntualesoporunperiododeterminadode tiempo.LuegoestnlosLINKsque
representanrelacionestemporalesydeordenentreEVENTsyentreEVENTsyTIMEX3.
La tarea de deteccin de marcas temporales TIMEX3 est bastante madura dentro
del rea de procesamientodellenguajenatural.Comosemencionenlaseccin3.2.3.1,la
herramienta GUTime, que es parte del juego de herramientas TARSQI, brinda una
MedidaF de 78% para anotar texto libre con TIMEX3. Es por eso que en este trabajo se
pone especial nfasis en las tareas de deteccin de EVENTs y LINKs. Sin embargo son
necesarias las marcas temporales TIMEX3 para la deteccin y anclaje de los otros
elementostemporales,porloquedebernestardentrodelostextosanotados.
Debido a que la naturalezadeloseventos(EVENTs)en untextoesdiferentealade
los enlaces (LINKs) entre estos eventos, se separa el trabajo de deteccindeEVENTsyel
de deteccin de LINKS en dos mdulos de trabajo diferentes. Se analiza cmo la
informacin semntica interacta con los LINKs y EVENTs ayudando para su deteccin. A
continuacin se explica cmo se encar en lneas generales el anlisis en cadamdulode
trabajo.
6.1Esquemageneraldetrabajo
Para comenzar, se parti del corpus de TimeBank 1.2 que est compuesto por
textosmarcadosconetiquetasTimeML.
Como siguiente paso, se us la herramienta de anotacion semntica automtica
SEMAFOR para anotar este mismo corpus. De esta manera se obtuvo un corpus anotado
conTimeMLyMarcosdeFrameNet.
En este punto el trabajo se divide en las dos ramas mencionadas, la deteccin de
EVENTsporunladoyladeteccindeLINKsporotro.
Para la generacin de modelos dedeteccindeEVENTs,sedesarrollaronunaserie
de herramientas que interpretan las anotaciones de FrameNet ydeEVENTsTimeML,y,de
esta manera, generar archivos de entrenamiento con diferentes caractersticas a tener en
cuenta. Estos archivos de entrenamientos, fueron usados para entrenar los modelos de
deteccin de EVENTs usando un algoritmo de CRF provisto por la herramienta CRFSuite.
Esta ltima sucesin de pasos se repiti las veces necesarias para detectar las
caractersticasquemsmejoraronlosmodelos.
Para la generacin de modelos de deteccin de LINKs, se procede de manera
anloga a la usada para los EVENTs con la diferencia de que en este caso el algoritmo
utilizadoeseldeSVMprovistoporlaherramientaWeka.Seexplicamsadelante.
En el grfico5semuestraunesquemadeldesarrollodelosdiferentescomponentes
yanlisis.
55
Grfico5
6.2Mdulomarcadordeeventos
Enlasiguienteoracin,sepuedenvermarcadosdoseventos:
On theotherhand,it's<EVENTeid="e1"class="OCCURRENCE">turning</EVENT>outto
be another very <EVENT eid="e369" class="STATE">bad</EVENT> financial <TIMEX3
tid="t83" type="DURATION" value="P1W" temporalFunction="false"
functionInDocument="NONE">week</TIMEX3>
forAsia.
Una de las principales caractersticas que se ven de las marcas de eventos es que
son consumidoras de texto. Diferente es el caso de los enlaces que no son consumidores,
como se explicar ms adelante. Esto hace que el hecho de que una palabra sea o no un
evento, depende mucho del contexto que la rodea. Esta es una de las principales razones
por las que se decidi utilizarelalgoritmodeclasificacinCRF(ConditionalRandomFields)
tal como lo hace Llorens [LLORENS02], adems de ser el msfrecuentementeusadopara
este tipo de tareas de anotacin automtica. A continuacin se describe CRF y se
56
profundizaensusbeneficiosparaelpresentetrabajo.
6.2.1ConditionalRandomFields
Elsiguienteejemplo(tabla1)ilustraelproblema:
X Y
l ?
vendi ?
la ?
propiedad ?
Tabla1[LLORENS02]
?=B_EVENT,I_EVENT,O
57
Grficamente,losCRFssonrepresentadosporgrafosnodirigidos,G=(V,E)siendoque
Y=(Yv),vV,asYesindexadaporlosvrticesdeG.
P(Yv|X,Yw,vw)=P(Yv|X,Yw,vw)
vwsignificaqueYwyYwsonvecinosconectadosenG.
Para el problema que se quiere resolver en esta tesis, esta es una tcnica
recomendada de aprendizaje automtico a utilizar. Los eventos pueden depender de
propiedades estructurales de las oraciones del lenguaje natural y la informacin semntica
estrelacionadaconlaestructuradeloseventos.
Porejemplo:
Dado este anlisis, se concluye que los CRFs son tiles en el reconocimiento de
eventosenloscualeslaspropiedadessecuencialesyestructuralesseanrelevantes.
En la siguiente seccin, se procede a analizar comparativamente a los eventos de
TimeML contra los diferentes marcos deFrameNet.Deestamanerasedemostrarcmola
informacin semntica de FrameNet es sumamente rica y til para elobjetivopropuestode
deteccindeeventostemporales.
58
6.2.2TiposdeEventosTimeMLyMarcosdeFrameNet
Cabe aclarar que muchos tipos de eventos, se relacionan con ciertas palabras. Sin
embargo, esto no quiere decirquecadavezqueapareceesa palabraexpresa uneventode
ese tipo. Es decir, las palabras pueden ser ambiguas con respecto al tipo del evento. Este
problemadeambigedadesparcialmentesolucionadoconelusodemarcossemnticos,ya
quelosmarcosdistinguenelsentidodelaspalabras.
Por ejemplo, la palabra (o Unidad Lxica en trminos de FrameNet) decir puede
pertenecer a al Frame Spelling_and_pronouncing (Ej: Mi pequea sobrina no puededecir
prestidigitacin) o al Frame Statement (Ej:Evelyndijoquenoestabalistaparasalir).Enel
primer caso el verbo decir no representara un evento mientras que en el segundo
representauneventodetipoReporting.
6.2.2.1AnlisisdelostiposdeeventosTimeMLcontralosmarcosdeFrameNet
6.2.2.1.1REPORTING
EstetipodeeventocoincideconladefinicindelosmarcosReportingyStatement.
Juandijoquenohuboincidentesduranteelfindesemana.
Marinaexplicquenohabaquedejarelartefactoconectadodurantelanoche.
EstaesladefinicindelmarcoStatementextradadelproyectoFramenet:
59
Este frame contiene verbos y sustantivos que comunican el acto de un Orador de
dirigir un Mensaje a un Receptor usando lenguaje. Se puede usar una gran variedad de
palabrastalescomodeclara,deciroinsistir.
Elladijoqueyollegaratarde.
Enelgrfico6semuestraundiagramadelframeStatementysushijos:
Grfico6[FRAMENET02]
6.2.2.1.2PERCEPTION
Eltestigoledijoalapolicaqueviounhombrecorriendo.
UnmarcorelacionadoconestetipodeeventoesPerceptioncuyadefinicines:
Yohueloalgopodrido.
LaestructuradeherenciadelmarcoPerception (grfico7):
60
Grfico7[FRAMENET02]
6.2.2.1.3ASPECTUAL
1. Iniciacin:empezar,comenzar,originar,iniciar
2. Reiniciacin:reiniciar
3. Terminacin:parar,cancelar,terminar,cesar,discontinuar,interrumpir,abandonar
4. Culminacin:terminar,completar
5. Continuacin:continuar,proceder,seguir,persistir,perseverar
ElvolcnempezamostrarsignosdeactividadenAbrilporprimeravezen600aos.
Existen varios marcos que se relacionan con este tipo de evento. Por ejemplo:
Process_start, Process_resume, Process_stop, Process_end, Process_continue. Como se
puedever,elparalelismoentreloseventosdetipoAspectualyframesesmuymarcado.
61
Grfico8[FRAMENET02]
6.2.2.1.4I_ACTION
Denota una Intensional Action (Accin Intensional). Cabe aclarar que el trmino
Intensional (como opuesto de extensional) en el rea delingstica,serefierealconjunto
de rasgos o propiedades que forman el significado de un concepto [COOK01]. Los
contextos en donde el valor de verdad de una proposicin depende del conocimiento, son
decarcterintensional.
Sin embargo, existen trabajos como el de Chrisholm [CHRISHOLM01] que
establecen que los fenmenos intencionales son intensionales. Por ejemplo, los actos
mentales, tales como creer o pensar, forman contextosintensionales.Estapropiedadesde
gran importancia para establecer relaciones entre determinados marcos de FrameNet y el
tipodeeventoI_ACTION.
Un I_ACTION requiere un argumento de evento (que debe aparecer explcitamente
en el texto) que describe una accin o situacin sobre la que se puede inferiralgodadosu
relacinconlaI_ACTION.
Por ejemplo, los eventos pasados como argumentos de los las I_ACTION en 1 no
necesariamentepasaroncuandoelI_ACTIONsucede.
Tambin se incluyen en esta categora lospredicadosperformativos(esdecirqueel
hechodeexpresarlos,eslaaccin.Ej:yopienso...).Estossonlosejemplosdel5al9.
1. tratar,luchar,probar.
Israelestuvotratando decomprarmasmascarasenelexterior.
62
2. investigar,investigacin,ahondar.
Unanuevafuerzapolicialcomenzai nvestigarlosasesinatosdelos2estudiantes.
3. atrasar,posponer,dificultar,aplazar.
IsraelpediralosEstadosUnidosp osponer unataque militarcontraIrak.
4. prevenir,evitar,cancelar.
Carlosevitunadiscusin conAnayndosemstempranodelafiesta.
5. pedir,ordenar,persuadirrogar,comandar,urgir,autorizar.
Lespidieronqueselleven consigolospapelesimportante.
6. prometer,ofrecer,asegurar,proponer,decidir.
SaharaofreciprestarunjuegodevajillaaMara.
7. jurar.
8. nombrar,nominar,apuntar,declarar,proclamar.
CarlosnominaNoeliaparaocuparelpuestodegerente.
9. sugerir,alegar.
Algunos frames que se relacionan con este tipo de evento son: Intentionally_act,
Attempt, Research, Scrutiny, Change_event_time, Hindering, Avoiding, Preventing,
Request,Commitment,Offering,Deciding,Name_conferral
Grfico9[FRAMENET02]
6.2.2.1.5I_STATE
Los eventos I_STATE son similares a los de la clase anterior. Esta clase incluye
estados que refieren a mundos posibles oalternativos(quesemarcanconcorchetes enlos
ejemplos) los cuales pueden ser introducidos por clusulas subordinadas (12),
nominalizaciones(3)ofrasesverbalessinconjugar(4).
63
1. Juansiente[queAnanodeberairalcineestanoche].
2. Una vez que logren extinguirlo, ellos esperan que [los residentes comiencen a
volverasuscasas].
3. Nohayraznporlacualnoestaramos preparadospara[unataque].
4. Albertotemenopoder[abrirlapuertadelsalnconesallave].
Acontinuacinselistanalgunosejemplosrepresentativos:
1. creer,pensar,sospechar,imaginar,dudar,sentir,estarseguro
2. querer,desear,anhelar
3. desear,aspirar,esperar,planear
4. temer,odiar,preocupar
5. necesitar,requerir,demandar
6. estarlisto,estarpreparado,estardeseoso
7. estarhabilitado,estarinhabilitado
Grfico10[FRAMENET02]
6.2.2.1.6STATE
Este tipo de evento describe circunstancias en las cuales algo toma el valor de
verdad. Lo interesante para esta tesis es que siempresevanamarcarlos estadosqueson
introducidos por un evento de tipo I_ACTION, I_STATE o REPORTING. Por lo que tienen
una dependencia estructural que va a ser considerada por el algoritmo de aprendizaje
automtico.
Algunos ejemplos (el evento de tipo STATE en negrita, el evento que lo introduce
subrayado):
64
Elmedilacrisis.
SaddamHuseinbuscpaz enotrofrente.
HarSheficontalapolicaqueRabineraunt raidor.
El frame que tiene que ver con este tipo de evento es State. Este frame engloba
muchosotrosensujerarquadeherencia(grfico11).
Grfico11[FRAMENET02]
6.2.2.1.7OCCURRENCE
Este tipo de evento incluye todos los otros tipos de eventos quedescribenalgoque
ocurreenelmundo.Algunosejemplos:
Hasta este punto, se analiz de una manera general la estrecha relacin entre los
marcos de FrameNet y los tipos de evento TimeML. En la seccin siguiente,sedescribela
aplicacin del algoritmo y seleccin de caractersticas del texto para la generacin de
modelosquepermitenlaclasificacinyreconocimientoautomticosdeeventosTimeML.
6.2.3SolucinimplementadayCaractersticasdeltextoutilizadas
65
Dado este requerimiento lineal de memoria, el algoritmo es particularmente apto para ser
aplicado a problemas de optimizacin con un gran nmerodevariables.Estohacequesea
el algoritmo de eleccin para ajustar modelos CRF. En la prctica,elalgoritmomejoralos
pesos de las caractersticas muy lentamente alprincipiodelproceso deentrenamiento para
luegoconvergeralosvaloresptimosrpidamenteenelfinal.
Adems se useljuegodecaractersticasdenso,estoesqueelalgoritmoconsidera
todaslaposiblescombinacionesdetransicionesyestados.
La parte ms importante de la aplicacin del algoritmo CRF es la correcta eleccin
decaractersticasdeltextoparausar.
Como restriccin impuesta por la hiptesis de la tesis, no se usarn caractersticas
propias del idioma analizado o de su morfologa, ya que se quieren obtener resultados
aplicables a textos independientemente del idioma (lexemas, monemas, palabra,
desinencia, cantidad de letras, etc). Se espera que esto tambin brinde el beneficio de
poderaprovecharlariquezaderecursosinformticossemnticosenotrosidiomas.
Las caractersticas semnticas usadas son las brindadas por FrameNet y la
herramientaqueseusparamarcarelcorpusdetrabajofueSEMAFOR.
A continuacin se enumeran las caractersticas semnticas que se tomaron en
cuenta:
esTarget:caractersticaquedeterminaparacadatrminosieselTarget delFrame
ono.
Coreness(FECoreness):caractersticaquemuestraparacadatrminosutipode
Coreness,esdecir,surelevanciadentrodelFrame.Puedetenerlosvalores:Core,
CoreUnexpressed,PeripheraloExtraThematic
Frame(F):paracadatrminoseobtieneelFramedeFrameNetalquepertenecesi
esquetiene.Comoseanalizanteriormente,hayunarelacinimportanteentrelos
marcosdeFrameNetylosEventosdeTimeML.
FrameElement(FE):elelementodemarcoquecorrespondealtrmino
especficamentedentrodelmarcoalquepertenece.
FramePadre(FP):sebuscaenelesquemadeherenciadeFrameNetalFrame
padre.Lamotivacindeestacaractersticaespodercapturarlajerarquade
herenciadeFrameNet.
FramePadredelPadre(FPP):comolacaractersticaanteriorsoloqueunnivelms
haciaarriba.
CantidaddeFrameElementsqueenglobanalFEactual(cEng):seobservaque
unacaractersticaimportanteparacapturarelrboldeFramesqueanotanauna
oracin,eslacantidaddeFrameElementsqueenglobanalFEactual.
Con esta eleccin de caractersticas de los trminos que brinda FrameNet, se trata
de capturar no solo la informacin semntica sino tambin la estructura de jerarqua de
Frames de FrameNet, que, en s misma, tambin es informacin semntica. Esto se
demuestraenelgrfico12:
66
Grfico12[SALTO01]
67
LamismaoracinmarcadaconTimeML:
Qantaswillalmost<EVENTeid="e1"class="OCCURRENCE"
stem="double">double</EVENT>itsflights
betweenAustraliaandIndia< SIGNALsid="s57">by</SIGNAL><TIMEX3tid="t43"
type="DATE"value="199808"temporalFunction="true"functionInDocument="NONE"
anchorTimeID="t41">August< /TIMEX3>inthe<EVENTeid="e2"
class="OCCURRENCE"stem="search">search</EVENT>fornewmarkets
<EVENTeid="e27"class="STATE"stem="untouch">untouched< /EVENT>bythe
cripplingAsianfinancial<EVENTeid="e26"class="OCCURRENCE"
stem="crisis">crisis</EVENT>.
OracinobtenidadelcorpusdeTimeBank1.2(APW19980213.1320)
6.2.4Evaluacin
6.2.4.1Corpususadoycriteriodeevaluacin
ParalaevaluacinseuselcorpusTimeBank1.2(verseccin3.2.2TimeBank)
distribuidolibrementeporlaLinguisticDataConsortium[LINKLDC1].
LacomposicindelasanotacionesTimeMLenTimeBank1.2sepuedeverenel
grfico13ytabla2:
68
Grfico13
TipoAnotacin Instancias
EVENT 7935
MAKEINSTANCE 7940
TIMEX3 1414
SIGNAL 688
ALINK 265
SLINK 2932
TLINK 6418
Tabla2
Paraelcasoqueinteresaahora,sepuedeverundetalledeladistribucindetiposde
eventosenelgrfico14ytabla3:
69
Grfico14
TipoEvent Instancias
Reporting 1021
Perception 48
Aspectual 258
I_Action 673
I_State 582
State 1107
Occurrence 4192
Total 7881
Tabla3
Estas son las medidas usadas para puntuar los diferentes resultados de los modelos
aplicados:
70
Precisin:
anotacionesCorrectas
totalAnotacionesModelo
Recall:
anotacionesCorrectas
totalAnotacionesCorpus
FMeasure(F =0,5):
1,25*precisin*recall
0,25*precisin+recall
6.2.4.2Resultados
ElresultadomuestraunvalordeFporencimadelaprobabilidadaleatoriaquees50%.
Enlatabla5semuestrandemaneradetalladalosresultadosparalatareadeclasificacin:
71
Todos los resultados superaron la probabilidad aleatoria que es 15%. Sin embargo,
haycasosenlosqueseobtuvieronmejoresresultadosqueenotros.
6.2.4.3Contribucinycomparacinconelestadodelarte
72
Enlatabla6semuestraunacomparacindelosresultados:
6.3Mdulomarcadordelinks
Unejemplodeestaanotacin:
73
GuillermoquiereensearelLunes.
Guillermo
<EVENTeid="e1"class="I_STATE"tense="PRESENT"aspect="NONE">
quiere
</EVENT>
<MAKEINSTANCEeiid="ei1"eventID="e1"/>
<SLINKeventInstanceID="ei1"subordinatedEvent="e2"relType="MODAL"/>
<EVENTeid="e2"class="OCCURRENCE"tense="NONE"aspect="NONE">
ensear
</EVENT>
<MAKEINSTANCEeiid="ei2"eventID="e2"/>
<SIGNALsid="s2">
el
</SIGNAL>
<TIMEX3tid="t1"type="DATE"temporalFunction="true"value="XXXXWXX1">
Lunes
</TIMEX3>
<TLINKeventInstanceID="ei2"relatedToTime="t1"relType="IS_INCLUDED"/>
Una de las primeras caractersticas que se ven en las anotaciones de tipo link es
que no consumen texto, es decir son meta anotaciones que relacionan eventos entre s y
eventoscontiempo.
Otra caracterstica, es que su rangodeanotacinestodoeldocumentoencuestin,
esdecir,quenoestnlimitadasaunaoracinoprrafo.
Estas caractersticas hacen que los links sean muy ricos en cuanto alainformacin
semntica temporal que brindan y a su vez los hacen muy difciles de detectar mediante
algoritmosdeaprendizajeautomtico.
En lassiguientesseccionesseanalizanlostiposdelinksy comoexisteunaestrecha
relacin con ciertas propiedades de los marcosdeFrameNet.Luegoseanalizaelalgoritmo
usado para el aprendizaje automtico y las caractersticas elegidas para entrenarlo.
Finalmente se presentan los resultados obtenidos y a partir de estos, se plantea una serie
de suposiciones que se pueden hacer para el caso de los textoshistricosquepodranser
beneficiosas.
6.3.1TiposLinksTimeML
Serevisanlosdiferentestiposysubtiposdelinksparaluegovercmosepueden
correlacionarcondiferentesaspectosdeFrameNet.
6.3.1.1TLink
Comoseexplicenseccionesanteriores,ellink detipoTLinkseencargademarcar
relacionestemporalesentreeventoyentreeventosytiempo(Timex3).Sedivideenvarios
tipossegneltipoderelacinquemarcan,estosson:
74
1. Simultneas (relType=SIMULTANEOUS): dos eventos que suceden
simultneamente.
2. Idnticas(relType=IDENTITY):referencianalmismoevento
3. Una antes que la otra (relType=BEFORE): marca que un evento/tiempo sucede
antesqueotro.
4. Una despus de la otra (relType=AFTER): lo opuesto de 3. Marca que un
evento/tiemposucededespusqueotro.
5. Una inmediatamente antes que la otra (relType=IBEFORE): como el caso 3 pero
inmediatamenteeneltiempo.
6. Unainmediatamentedespusquelaotra(relType=IAFTER):loopuestode5.
7. Unaincluyelaotra(relType=INCLUES):
8. Unaesincluidaporelotro(relType=IS_INCLUDED):(loopuestode7)
9. Unacuyaduracinestincluidadentrodeladuracindelaotra(relType=DURING):
10. Unadeellaseselprincipiodelaotra(relType=BEGINS):
11. Unaseiniciporlaotra(relType=BEGUN_BY):(loopuestode10)
12. Unadeellaseselfinaldelaotra(relType=ENDS):
13. Unaesterminadaporlaotra(relType=ENDED_BY):(loopuesto12)
Ejemplos de un texto extrado y traducido al espaol del corpus TimeBank 1.2 (documento
ABC19980108.1830.0711):
75
En las Filipinas, una baja de <TIMEX3 tid="t87" type="DURATION" value="P4Y"
temporalFunction="false"functionInDocument="NONE">cuatroaos</TIMEX3>.
Y en Hong Kong, una <EVENT eid="e147" class="OCCURRENCE">cada</EVENT> de
tresporciento.
Mas <EVENT eid="e153" class="OCCURRENCE">problemas</EVENT> en Hong Kong
para un lugar, para una economa, que muchos expertos <EVENT eid="e11"
class="I_STATE">pensaron</EVENT>algunavez
<EVENTeid="e376"class="STATE">invencible</EVENT>.
76
6.3.1.2SLink
Ejemplos de un texto extrado y traducido al espaol del corpus TimeBank 1.2 (documento
APW19980213.1310):
77
<SLINK lid="l59" relType="EVIDENTIAL" eventInstanceID="ei2049"
subordinatedEventInstance="ei2050"/>
6.3.1.3ALink
1. Iniciacin(relType=INITIATES):representaunarelacindeiniciodeunevento.
2. Culminacin (relType=CULMINATES): representaunarelacinde culminacindeun
evento
3. Terminacin (relType=TERMINATES): representa una relacinde terminacindeun
evento
4. Continuacin (relType=CONTINUES):representaunarelacindecontinuacindeun
evento
5. Reiniciacin (relType=REINITIATES): representa una relacin de reinicio de un
evento
Ejemplos de un texto extrado y traducido al espaol del corpus TimeBank 1.2 (documento
ABC19980108.1830.0711):
<TIMEX3tid="t196"type="DATE"value="PRESENT_REF"temporalFunction="true"
functionInDocument="NONE"anchorTimeID="t82">Ahora</TIMEX3>connueva
<EVENTeid="e26"class="OCCURRENCE">construccin</EVENT>en<EVENT
eid="e27"class="ASPECTUAL">camino</EVENT>,tresdesuscompradoressehan
<EVENTeid="e28"class="OCCURRENCE">retirado</EVENT>.
<MAKEINSTANCEeventID="e27"eiid="ei396"tense="NONE"aspect="NONE"
polarity="POS"pos="NOUN"/>
<MAKEINSTANCEeventID="e26"eiid="ei395"tense="NONE"aspect="NONE"
polarity="POS"pos="NOUN"/>
<ALINKlid="l46"relType="INITIATES"eventInstanceID="ei396"
relatedToEventInstance="ei395"/>
6.3.2RelacinentreFrameNetylinksTimeML
6.3.2.1FrameElements
78
presentes en cualquier instancia del marco en cuestin. En un relevamiento noexhaustivo,
podemosveralgunoscasosdeFEqueevocanrelacionestemporales.
Algunosejemplos:
Duration
Period_of_iterations
Duration_of_final_state
Frecuency
Iteration
Particular_iteration
Circumstances
Containing_event
Coordinated_event
Correlated_variable
Time
Relative_time
Whole
Interval
Destination_time
Destination_event
Salient_event
Focal_time
Landmark_time
End_point
Cause
Event
6.3.2.2Frames
Frame:Location_in_time
Definicin:Laspalabras/senesteFramedetallanunmomentoparticulareneltiempo.Este
ocurregeneralmentecondemostrativoscomoesteoese.
Ejemplo:Mstardeeseda,1816,Argentinadeclarlaindependencia.
79
FErelevantes:
Focal_time [foc]: El punto temporal particular. Si hay untiempoespecificado,esees
eltiempofocal.Sino,eltiempofocaleslaunidad.Sihayunaexpresinapositivaque
especifica una entidad que no es necesariamente msgrande queeltarget, tantola
unidadcomolaespecificacinsonelFE.
Relative_time [RelT]: denota las palabrasqueubicaneltiemporespectodeunpunto
identificableeneltiempo.
Salient_event[sal_eve]:uneventoasociadoconunpuntotemporaldado.
Frame:Change_event_time
FERelevantes:
Agent:laentidadanimadaqueproduceelcambioeneltiempodelevento.
Cause:lafuerzanosensiblequeproduceelcambioeneleventodeltiempo.
Event:elsucesoquecambiadetiempo.
Degree:elgradoenelqueeleventocambiadetiempo.
Destination_event:eslaocasincontralacualelcambiodetiempodeleventotoma
lugar.
Destination_time:eseltiempoenelcualeleventorealmenteocurre
Manner:eslamaneraenlaqueelcambiodetiempotomalugar.
Means:describeelmodoenelqueelcambiodetiempotomalugar.
Frame:Process_start
Definicin:UnEventempiezaenciertoTimeyPlace.Tambinsepuedeindicarlarazn.
Ejemplo:Elproyectoempezayer
FERelevantes:
Event:nombredeleventoqueocurre.
Time:cuandoocurreelevento.
Place:lugardondeocurreelevento
Duration[Dur]:elperiododetiempoduranteelcualelprocesocontinaluegode
empezado.
Frequency[Freq]:elnmerodevecesqueeltipodeeventoespecificadoempieza.
80
ExistenFramesdeestructurasimilaraestequeseocupandelosdistintosmomentosdeun
proceso:
Process_completed_state
Process_continue
Process_end
Process_initial_state
Process_pause
Process_resume
Process_stop
Process_stopped_state
Process_uncompleted_state
Frame:Temporal_collocation
Ejemplo:
Tratdehacersecargodeesoensuultimavisita.
Megustaespecialmentelasobremesaenlanoche.
FERelevantes:
Landmark_entity[LEn]:laentidadquedesignaeltiempoparaunsujetouobjetoque
semueveeneltiempo.
Landmark_event[LEv]:eleventoquedesignaelmomentoenelqueelsujetou
objetoquesemueveeneltiempoocurre.
Landmark_period[LPe]:elperiodoenelqueelsujetouobjetoquesemueveenel
tiempoocurre.Esteperiodopuedesercclico,yenesecaso,hayqueinterpretarlo
conelcontexto.
Trajector_entity[TEn]:laentidadqueocurreenunmomento.
Trajector_event[TEv]:eleventoqueocurreenalgnmomento.
Trajector_period[TPe]:elperiodoqueocurreconrespectodealgnmomento.
Frame:Simultaneity
Definicin: dos Events suceden al mismo tiempo. Esto puede ser el caso de una relacin
simtricaentredosEvents, oasimtricaentreunLandmark_eventcuyaocurrenciaconocida
seusaparadescribircuandounProfiled_eventsucedi.
Ejemplo:Loseventoscoincidieron
81
FERelevantes:
Landmark_event[Ent2]:eleventooperiodocontraelcualelProfiled_eventes
juzgado.
Profiled_event[Ent1]:eleventoqueseafirmaocurrealmismotiempoque
Landmark_event
Events[Ents]:losestadosdesituacinqueseaseguranestarcorrelacionados.
Frame:Change_event_time
Ejemplo:Lalluviaatraselpartido.
FERelevantes:
Agent:eslaentidadanimadaquehaceelcambioeneltiempodelEvent
Cause:eslafuerzanosensiblequehaceelcambioeneltiempodelEvent
Event:eseleventoquecambiadetiempo
Destination_time:eseltiempoenelqueelEventocurrerealmente.
Destination_event:eslaocasinenlacualeltiempodelEventrealmenteocurre.
Means:describelosmediosporloscualeselqueelcambiodetiemposucede.
Manner:describelamaneraenlaqueelcambiodetiemposucede.
Degree:describelaextensinconlacualelcambiodetiemposucede.
Time[tim]:eltiempoenelcualelretrasoocurre.
Algunosotrosframesquebrindanmuchainformacintemporal:
Change_event_duration
Temporary_stay
Calendric_unit
Cause_Impact
Event
Event_instance
Temporal_subregion
Holding_off_on
Waiting
Location_in_time
82
A continuacin se analiza el ltimo caso, que es el de las relaciones entre Frames
(verseccin4.3.1).
6.3.2.3RelacionesentreFrames
FrameNetdistingueseistiposderelacionesentreFrames:
Herencia
Perspectivasobre
Uso
Submarco
Precede
Causade
Incoativo
Submarco:estarelacinnoesnecesariamentetemporalperomuchasvecesloesya
quedivideuneventocomplejoeneventosmspequeos.Estosuelecoincidirconel
ordenamientotemporaldeestoseventosorelacionesdeinclusin.
PorejemploelcasodelFrameActivitytienecomosubmarcosa
Activity_abandoned_state,Activity_done_state,Activity_finish,Activity_ongoing,
Activity_pause,Activity_paused_state,Activity_prepare,Activity_ready_state,
Activity_resume,Activity_start,Activity_stop
Precede:estarelacinsiempreespecificaunordenamientotemporal.
Porejemplo(grfico15)lossiguientesFrames
Grfico15
Lasflechasrepresentanlasrelacionesdeprecedencia.
Causade:relacinquedescribelacausalidadentredosmarcos.Esgeneralmente
mapeableaunarelacintemporal.
Porejemplo,elFrameGivingtieneunarelacindecausalidadconelFrameGetting.
Esdecir,estarelacinguardalainformacindequedarescausantedeobtener.
83
Incoativode:vienedelaspectoverbalqueexpresaelcomienzodeunaaccin.Por
definicindelaspectoincoativo,estarelacinsiempreimplicaunarelacintemporal.
Porejemplo,elFrameGettingesIncoativodelFramePossession.
6.3.3Modelodeaprendizajesupervisado:SupportVectorMachines
6.3.4Procesodegeneracindedatosparaentrenamiento
84
6.3.5Caractersticaselegidasparaentrenarelalgoritmo
85
6.3.6Evaluacindelosresultados
6.3.6.1Corpususadoparalaspruebas
86
Grfico16
6.3.6.2Mtododeevaluacinutilizado
Precisin:
anotacionesCorrectas
totalAnotacionesModelo
87
Recall:
anotacionesCorrectas
totalAnotacionesCorpus
FMeasure(F =1):
2*precisin*recall
precisin+recall
6.3.6.3DeteccinLINKyNO_LINKatravsdediferentesoraciones(caso1)
Precisin Recall F =1
6.3.6.4DeteccinyclasificacinTLINK,SLINK,ALINKNO_LINKatravsdediferentes
oraciones(caso2)
Precisin Recall F =1
88
6.3.6.5DeteccinyclasificacindetodoslostiposdeLinkatravsdediferentesoraciones
(caso3)
Precisin Recall F =1
89
6.3.6.6ClasificacinentreTLINK,SLINKyALINKmismaoracin(caso4)
Precisin Recall F =1
90
6.3.6.7ClasificacindetodoslostiposdeLinkatravsdediferentesoraciones(caso5)
Precisin Recall F =1
En el caso 2 hay una granularidad mayor ya que distingue entre ALINK, TLINK,
SLINK y NO_LINK. En este caso tambin los resultados son buenos (comparando contra
una lnea base de probabilidad aleatoria del 25%), ya que se obtuvo una medidaFdems
de 65% para todosloscasosexceptopara ALINKqueseobtuvo45%.Esta diferenciaseda
91
debido a que la cantidad de casos de ALINKsenelcorpusesbastantemenoralosdems,
porlotantoelmodeloobtenidoparaladeteccinnoestanbuenoparaestoscasos.
En el caso 3 hay una muy alta granularidad ya que distingue entre tipos y subtipos
de links. En este caso los resultado son dispares. Existen casos en los queseobtiene0%,
esto se debe a que la cantidad de instanciasdeesoscasossontanescasasquenollegaa
detectar ninguna en el corpus de prueba. Sin embargo hay muy buenos resultados en los
casos de SLINK_MODAL (63%), TLINK_IS_INCLUDED (58%), NO_LINK (67%) y
SLINK_EVIDENTIAL (72%). Los dems casos superan la lnea base del 4% (que es el
modeloaleatorio),porloqueselospuedeconsideraraceptables.
En elcaso5, queeselcasodeclasificacinperoconmuyaltagranularidaddetipos,
aplicaelmismoanlisisqueenelcaso3.
6.3.6.8Comparacinconotrosproductos
92
Como se puede ver son herramientas limitadas a ciertos casos y con reglas
prefijadas, lo que las hacen bastante rgidas. La medida F que reportan es de 75%.
Adems, es importante remarcar que ninguna se dedica al caso de deteccin de tipos de
enlaceALINK.
Por lo que la aproximacin elegida, usando un mtodo totalmente diferente y ms flexible,
entradentrodelrangodeestasherramientas.
6.3.7Conclusinsobredeteccindelinks
93
7.Elcasodelostextoshistricos
Todosloseventosqueaparecenenlasoracionestienenalgnenlacetemporalentre
si. Esto resuelve el problema de dispersin al convertir el problema en uno de
clasificacin.
Cuando no hayunTIMEXenlaoracin,sepuedeusarlafechaqueestexplcitaen
eldocumento.
Al ser pocas oraciones y simples, se limita an ms elproblemadeladispersinde
datoscuandoseconsideranlasrelacionesentreoraciones.
Debidoalafaltadeherramientasdeanotacinautomticasemnticaparatextosen
espaol,sepasaaejemplificarconuncasoanotadomanualmentequeseobtuvodel
ApndiceC:
Anotadosemnticamente(algunasoracionesderelevanciaparaelejemplo):
Oracin1:
Relacindelaactuacindesuregimientoe nlabatalladePavn.
FRAME:Intentionally_act
FEs:Agent,Place
RelacindelaactuacindesuregimientoenlabatalladePavn.
FRAME:Statement
FEs:Message
94
En este caso, el mdulo de anotacin de eventos marca actuacin como un
eventodetipoOCCURRENCEyrelacincomouneventodetipoREPORTING.
Oracin2:
Derrotadelaartilleraenemiga.
FRAME:beat_opponent
FEs:Loser
Oracin3:
Tomadeunabanderaenemiga.
FRAME:Conquering
FEs:Theme
BenitoNazaraWenceslaoPaunero.<EVENTeid="e1"
class="REPORTING">Relacin</EVENT>dela<EVENTeid="e2"
class="OCCURRENCE">actuacin</EVENT>desuregimientoenlabatalladePavn.
<EVENTeid="e3"class="OCCURRENCE">Derrota</EVENT>delaartilleraenemiga.
ManifestacionesdeBartolomMitre.MencindelComandanteAlsina.Actuacindeun
escuadrndecaballera.ComportamientodelCap.RamnMuzalSubtenienteZenn
Nazar.<EVENTeid="e4"class="OCCURRENCE">Toma</EVENT>deunabandera
enemiga.SanNicolsdelosArroyos,<TIMEX3tid="t0"TYPE="DATE"
functionInDocument="CREATION_TIME"value="18610920">20desetiembrede
1861</TIMEX3>.
<MAKEINSTANCEeiid="ei1"eventID="e1"/>
<MAKEINSTANCEeiid="ei2"eventID="e2"/>
95
<MAKEINSTANCEeiid="ei3"eventID="e3"/>
<MAKEINSTANCEeiid="ei4"eventID="e4"/>
<TLINKlid=l1eventInstanceID="ei1"relatedToTime="t0"relType="IS_INCLUDED"/>
<TLINKlid=l2eventInstanceID="ei3"relatedToTime="t0"relType="IS_INCLUDED"/>
<TLINKlid=l3eventInstanceID="ei4"relatedToTime="t0"relType="IS_INCLUDED"/>
<SLINKlid=l4eventInstanceID="ei1"subordinatedEventInstance="ei2"
relType="EVIDENTIAL"/>
Otroejemplo,tomadodelanexoB:
ParaejemplificarlasrelacionestemporalesentreFrames,setomaelsiguientecopete:
Documento 14. Testimonio de Ignacio de Ezaurdi: refiere que la lancha que ha sido
propiedad de don F. Biscaya fue apresada junto a otras en lo arroyos de Gualeguay
por el Cte Samaniego. Fue rematada adquirindola Don Antonio del Texo. 29 de
agostode1814.
Entonces,anotandosemnticamente:
Oracin1:
FRAME:Pre_transfer
FEs:Theme,Donor
Oracin2:
FuerematadaadquirindolaDonAntoniodelTexo.
FRAME:Transfer
FEs:Theme,Recipient
96
Las anotaciones TimeML mencionadas en el ltimo ejemplo quedan del siguiente
modoeneltexto:
Testimonio de Ignacio de Ezaurdi: refiere que la lancha que ha sido propiedad de don F.
Biscaya fue <EVENT eid="e1" class="OCCURRENCE">apresada</EVENT> junto a otras
en lo arroyos de Gualeguay por el Cte Samaniego. Fue rematada <EVENT eid="e2"
class="OCCURRENCE">adquirindola</EVENT> Don Antonio del Texo. 29 de agosto de
1814.
<MAKEINSTANCEeiid="ei1"eventID="e1"/>
<MAKEINSTANCEeiid="ei2"eventID="e2"/>
<TLINKeventInstanceID="ei1"relatedToEvent="ei2"relType="BEFORE"/>
97
8.Conclusiones
98
9.Trabajofuturo
99
10.Referencias
[ALEMBIC01]MaxPlanckInstituteforPsycholinguistics(2012,January11th).Alembic
Workbench.TheLanguageArchive,MaxPlanckInstituteforPsycholinguistics,
https://tla.mpi.nl/tools2/tooltype/annotation/alembicworkbench2/,Accedido03/11/2015
[ALLEN01]Allen,J.,Manshadi,M.,Dzikovska,M.,&Swift,M.(2007,June).Deeplinguistic
processingforspokendialoguesystems.ProceedingsoftheWorkshoponDeepLinguistic
Processing.AssociationforComputationalLinguistics.4956.
[ALLEN02]Allen,J.F.,Swift,M.,&DeBeaumont,W.(2008,September).Deepsemantic
analysisoftext.Proceedingsofthe2008ConferenceonSemanticsinTextProcessing.
AssociationforComputationalLinguistics.343354
[ALLEN03]Allen,J.F.,&Ferguson,G.(1994).Actionsandeventsinintervaltemporallogic.
Journaloflogicandcomputation,4(5),531579.
[ALLEN04]Allen,J.F.(1983).MaintainingknowledgeabouttemporalIntervals.
CommunicationsoftheACM,26(11),832843.
[AONE01]Aone,C.,&RamosSantacruz,M.(2000,April).REES:alargescalerelationand
eventextractionsystem.ProceedingsofthesixthconferenceonAppliednaturallanguage
processing.AssociationforComputationalLinguistics.7683.
[BAKER01]CollinF.Baker,CharlesJ.Fillmore,andJohnB.Lowe.(1998).TheBerkeley
FrameNetproject.ProceedingsoftheCOLINGACL1998,Montreal,Canada.
[BETHARD01]Bethard,S.,&Martin,J.H.(2006,July).Identificationofeventmentionsand
theirsemanticclass.Proceedingsofthe2006ConferenceonEmpiricalMethodsinNatural
LanguageProcessing.AssociationforComputationalLinguistics.146154
[BITTAR01]Bittar,A.,Amsili,P.,Denis,P.,&Danlos,L.(2011).FrenchTimeBank:an
ISOTimeMLannotatedreferencecorpus.Proceedingsofthe49thAnnualMeetingofthe
AssociationforComputationalLinguistics(shortpapers).130134.
[BOGURAEV01]Boguraev,Branimir,&RieKubotaAndo.(2007).EffectiveuseofTimeBank
forTimeMLanalysis.Annotating,extractingandreasoningabouttimeandevents.Springer
BerlinHeidelberg.4158.
[BRANTS01]Brants,T.&O.Plaehn.(2000).InteractiveCorpusAnnotation.Proceedingsof
LREC2000.
[BRFRAMENET01]UniversidadFederalJuizdeFora.(2009).FrameNetBrasil.Laboratorio
deLexicografaComputacional,UniversidadFederalJuizdeFora.
http://www.ufjf.br/framenetbr/,Accedido12/03/2016
100
[CASELLI01]Caselli,T.,Lenzi,V.B.,Sprugnoli,R.,Pianta,E.,&Prodanof,I.(2011,June).
AnnotatingEvents,TemporalExpressionsandRelationsinItalian:theItTimemlExperience
fortheItaTimeBank.InLinguisticAnnotationWorkshop.143151.
[CHOMSKY01]NoamChomsky.(1965).AspectsoftheTheoryofSyntax.MITPress,
Cambridge.
[CHRISHOLM01]Chisholm,C.R.(1967).ArticleonIntentionality.P.Edwards(ed.),The
EncyclopediaofPhilosophy.
[COLLINS01]Collins,Michael.(1999).HeadDrivenStatisticalModelsforNaturalLanguage
Parsing.Ph.D.thesis,UniversityofPennsylvania,Philadelphia.
[CONGMIN01]Min,C.,Srikanth,M.,&Fowler,A.(2007,June).LCCTE:ahybridapproach
totemporalrelationidentificationinnewstext.Proceedingsofthe4thInternational
WorkshoponSemanticEvaluations.AssociationforComputationalLinguistics.219222.
[COOK01]Cook,RoyT.(2009).IntensionalDefinition.InADictionaryofPhilosophicalLogic.
Edinburgh:EdinburghUniversityPress.155.
[CORTES01]Cortes,C.,&Vapnik,V.(1995).Supportvectornetworks.Machine
learning,20(3),273297.
[DAVIS01]AnthonyDavis.(2001).LinkingbyTypesintheHierarchicalLexicon.CSLI
Publications,Stanford.
[DIK01]SimonC.Dik.(1987).Conceptsofcase.ChapterSomePrinciplesofFunctional
Grammar.Number3.GunterNarrVerlagTubingen.
[DILLON01]G.L.Dillon.(1977)IntroductiontoContemporaryLinguisticSemantics.
PrenticeHall,NewJersey.
[DIPAJAN01]Das,Dipajan.,Schneider,N.,Chen,D.,&Smith,N.A.(2010).SEMAFOR1.0:
Aprobabilisticframesemanticparser.LanguageTechnologiesInstitute,SchoolofComputer
Science,CarnegieMellonUniversity.
[DOWTY01]DavidDowty.(1991).Thematicprotorolesandargumentselection.Language,
67(3):547619.
[ERK01]Erk,K.,&Pado,S.(2006).Shalmaneseratoolchainforshallowsemanticparsing.
ProceedingsofLREC(Vol.6).
[ERK02]Erk,K.,Kowalski,A.,Pado,S.,&Pinkal,M.(2003)Towardsaresourceforlexical
semantics:AlargeGermancorpuswithextensivesemanticannotation.Proceedingsof
ACL03,Sapporo.
101
[FERRO01]Ferro,L.,Mani,I.,Sundheim,B.&Wilson,G.(2001).TIDESTemporal
AnnotationGuidelines.Version1.0.2MITRETechnicalReport,MTR01W0000041
[FILATOVA01]Filatova,E.,&Hovy,E.(2001,July).Assigningtimestampstoeventclauses.
ProceedingsoftheworkshoponTemporalandspatialinformationprocessingVolume13..
AssociationforComputationalLinguistics.13.
[FILLMORE01]Fillmore,CharlesJ,&Baker,C.(2010).Aframesapproachtosemantic
analysis.TheOxfordhandbookoflinguisticanalysis,313339.
[FILLMORE02]Fillmore,CharlesJ.(1982).Framesemantics:Linguisticsinthemorning
calm.111137.
[FILLMORE03]Fillmore,CharlesJ.(1976).Framesemanticsandthenatureoflanguage*.
AnnalsoftheNewYorkAcademyofSciences280.1:2032.
[FILLMORE04]Fillmore,CharlesJ.(1968).Thecaseforcase.InBachandHarms,editors,
UniversalsinLinguisticTheory.Holt,Rinehart,andWinston,NewYork.188.
[FILLMORE05]Fillmore,CharlesJ.(1985).Framesandthesemanticsofunderstanding.
QuadernidiSemantica,6.2:222254.
[FRAMENET01]FrameNetProject.(1997).FrameIndex.FrameNetProject,International
ComputerScienceInstitute,Berkeley,California.
https://framenet.icsi.berkeley.edu/fndrupal/frameIndex,Accedido09/03/2016
[FRAMENET02]FrameNetProject.(1997).FrameGrapher.FrameNetProject,International
ComputerScienceInstitute,Berkeley,California.
https://framenet.icsi.berkeley.edu/fndrupal/index.php?q=FrameGrapher,Accedido
09/03/2016
[FRAWLEY01]W.Frawley.(1992).LinguisticSemantics.Hillsdale,NJ:LawrenceErlbaum
Associates.
[GAIZAUSKAS01]Gaizauskas,R.,&Wilks,Y.(1998).Informationextraction:Beyond
documentretrieval.Journalofdocumentation,54(1),70105.
[GRUBER01]JeffreyGruber.(1965).Studiesinlexicalrelations.PhDthesis,MIT.
[HE01]He,H.,&Garcia,E.A.(2009).Learningfromimbalanceddata.KnowledgeandData
Engineering,IEEETransactionson,21(9),12631284.
[ISO01]ISO8601:2004DataelementsandinterchangeformatsInformationinterchange
Representationofdatesandtimes.
102
[JACKENDOFF01]RayJackendoff.(1990).Semanticstructures.MITPress,Cambridge,
Massachusetts.
[JPNFRAMENET01]KeioUniversity.(2002).JapaneseFrameNetProject.KeioUniversity,
Japan.http://jfn.st.hc.keio.ac.jp/,Accedido12/03/2016
[JURAFSKY01]Gildea,D.,&Jurafsky,D.(2002).Automaticlabelingofsemanticroles.
Computationallinguistics,28(3),245288.
[KATZ01]Katz,G.,&Arosio,F.(2001,July).Theannotationoftemporalinformationin
naturallanguagesentences.ProceedingsoftheworkshoponTemporalandspatial
informationprocessingVolume13.AssociationforComputationalLinguistics.15.
[KIPPER01]Kipper,K.,Dang,H.T.,&Palmer,M.(2000,July).Classbasedconstructionof
averblexicon.InAAAI/IAAI.691696.
[KIPPER02]Kipper,K.,Korhonen,A.,Ryant,N.,&Palmer,M.(2006,June).Extending
VerbNetwithnovelverbclasses.ProceedingsofLRECVol.2006,No.2.2.1.
[LAFFERTY01]Lafferty,J.,McCallum,A.,&Pereira,F.C.(2001).Conditionalrandomfields:
Probabilisticmodelsforsegmentingandlabelingsequencedata.
[LEVIN01]Levin,B.(1993).Englishverbclassesandalternations:Apreliminary
investigation.Vol.348.Chicago:UniversityofChicagopress.
[LING01]Ling,X.,&Weld,D.S.(2010,March).TemporalInformationExtraction.AAAI,Vol.
10.13851390.
[LINKCRFSUITE1]Okazaki,N.(2011).CRFSuite.ElectricalEngineeringandApplied
Physics,Sendai,Japan.http://www.chokkan.org/software/crfsuite/,Accedido12/09/2015
[LINKLDC1]LinguisticDataConsortium.(1992).LinguisticDataConsortium.Universityof
Pennsylvania,USA.www.ldc.upenn.edu,Accedido12/09/2015
[LINKLTH1]LundUniversity.(2007).TheLTHSystemforFrameSemanticStructure
Extraction.Dept.ofComputerScience,LundUniversity,Sweden.
http://nlp.cs.lth.se/software,Accedido12/09/2015
[LINKSEMAFOR1]Das,D.,Thomson,S.,Kshirsagar,M.,Martins,A.,Schneider,N.,Chen,
D.,&Smith,N.(2010).SEMAFORSoftware.CarnegieMellonUniversity,Pittsburgh,USA.
http://www.ark.cs.cmu.edu/SEMAFOR,Accedido12/09/2015
[LINKSHAL1]UniversityofSaarlandes.(2007).Shalmaneser:AShallowSemanticParser.
ComputationalLinguisticsandPhonetics,UniversityofSaarlandes,Saarbrcken,Germany.
http://www.coli.unisaarland.de/projects/salsa/shal,Accedido12/09/2015.
103
[LLORENS01]Llorens,H.(2012).ASemanticApproachtoTemporalInformation
Processing.ProcesamientodelLenguajeNatural,48,115118.
[LLORENS02]Llorens,H.,Saquete,E.,&NavarroColorado,B.(2010,August).TimeML
eventsrecognitionandclassification:learningCRFmodelswithsemanticroles.Proceedings
ofthe23rdInternationalConferenceonComputationalLinguistics.Associationfor
ComputationalLinguistics.725733.
[LLORENS03]Llorens,H.,Navarro,B.,&Saquete,E.(2009).FromSemanticRolesto
TemporalInformationRepresentation.InMICAI2009:AdvancesinArtificialIntelligence.
SpringerBerlinHeidelberg.124135.
[LLORENS04]Llorens,H.,Navarro,B.,&Saquete,E.(2009,September).UsingSemantic
NetworkstoIdentifyTemporalExpressionsfromSemanticRoles.RANLP.219224.
[LONNEKER01]LnnekerRodman,B.,&Baker,C.F.(2009).TheFrameNetmodelandits
applications.NaturalLanguageEngineering,15(03),415453.
[MANI01]Mani,I.,Schiffman,B.,&Zhang,J.(2003,May).Inferringtemporalorderingof
eventsinnews.Proceedingsofthe2003ConferenceoftheNorthAmericanChapterofthe
AssociationforComputationalLinguisticsonHumanLanguageTechnology:companion
volumeoftheProceedingsofHLTNAACL2003shortpapersVolume2.Associationfor
ComputationalLinguistics.5557.
[MILLER01]Miller,GeorgeA.(1995).WordNet:alexicaldatabaseforEnglish.
CommunicationsoftheACM38.11.3941.
[PALMER01]Palmer,M.,Gildea,D.,&Kingsbury,P.(2005).Thepropositionbank:An
annotatedcorpusofsemanticroles.Computationallinguistics,31(1),71106.
[PIANTA01]Pianta,E.,Bentivogli,L.&Girardi,C.(2002).MultiWordNet.developingan
alignedmultilingualdatabase.Proceedingsofthe1stInternationalWordNetConference,
Mysore,India.
[POLLARD01]Pollard,C.,&Sag,I.A.(1994).Headdrivenphrasestructuregrammar.
UniversityofChicagoPress.
[PUSTEJOVSKY01]Pustejovsky,J.,Castano,J.M.,Ingria,R.,Sauri,R.,Gaizauskas,R.J.,
Setzer,A.,...&Radev,D.R.(2003).TimeML:Robustspecificationofeventandtemporal
expressionsintext.Newdirectionsinquestionanswering,3,2834.
[PUSTEJOVSKY02]Pustejovsky,J.,Hanks,P.,Sauri,R.,See,A.,Gaizauskas,R.,Setzer,
A.,...&Lazo,M.(2003,March).Thetimebankcorpus.Corpuslinguistics,Vol.2003.40.
[QUINLAN01]Quinlan,R.(2014).C5.0release2.07GPLEdition[software].DataMining
Tools,RuleQuestResearch,Australia.https://www.rulequest.com/download.html.Accedido
104
15/04/2016.
[RUPPENHOFER01]Ruppenhofer,J.,Ellsworth,M.,Petruck,M.R.,Johnson,C.R.,&
Scheffczyk,J.(2006).FrameNetII:Extendedtheoryandpractice.Berkeley,California,USA.
[SALTO01]UniversityofSaarlandes.(2007).TheSALSAtool[software].Computational
LinguisticsandPhonetics,UniversityofSaarlandes,Saarbrcken,Germany.
http://www.coli.unisaarland.de/projects/salsa/page.php?id=software
[SAURI01]Saurii,R.,Littman,J.,Knippen,B.,Gaizauskas,R.,Setzer,A.,&Pustejovsky,J.
(2005).TimeMLannotationguidelines.http://timeml.org/publications/specs.html,Accedido
13/04/2016.
[SAURI02]Saur,R.,Batiukova,O.,&Pustejovsky,J.(2009).AnnotatingEventsinSpanish.
TimeMLAnnotationGuidelines.VersionTempEval2010.
[SAURI03]Saur,R.,Knippen,R.,Verhagen,M.,&Pustejovsky,J.(2005,October).Evita:a
robusteventrecognizerforQAsystems.ProceedingsoftheconferenceonHuman
LanguageTechnologyandEmpiricalMethodsinNaturalLanguageProcessing.Association
forComputationalLinguistics.700707
[SCHILDER01]Schilder,F.,&Habel,C.(2001,July).Fromtemporalexpressionsto
temporalinformation:Semantictaggingofnewsmessages.Proceedingsoftheworkshopon
TemporalandspatialinformationprocessingVolume13.AssociationforComputational
Linguistics.9.
[SETZER01]Setzer,A.(2001).TemporalInformationinNewswireArticles:anAnnotation
SchemeandCorpusStudy,PhDdissertation,UniversityofSheffield.
[SETZER02]Setzer,A.,&Gaizauskas,R.(2001,July).Apilotstudyonannotatingtemporal
relationsintext.ProceedingsoftheworkshoponTemporalandspatialinformation
processingVolume13.AssociationforComputationalLinguistics.11.
[SUBIRATS01]SubiratsRggeberg.(2012)Laintegracindelasemnticademarcosyla
semnticadesimulacin:aplicacionesalprocesamientosemnticoautomticodelespaol.
[SUBIRATS02]SubiratsRggeberg,C.(2009).FrameNetEspaol:unanlisiscognitivodel
lxicodelespaol.Terminologaysociedaddelconocimiento.309320.
[SUBIRATS03]SubiratsRggeberg,C.&Petruck,M.R.L..(2003).Surprise:Spanish
FrameNet!InWorkshoponFrameSemantics,InternationalCongressofLinguists,Prague,
CzechRepublic.
[SWEFRAMENET01]Ahlberg,M.,Borin,L.,Dannlls,D.,Forsberg,M.,Gronostaj,M.T.,
Heppin,K.F.,Johansson,R.,Kokkinakis,D.,Olsson,L.&Uppstrm,J.(2011).Swedish
FrameNet++.UniversityOfGothenburg,Sweden.http://spraakbanken.gu.se/eng/swefn,
105
Accedido12/03/2016
[TERQAS01]TimeML.(2002).TimeandEventRecognitionforQuestionAnswering
Systems.ARDAWorkshoponAdvancedQuestionAnsweringTechnology.
http://www.timeml.org/terqas/index.html,Accedido12/09/2015
[TREEBANK01]UniversityofPennsylvania.(1992).PennTreeBank.LINCLaboratory,
ComputerandInformationScienceDepartment,UniversityofPennsylvania,USA.
http://www.cis.upenn.edu/~treebank/,Accedido12/09/2015
[UZZAMAN01]UzZaman,N.,&Allen,J.F.(2010,July).TRIPSandTRIOSsystemfor
TempEval2:Extractingtemporalinformationfromtext.Proceedingsofthe5thInternational
WorkshoponSemanticEvaluation.AssociationforComputationalLinguistics.276283.
[UZZAMAN02]UzZaman,N.,&Allen,J.F.(2010,May).TRIOSTimeBankCorpus:
ExtendedTimeBankCorpuswithHelpofDeepUnderstandingofText.LREC2010.
[VALIN01]VanValinJr,R.D.(2005).Exploringthesyntaxsemanticsinterface.Cambridge
UniversityPress.
[VERHAGEN01]Verhagen,M.,Mani,I.,Sauri,R.,Knippen,R.,Jang,S.B.,Littman,J.,...&
Pustejovsky,J.(2005,June).AutomatingtemporalannotationwithTARSQI.Proceedingsof
theACL2005onInteractiveposteranddemonstrationsessions.Associationfor
ComputationalLinguistics.8184.
[VOSSEN01]Vossen,P.(1999).EuroWordnetgeneraldocument(Version3Final).
UniversityofAmsterdam.EuroWordNetLE24003,LE48328.
[WILSON01]Wilson,G.,Mani,I.,Sundheim,B.,&Ferro,L.(2001,July).Amultilingual
approachtoannotatingandextractingtemporalinformation.Proceedingsoftheworkshopon
TemporalandspatialinformationprocessingVolume13.AssociationforComputational
Linguistics.12.
[WILSON02]Wilson,G.&Mani,I.,(2000,October).Robusttemporalprocessingofnews.
Proceedingsofthe38thAnnualMeetingonAssociationforComputationalLinguistics.
AssociationforComputationalLinguistics.6976.
[WONSEVER01]Wonsever,D.,Ros,A.,Malcuori,M.,Moncecchi,G.,&Descoins,A.
(2012).Eventannotationschemesandeventrecognitioninspanishtexts.InComputational
LinguisticsandIntelligentTextProcessing.SpringerBerlinHeidelberg.206218.
[WONSEVER02]Wonsever,D.,Malcuori,M.,&Ros,A.(2008).Sibila:esquemade
anotacindeeventos.TechnicalReport,BibliotecaInCoPEDECIBA.811
106
11.Apndices
ApndiceA:RelacionesentreFramesextradasdelcorpusdeFrameNet
conunaherramientaqueseconstruyespecialmenteparaestetrabajo
El motivode lacreacindeestaherramienta,fuequeeltipoderelacinentreframes
es una de las caractersticas usadas en el momento de entrenar el modelo declasificacin
deLINKs.
Relacin:Precedes
Later=Quitting,Earlier=Being_employed
Later=Being_employed,Earlier=Get_a_job
Later=Post_lose_possession,Earlier=Lose_possession
Later=Lose_possession,Earlier=Pre_lose_possession
Later=Activity_abandoned_state,Earlier=Activity_stop
Later=Activity_done_state,Earlier=Activity_finish
Later=Activity_resume,Earlier=Activity_paused_state
Later=Activity_stop,Earlier=Activity_ongoing
Later=Activity_finish,Earlier=Activity_ongoing
Later=Activity_paused_state,Earlier=Activity_pause
Later=Activity_pause,Earlier=Activity_ongoing
Later=Activity_ongoing,Earlier=Activity_start
Later=Activity_start,Earlier=Activity_ready_state
Later=Activity_ready_state,Earlier=Activity_prepare
Later=Post_giving,Earlier=Giving
Later=Giving,Earlier=Pre_giving
Later=Post_getting,Earlier=Getting
Later=Getting,Earlier=Pre_getting
Later=Post_transfer,Earlier=Transfer
Later=Transfer,Earlier=Pre_transfer
Later=Receiving,Earlier=Pre_receiving
Later=Post_receiving,Earlier=Receiving
Later=Bail_decision,Earlier=Entering_of_plea
Later=Entering_of_plea,Earlier=Notification_of_charges
Later=Altered_phase,Earlier=Change_of_phase
Later=Verdict,Earlier=Jury_deliberation
Later=Jury_deliberation,Earlier=Court_examination
Later=Change_of_state_endstate,Earlier=Event
Later=Event,Earlier=Change_of_state_initial_state
Later=Criminal_process,Earlier=Criminal_investigation
Later=Criminal_investigation,Earlier=Committing_crime
Later=Arriving,Earlier=Departing
Later=Sentencing,Earlier=Trial
Later=Trial,Earlier=Arraignment
107
Later=Arraignment,Earlier=Arrest
Later=Success_or_failure,Earlier=Attempt
Later=Getting_up,Earlier=Being_awake
Later=Waking_up,Earlier=Sleep
Later=Sleep,Earlier=Fall_asleep
Later=Being_awake,Earlier=Waking_up
Later=Fall_asleep,Earlier=Being_awake
Later=Process_continue,Earlier=Process_resume
Later=Process_resume,Earlier=Process_stopped_state
Later=Process_stopped_state,Earlier=Process_stop
Later=Process_stop,Earlier=Process_continue
Later=Process_start,Earlier=Process_initial_state
Later=Process_continue,Earlier=Process_start
Later=Process_end,Earlier=Process_continue
Later=Process_completed_state,Earlier=Process_end
Later=Meet_with,Earlier=Assemble
Later=Labor_product,Earlier=Text
Later=Death,Earlier=Being_born
Later=Dying,Earlier=Being_born
Later=Dying,Earlier=Birth
Later=Death,Earlier=Birth
Later=Death,Earlier=Dying
Later=Existence,Earlier=Coming_to_be
Later=Out_of_existence,Earlier=Ceasing_to_be
Later=Ceasing_to_be,Earlier=Existence
Later=Resolve_problem,Earlier=Confronting_problem
Later=Repel,Earlier=Invading
Later=Conquering,Earlier=Invading
Later=Employment_end,Earlier=Employment_continue
Later=Employment_continue,Earlier=Employment_start
Later=Firing,Earlier=Employing
Later=Employing,Earlier=Hiring
Later=Visit_host_departure,Earlier=Visit_host_stay
Later=Visit_host_stay,Earlier=Visit_host_arrival
Later=Visiting_scenario_departing,Earlier=Visiting_scenario_stay
Later=Visiting_scenario_stay,Earlier=Visiting_scenario_arrival
Later=Visitor_departure,Earlier=Visiting
Later=Visiting,Earlier=Visitor_arrival
Later=Hit_or_miss,Earlier=Aiming
Later=Placing,Earlier=Removing
Later=Process_stopped_state,Earlier=Process_pause
Later=Process_pause,Earlier=Process_continue
Later=Process_uncompleted_state,Earlier=Process_stop
Later=Activity_paused_state,Earlier=Activity_stop
Later=Activity_ongoing,Earlier=Activity_resume
108
Relacin:Causative_of
Inchoative/state=Getting,Causative=Giving
Inchoative/state=Being_dry,Causative=Cause_to_be_dry
Inchoative/state=Corroding,Causative=Corroding_caused
Inchoative/state=Make_noise,Causative=Cause_to_make_noise
Inchoative/state=Process_end,Causative=Cause_to_end
Inchoative/state=Ground_up,Causative=Grinding
Inchoative/state=Purpose,Causative=Eventive_cognizer_affecting
Inchoative/state=Leadership,Causative=Change_of_leadership
Inchoative/state=Posture,Causative=Change_posture
Inchoative/state=Being_in_operation,Causative=Change_operational_state
Inchoative/state=Fluidic_motion,Causative=Cause_fluidic_motion
Inchoative/state=Eclipse,Causative=Hiding_objects
Inchoative/state=Take_place_of,Causative=Replacing
Inchoative/state=Expansion,Causative=Cause_expansion
Inchoative/state=Amalgamation,Causative=Cause_to_amalgamate
Inchoative/state=Come_together,Causative=Gathering_up
Inchoative/state=Being_obligated,Causative=Imposing_obligation
Inchoative/state=Progress,Causative=Cause_to_make_progress
Inchoative/state=Becoming_detached,Causative=Detaching
Inchoative/state=Death,Causative=Killing
Inchoative/state=Change_of_phase,Causative=Cause_change_of_phase
Inchoative/state=Become_silent,Causative=Silencing
Inchoative/state=Being_named,Causative=Name_conferral
Inchoative/state=Undergo_change,Causative=Cause_change
Inchoative/state=Process_start,Causative=Cause_to_start
Inchoative/state=Change_of_consistency,Causative=Cause_change_of_consistency
Inchoative/state=Emanating,Causative=Emitting
Inchoative/state=Inchoative_attaching,Causative=Attaching
Inchoative/state=Change_position_on_a_scale,
Causative=Cause_change_of_position_on_a_scale
Inchoative/state=Inchoative_change_of_temperature,
Causative=Cause_temperature_change
Inchoative/state=Absorb_heat,Causative=Apply_heat
Inchoative/state=Moving_in_place,Causative=Cause_to_move_in_place
Inchoative/state=Proliferating_in_number,Causative=Cause_proliferation_in_number
Inchoative/state=Perception_body,Causative=Cause_bodily_experience
Inchoative/state=Breaking_apart,Causative=Cause_to_fragment
Inchoative/state=Rotting,Causative=Cause_to_rot
Inchoative/state=Used_up,Causative=Exhaust_resource
Inchoative/state=Perception_experience,Causative=Cause_to_perceive
Inchoative/state=Experiencer_focus,Causative=Cause_emotion
Inchoative/state=Process_resume,Causative=Cause_to_resume
Inchoative/state=Being_wet,Causative=Cause_to_be_wet
Inchoative/state=Process_pause,Causative=Interrupt_process
Inchoative/state=Becoming_separated,Causative=Separating
109
Inchoative/state=Success_or_failure,Causative=Thwarting
Inchoative/state=State_continue,Causative=Cause_to_continue
Inchoative/state=Process_continue,Causative=Cause_to_continue
Inchoative/state=Being_at_risk,Causative=Endangering
Inchoative/state=Recovery,Causative=Cure
Relacin:Inchoative_of
Stative=Remembering_information,Inchoative=Memorization
Stative=Membership,Inchoative=Becoming_a_member
Stative=Getting,Inchoative=Possession
Stative=Dead_or_alive,Inchoative=Death
Stative=Awareness,Inchoative=Coming_to_believe
Stative=Existence,Inchoative=Coming_to_be
Stative=Personal_relationship,Inchoative=Forming_relationships
Stative=Being_up_to_it,Inchoative=Rising_to_a_challenge
Stative=Being_detached,Inchoative=Becoming_detached
Stative=Process_continue,Inchoative=Process_start
Stative=Temperature,Inchoative=Inchoative_change_of_temperature
Stative=Being_attached,Inchoative=Inchoative_attaching
Stative=Position_on_a_scale,Inchoative=Change_position_on_a_scale
Stative=Aggregate,Inchoative=Come_together
Stative=Altered_phase,Inchoative=Cause_change_of_phase
Stative=Shapes,Inchoative=Go_into_shape
Relacin:Subframe
Component=Removing,Complex=Cause_motion
Component=Placing,Complex=Cause_motion
Component=Activity_resume,Complex=Activity
Component=Success_or_failure,Complex=Attempting_scenario
Component=Attempt,Complex=Attempting_scenario
Component=Being_awake,Complex=Sleep_wake_cycle
Component=Getting_up,Complex=Sleep_wake_cycle
Component=Halt,Complex=Motion
Component=Quitting_a_place,Complex=Intentional_traversing
Component=Getting_underway,Complex=Motion
Component=Setting_out,Complex=Travel
Component=Arriving,Complex=Traversing
Component=Departing,Complex=Traversing
Component=Quitting_a_place,Complex=Self_motion
Component=Having_commercial_agreement,Complex=Commerce_scenario
Component=Commercial_transaction,Complex=Commerce_scenario
Component=Altered_phase,Complex=Change_of_phase_scenario
Component=Change_of_phase,Complex=Change_of_phase_scenario
Component=Post_receiving,Complex=Receiving_scenario
Component=Receiving,Complex=Receiving_scenario
Component=Pre_receiving,Complex=Receiving_scenario
110
Component=Post_getting,Complex=Getting_scenario
Component=Getting,Complex=Getting_scenario
Component=Pre_getting,Complex=Getting_scenario
Component=Post_transfer,Complex=Transfer_scenario
Component=Transfer,Complex=Transfer_scenario
Component=Pre_transfer,Complex=Transfer_scenario
Component=Post_giving,Complex=Giving_scenario
Component=Giving,Complex=Giving_scenario
Component=Pre_giving,Complex=Giving_scenario
Component=Firing,Complex=Employer's_scenario
Component=Employing,Complex=Employer's_scenario
Component=Hiring,Complex=Employer's_scenario
Component=Quitting,Complex=Employee's_scenario
Component=Being_employed,Complex=Employee's_scenario
Component=Get_a_job,Complex=Employee's_scenario
Component=Employment_end,Complex=Employment_scenario
Component=Employment_continue,Complex=Employment_scenario
Component=Employment_start,Complex=Employment_scenario
Component=Court_examination,Complex=Trial
Component=Being_born,Complex=Cycle_of_life_and_death
Component=Death,Complex=Cycle_of_life_and_death
Component=Dead_or_alive,Complex=Cycle_of_life_and_death
Component=Out_of_existence,Complex=Cycle_of_existence_scenario
Component=Ceasing_to_be,Complex=Cycle_of_existence_scenario
Component=Existence,Complex=Cycle_of_existence_scenario
Component=Coming_to_be,Complex=Cycle_of_existence_scenario
Component=Repel,Complex=Invasion_scenario
Component=Invading,Complex=Invasion_scenario
Component=Conquering,Complex=Invasion_scenario
Component=Food_gathering,Complex=Agriculture
Component=Planting,Complex=Agriculture
Component=Hunting,Complex=Hunting_scenario
Component=Hunting_success_or_failure,Complex=Hunting_scenario
Component=Committing_crime,Complex=Crime_scenario
Component=Criminal_investigation,Complex=Crime_scenario
Component=Criminal_process,Complex=Crime_scenario
Component=Have_visitor_over,Complex=Receive_visitor_scenario
Component=Drop_in_on,Complex=Visit_host
Component=Visit_host_departure,Complex=Visitor_and_host
Component=Visit_host_stay,Complex=Visitor_and_host
Component=Visit_host_arrival,Complex=Visitor_and_host
Component=Visiting_scenario_stay,Complex=Visiting_scenario
Component=Visiting_scenario_departing,Complex=Visiting_scenario
Component=Visiting_scenario_arrival,Complex=Visiting_scenario
Component=Visitor_departure,Complex=Visitor_scenario
Component=Visiting,Complex=Visitor_scenario
111
Component=Visitor_arrival,Complex=Visitor_scenario
Component=Historic_event,Complex=Individual_history
Component=Hit_or_miss,Complex=Attempt_distant_interaction_scenario
Component=Aiming,Complex=Attempt_distant_interaction_scenario
Component=Purpose,Complex=Attempting_scenario
Component=Causation,Complex=Causation_scenario
Component=Jury_deliberation,Complex=Trial
Component=Verdict,Complex=Trial
Component=Impact,Complex=Cause_impact
Component=Sleep,Complex=Sleep_wake_cycle
Component=Process_stopped_state,Complex=Process
Component=Process_stop,Complex=Process
Component=Process_start,Complex=Process
Component=Process_resume,Complex=Process
Component=Process_initial_state,Complex=Process
Component=Process_end,Complex=Process
Component=Process_continue,Complex=Process
Component=Commerce_goodstransfer,Complex=Commercial_transaction
Component=Commerce_moneytransfer,Complex=Commercial_transaction
Component=Lose_possession,Complex=Lose_possession_scenario
Component=Pre_lose_possession,Complex=Lose_possession_scenario
Component=Post_lose_possession,Complex=Lose_possession_scenario
Component=Arrest,Complex=Criminal_process
Component=Change_of_state_endstate,Complex=Change_of_state_scenario
Component=Change_of_state_initial_state,Complex=Change_of_state_scenario
Component=Event,Complex=Change_of_state_scenario
Component=Activity_start,Complex=Activity
Component=Activity_paused_state,Complex=Activity
Component=Activity_done_state,Complex=Activity
Component=Activity_abandoned_state,Complex=Activity
Component=Activity_stop,Complex=Activity
Component=Activity_pause,Complex=Activity
Component=Activity_prepare,Complex=Activity
Component=Activity_ready_state,Complex=Activity
Component=Waking_up,Complex=Sleep_wake_cycle
Component=Process_completed_state,Complex=Process
Component=Activity_ongoing,Complex=Activity
Component=Activity_finish,Complex=Activity
Component=Building_subparts,Complex=Buildings
Component=Fall_asleep,Complex=Sleep_wake_cycle
Component=Entering_of_plea,Complex=Arraignment
Component=Notification_of_charges,Complex=Arraignment
Component=Bail_decision,Complex=Arraignment
Component=Trial,Complex=Criminal_process
Component=Arraignment,Complex=Criminal_process
Component=Sentencing,Complex=Criminal_process
112
Component=Precipitation,Complex=Weather
Component=Finish_competition,Complex=Competition
Component=Process_pause,Complex=Process
Component=Process_uncompleted_state,Complex=Process
ApndiceB:CausajudicialpordesembargodelaGoletaNuestraSeora
delaCandelaria(18121816)
Transcripcindeloscopetesquedescribenalosdocumentoshistricos
correspondientesalarchivoCausajudicialpordesembargodelaGoletaNuestraSeorade
laCandelaria(18121816)quesuministrelInstitutodeHistoriaArgentinayAmericanaDr.
EmilioRavignaniyqueseusaronenlapresentetesis:
Documento2.ElGobiernoSuperiorProvicionaldelasProvinciasUnidasdelRiodelaPlata
concedelicenciadenavegacinytrficoalaGoletaNuestraSeoradelaCandelaria,
desdelosCabosdeSanAntonioySantaMarahastaelinteriordelRiodelaplata.Buenos
Aires1defebrerode1812.
Documento3.AntonioBiscayaalSuperiorGobierno:solicitaselerestituyalagoletadesu
propiedadquefueapropiadaporlasfuerzasmilitaresdeGualeguaychu.Resealas
peripeciasdesuviaje.Sinfecha.
Documento4.DictamendelAsesortitulardesestimandoelpedidopueslagoletafue
apresadaconotrosbuquesarmadosquehostilizabanlascostasentrerrianasdelas
ProvinciasUnidas.BuenosAires,29dejuliode1814.
Documento5.InformesobrelacargadelBuqueNuestraSeoradelRosario.BuenosAires,
6deagostode1814.
Documento6.EntregadelbuquealDonPabloJosdeEzeizaeinventariodelanave.
BuenosAires,8deagostode1814.
Documento7.DeclaracindeJuanPereyraViana.BuenosAires,13demarzode1813.
Documento8.DeclaracindePedroPascualDelgado,BuenosAires,31demarzode
1813.
Documento9.DeclaracindeHilarioAvalos.BuenosAires,2deabrilde1813.
113
Documento10.PresentacindeFranciscodeSalezNuez:Sealaqueeselunico
propietariotantodelbuquecomodelacargaembargados.Mencionasusserviciosala
revolucinylosperjuiciosquehasufirdo.Solicitasecitentestigospararecabartestimonios.
Documento11.Sealaqueeselunicopropietariotantodelbuquecomodelacarga
embargados.Mencionasusservicisoalarevolucinylosperjuiciosquehasufirdo.Solicita
secitentestigospararecabartestimonios.
Documento12.RequerimientodeJulindeGregorioEspinsoa:solicitaseleentregueel
cargamentodecuerosquelefueronremitidosenlalanchaNuestraSeoradela
Candelaria.Sinfecha.
Documento13.EscritopresentadoporFranciscodeSalesNuez:Reiteralasolicitudde
restitucindedelBuqueysucargamentoporserdesupropiedad.yconsideraquedebe
tomarposesindelosmismoshastatantoseresuelvalacausajudicial.Sinfecha.
Documento14.TestimoniodeIgnaciodeEzaurdi:refierequelalanchaquehasido
propiedaddedonF.BiscayafueapresadajuntoaotrasenloarroyosdeGualeguayporel
CteSamaniego.FuerematadaadquirindolaDonAntoniodelTexo.29deagostode1814.
Documento15.PresentacindeFranciscodeSalezNuez:reiterasurequerimientodeque
lesearestituidosubuqueycargamento.Alegasusservicosalacausarevolucionario,la
prisinsufridaenMontevideo.RecusaalasesorletradoAngelMarinaodeElaqueentiende
enlacausa.BuenosAires,1desetiembrede1814
Documento16.SeadmitelarecusacinysenombraaAsesorGeneralaFlixFras.
BuenosAires,2desetiembrede1814.
Documento17.DeclaracindeIgnaciodeElzuardi.BuenosAires,24desetiembrede
1814.
Documento18.DeclaracindeFranciscoVillaris.BuenosAires,24desetiembrede1814.
Documento19.DeclaracindeFelizardoFernndez.BuenosAires,24desetiembrede
1814.
Documento20.DeclaracindeFranciscoMartnezdeHaedo.BuenosAires,27de
setiembrede1814.
Documento21.DeclaracindeJuanCarlosWright,TteCnldelescuadrndemilicias
regladasdelGualeguay.BuenosAires,27desetiembrede1814.
Documento22.DictamendelAsesorFraspidiendosedeaudienciaalreclamante
FranciscodeSalesNuezysepaseelexpedientealGobernadorIntentendenteparaque
resuelvaydecuentadesuresolucin.BuenosAires,14deoctubrede1914
114
Documento23.PresentacindeFranciscodeSalesNuez.hacereferenciaalembargode
partedelacargadelbuque.Manifiestasudisposicinapagarunafianzaporsuvalorpara
queseleentreguelacargayprotestaporlosperjuiciosquesufre.BuenosAires,20de
octubrede1814.
Documento24.PresentacindelosapresadoresdelaGoletaNuestraSeoradelRosario
JosGutirrez,JosGregorioSamaniego,JosIgnacioGonzlez,JosMarcelinoPelez,
PabloJosLen,NazarioGmez,FelipeRodrguezyJosElasPealvaconfiriendopoder
aPabloJosdeEzeizaenlademandaycobrodelamencionadagoletaquebajocoaccin
fueronobligadosavenderaDonAntonioTexo.AunqueselahabancedidoyaaEzeyza
debieronentregarselaalmencionadoTexoportemordelosjefesdequienesvena
recomendado(JosArtigasyOtorgues).AsimismofacultamosaEzeizaparaqueanule
aquelactoyaccioneenrepresentacindesuspersonaseneljuicio.16deagostode1814.
Documento25.PresentacindePabloJosdeEzeizaalGobernadorIntendente:presenta
poderysolicitaselereconozcacomopartelegtimaenlacausa
Documento26.PresentacindeIsabeldeAlzagaalSupremoDirector.Siendoesposa
legtimadeAngleMarianoElasolicitaselerestituyanlasmarquetasdeseboyotros
efectossesehallabanenlaGoletaNuestraSeoradelRosairo.Dichosefectosfueron
sustraidosdesuestanciaylasmarquetasllevanlamarcadesupropiedad.
Documento27.PedroJosedeElaaAntonioTexo:Sehacereferenciaalaventadeunos
efectos.
Documento28.PresentacindeFranciscoPaulinodeSalesNuez.Presentadocumento
quecertificalaventadecuerosymarquetasdeseboporpartedeAngelMarianoElaa
AntonioJosTexoyquepruebalalegitimaposesinquetienedeesosyotrosefectos.S/f.
Documento29.EscritodeIsabeldeAlzagaennobredesumaridoAngelMarianoElaal
SupremoDirector:Manifiestaquenadiehatenidofacultaddehacerlasventasmencionadas
porTexonisumaridohacomunicadoordenparaellas.Accedeaqueseleentreguenesos
efectosaNuezbajofianzayencalidadderesponderdesuvaloralosprecioscorrientes
siemprequesejustifiquelasustraccindelamarquetas.
Documento30.DecretodelGobernadorIntendentedisponiendolaentregadelosefectos
embargadosaFranciscoPaulinodeSalesNuez.BuenosAires,22denoviembrede1814.
Documento31.PresentacindeFranciscoPaulinodeSalesNuezalGobernador
Intendente:Presentafianzaparaqueseleentreguenlosefectosembargadossegunlo
dispuestoporelDecretodel22denoviembre.BuenosAires,23denoviembrede1814.
Documento32.FranciscoPaulinodeSalesNuezcertificaanteelEscribanoMayorde
GobiernolarecepcindelosefectossegnlodispuestoporelGobernadorIntendente.
BuenosAires,26denoviembrede1814.
115
Documento33.RequerimientodelComandanteGregorioSamaniego:Manifiestaquela
goletaapresadaenunhechodearmasfuelegitimamentesubastadadeacuerdoconlos
interesados,ylicitamenteadquiridaporelcomprador.Objetapresentacioneshechasenla
causaysolicitaseintimeaFranciscoPaulinodeSalesNuezparaqueleaboneelvalorde
dichaembarcacinparaaliviarlasnecesidadesqueestatravesando.Mencionasu
servicios.CampamentodelTala,noviembre21de1814.
Documento34.FranciscoPaulinodeSalesNuezconfierepoderaJulinGregorio
Espinosaparaquelorepresenteentodotipodeoperacionescomerciales,antelos
tribunalesyenespecialenlacausaquesesigueporlagoletaNuestraSeoradelRosario
conocidatambinpordelaCandelariaodeBiscaya.BuenosAires,23dediciembrede
1814.
Documento35.PresentacindeJulindeGregorioEspinosa,apoderadodeFrancisco
PaulinodeSalesNuez:solicitasehagacomparecerenlacausaaAntonioJosdelTexoa
quiensupoderdanteacompradoelbuque.BuenosAires,4demarzode1815.
Documento36.PresentacindelCnldemiliciasPabloEzeizaalGobernadorIntendente:
Manifiestaquehabiendoreclamdoelbuquebajolapersoneradelosvecinosde
Gualeguaychuquelohabanapresadoyselohabancedido,conelpoderdelosmismos
impugnolaventaquedelbuquehabiahechoAntonioJosdelTExoaPaulinodeSales
Nuezporhaberloaquelcompradoconviciosdenotorianulidad.Vistaslascomplicaciones
deljuicioylosperjuiciosquesufreadmitequelalanchapaseapoderdeSalesNuezen
lasmismascondicionesyresponsabilidadesquelaposeeactualmentel,hastala
resolucindelacausa.
Documento37.PresentacindeAntonioJosdelTexoalGobernadorIntendente.
DesestimalasolicituddeFranciscoPaulinodeSalesNuezenquesolicitarespondaporel
despojodequesesientevictimaporpartedePabloJosedeEzeiza.BuenosAires,11de
mayode1815.
Documento38.DecretodelGobernadorIntendenteJosMaraSoler:Ordenalarestitucin
bajoinventariolalancaNuestraSeoradelRosarooCandelariaaFranciscoPaulinode
SalesNuez,aqueinsereservadederechoparaquecontraquienpuedaydebaaccione
porlosdaosyperjuicioscausadosporelembargodedichobuque.BuenosAires,11de
mayode1815.
Documento39.FranciscoSalezNuezrevocaelpoderconferidoaJulinGregorio
EspinosayloconfiereaAntonioJosdelTexoparaquelorepresenteenlacausacivilque
tienependienteanteelGobernadorIntendentecontraPabloJosdeEzeizaporlos
perjuiciossufridoscomoconsecuenciadelembargodelalanchaNuestraSeoradela
Candelariaysucargamento.BuenosAires,29deabrilde1815.
Documento40.AntonioJosdelTexoalGobernadorIntendente:Comoapoderadode
FranciscodeSalezNuez,solicitaordenealCapitandelpuertoMartnThompsonle
116
entreguelaembarcacindeacuerdoaloresueltoporelGobernadorIntendente.Buenos
Aires,13demayode1815.
Documento41.ManuelMutisalCapitndelPuerto:Comunicaentregadelaembarcacin
coninventarioaAntonioJosdelTexo.BuenosAires,15demayode1815.
Documento42.Certificacindelosmaestrosmayorescalafatesycarpinterosdelpuerto
porordendelCapitnMartnThompsonyasolicituddeAntonioJosdelTexosobreel
estadodelagoleta.Informanquelaembarcacinnoestencondicionesdenavegar.
Detallanlasrefaccionesnecesariasysucosto.BuenosAires,19demayode1815.
Documento43.ElCnldemiliciasPabloJosdeEzeizaalGobernadorIntendente:
Comunicaquehadesistidodelospoderesqueselehabianotorgadoparalitigarenla
causayauncuandolalanchasobrelaqueseestlitigandolefuedonadaporsus
poderdantessuintervencinenlosautoshasidosoloencondicindeapoderadoporlo
cualnocorresponderespondaporlosperjuiciosquesemencionan.Alavezinformaque
porlasconvulsionespoliticasenellitoralylapersecucindeARtigashaperdidotodo
contactoconsuspoderdantes,algunodeloscualeshansidoemigradoyotroshansufrido
lapenacapital.solicitasedesestimenporimprocedenteslosrequerimeintosefectuadospor
AntonioJosdelTexo.S/f
Documento44.AntonioJosdelTexoalGobernadorIntendente:solicitasedesestimela
presentacindePabloJosdeEzeiza.MencionaqueelmencionadoEzeizahaganado
muchosmilesconelrobodelreferidobuqueysehaconstadadoeldeterioroenqueha
entregadolaembarcacin.
Documento45.AutodelGobernadorIntendenteManuelLuisdeOliden:aclaraqueelauto
del11demayoanteriorquereservaelderechodelapartedeSalezNuezparaque
accionepordaosyperjucioscontraquienpuedaydeba,noadjudicaresponsabilidadal
CnlPabloJosdeEzeiza.BuenosAires,22dejunode1815.
Documento46.DeclaracindeFranciscoPaulinodeSalezNuez:Refierediversos
incidentesrelacionadosconlacausaysutramitacin.Manifiestatenerunbuenconceptode
PabloJosdeEzeizaynotenerreclamoalgunocontrasupersona.Sealaquehaceesta
declaracinparaevitarmalesmayoresyenobjetoalajusticia.
Documento47.PabloJosdeEzeizayFranciscodeSalesNuezalGobernador
Intendente:presentacindeldocumentoanterior,envirtuddelacualdanporconcluida
cualquiergestinentrelosfirmantes.
Documento48.DecretodelGobernadorIntendentedeclarandosobreseidalacausaylibre
detodaresponsabilidadelCnlPabloJosdeEzeiza
Documento49.Tasacindelascostascausadasporlosautos.BuenosAires,16deagosto
de1815.
117
Documento50.CandelariaPardoalGobernadorIndente:Comoconsortelegtimay
apoderadadeAntonioJosTexosolicitalosautosdelacausa.BuenosAires,22de
diciembrede1815.
Documento51.PresentacindelCnldeMiliciasPabloJosdeEzeizaalGobernador
Intendente:SolicitaqueserevoquelavistadeautosrequeridaporlaapoderadadeAntonio
JosedelTextoporhaberconluidolacausa.
Documento52.DecretodelGobernadorIntendenteManuelLuisdeOliden.BuenosAires,
23deenerode1816.Disponequehabiendoconcluidalacausayrealizadalatasaciny
conluidalacausapordecretodel3deagostode1815,estafenecidalarepresentacinque
AntonioJosdelTextoejercaennombredeFranciscodeSalesNuez.ysedeclarano
parteaCandelariaPardoparapromoveraccinalgunaenrelacinconlacausa.Serevoca
lavistadeautos.
Documento53.DeclaracindeFranciscodeSalezNuez.ConcepcindelUruguay,26de
agostode1815.
Documento54.CandelariaPardo,mujerlegtimayapoderadadeAntoniodeSalezNuez
alGobernadorIntendente:solicitasereviseeldecretoporelcualsedeclaraconcluidala
causa,einhabilitadosuesposoparapromoveraccionesenlamisma.Detallalasinjusticias
dequehasidovictimasuesposo.
Documento55.DecretodelGobernadorIntendente.BuenosAires,14defebrerode1816.
Documento56.ElCnldemiliciasPabloJosdeEzeizaalGobernadorIntendente:seala
queporundecetoanteriorhasidodeclaradonoparteenlacausa.Apreciacionessobreel
desarrollodeljuicioylaactituddelosotrosinvolucradoseneljuicio.S/f.
Documento57.ElgobernadorIntendenteautorizalavistadelosautosporpartede
CandelariaPardo.BuenosAires,12demarzode1816.
Documento58.ElgobernadorIntendenteautorizalavistadelosautosporpartede
CandelariaPardo.BuenosAires,12demarzode1816.
Documento59.PabloJosdeEzeizaalGobernadorIntendente:Sealaqueundecreto
anteriorlohadesvinculadodelacausa.Consecuentementesolicitasesuspendael
testimonioqueselepidehastatantosecitenlaspartesqueverdaderamenteseconsideren
legtimasenelasunto.BuenosAires,18deabrilde1816DecretodelGobernador
Intendentedisponequesecumplaeldecretodel26deabrilde1815.
ApndiceC:PartesmilitaresdelaBatalladePavn(1861)
118
Transcripcindeloscopetesquedescribenalosdocumentoshistricoscorrespondientesal
archivoPartesmilitaresdelaBatalladePavn(1861)quesuministrelInstitutode
HistoriaArgentinayAmericanaDr.EmilioRavignaniyqueseusaronenlapresentetesis:
Setratadelosinformespresentadosporlosjefesyoficialesdelejrcitodel
EstadodeBuenosAires(A.Alsina,M.deGainza,L.Aguero,E.Mitre,J.
Arredondo,etc.),sobrelasaccionesdelastropasbajosumando,ascomo
delinformepresentadoporW.Paunero(JefedelEstadoMayor)aBartolom
Mitre(GobernadordeBuenosAires).TambinincluyeunacartadeJustoJ.de
UrquizaenlaqueexplicaalasautoridadesdelaConfederacinArgentinalas
razonesporlasqueseretiraasuprovincia.Estacoleccinsecomponede21
documentos,entremanuscritoseimpresos,conuntotalde73foliostiles
(101imgenes).
Documento1.JuanAyalaalCnl.JulioGarca.Comunicaqueleremiteelpartegeneraly
losparcialesreferentesalabatalladePavn.BuenosAires,15desetiembrede1891.F.1.
Documento2.BenitoNazaraWenceslaoPaunero.Relacindelaactuacindesu
regimientoenlabatalladePavn.Derrotadelaartilleraenemiga.Manifestacionesde
BartolomMitre.MencindelComandanteAlsina.Actuacindeunescuadrndecaballera.
ComportamientodelCap.RamnMuzalSubtenienteZennNazar.Tomadeunabandera
enemiga.SanNicolsdelosArroyos,20desetiembrede1861.F.2y3.
Documento3.BenitoNazaraWenceslaoPaunero.Informaacercadelaartilleray
municionestomadasalenemigoenlabatalladePavn.CampamentodeCariaga,23de
setiembrede1861.F.4y5.
Documento4.WenceslaoPauneroaBartolomMitre.Informedetalladodelasoperaciones
realizadasporelEjrcitodeBuenosAiresdesdesusalidadelcampamentodeRojashasta
eldadelabatalladePavn.CampamentodeCariaga,27desetiembrede1861.F.6a13.
Documento5.LuisArgueroaEmilioMitre.Leinformadelasaccionesquelibraronlas
tropasqueestabanbajosumandodurantelabatalladePavn.CampamentoGeneralde
SanNicols,20desetiembrede1861.F.14y15.
Documento6.LuisArgueroaEmilioMitre.Refiereladestacadaactuacindealgunosdelos
hombresbajosumando.CampamentoGeneraldeSanNicols,20desetiembrede1861.
F.16y17.
Documento7.EmilioMitreaWenceslaoPaunero.LeadjuntalospartesdelosJefesde
Brigada,conlasoperacionesrealizadasporcadaunodeellos,durantelabatalladePavn.
Incluyeelsuyoendondedadetallesdelasaccionesquelibraronlastropasqueestaban
bajosumando,ascomoelnmerodeheridos,bajasyprisioneros.Campamentode
Cariaga,22desetiembrede1861.F.18a20.
119
Documento8.PabloDazaWenceslaoPaunero.DacuentadeloocurridoenPavn.
Adjuntalospartesdelosjefesquetenaasusrdenes(Ctes.EmilioCastro,AdolfoAlsina,
JulinMurga).CampamentodeCariaga,20desetiembrede1861.F.21a30vta.
Documento9.N.FaciaLuisMaraArguero.Informaacercadelasoperacionesefectuadas
porlastropasasumandoenlabatalladePavn.CampamentodeSanNicols.F.31y32.
Documento10.JosArredondoaLuisMaraArguero.Informaacercadelasoperaciones
efectuadasporlastropasasumandoenlabatalladePavn.CampamentodeSanNicols.
F.33y34.
Documento11.A.GalvnaLuisMaraArguero.Informaacercadelasoperaciones
efectuadasporlastropasasumandoenlabatalladePavn.CampamentodeSanNicols.
F.35y36.
Documento12.IgnacioRivasaEmilioMitre.Elevalalistadelosheridosymuertosdelos
cuerposqueformaronladivisindesumandoenlabatalladePavn.CampamentodeSan
Nicols,20desetiembrede1861.F.37a38.
Documento13.MartndeGainzaaIgnacioRivas.Informaacercadelasoperaciones
efectuadasporlastropasasumandoenlabatalladePavn.CampamentodeSanNicols.
F.39y40.
Documento14.PartesdelosJefesGainza,Arredondo,Fraga,Landa,AldecoayRosetien
losquesedetallanlosJefes,OficialesytropadelEjrcitodelaConfederacintomados
prisionerosenlabatalladePavn.SanNicols,20desetiembrede1861.F.41a51.
Documento15.UrquizaalMinistrodeGuerrayMarinaPascualEchage.Partedelabatalla
dePavn.Hacereferenciasalafaltadehombres,armamentosymunicionesdelejrcito.
Falenciasenelarmadeinfantera.Planespreviosalabatalla.Dispositivodesusfuerzas,
detalledelabatalla.Causasdesuretirada.Comentariossobresuestadodenimo.Seala
quecareciderdenesparaoperarsobrelaProvinciadeBuenosAires.MencionaaJefes
capacesdeproseguirlaluchaantesumalestadodesalud.Necesidaddequeselogrela
paz.Diamante,20desetiembrede1861.F.52a61vta.
Documento16.ElMinistrodeGuerrayMarinaPascualEchageaUrquiza.Acusarecibo
delpartedelabatalladePavn.ReconocimientodelGobiernoalosJefes,oficialesytropas
porsucomportamiento.Herosmodelasdivisionesentrerrianas.Pesarporeldeteriorode
susalud.Paran,30desetiembrede1861.F.62a65.
Documento17.ResolucindelMinisteriodeGuerrayMarina.Sehacereferenciaaldecreto
delPresidenteDerqui,ascendiendoavariosJefesmilitaresqueactuaronenlabatallade
Pavn,yalpartedelcombate.Paran,28desetiembrede1861.F.66.
Documento18.ElPresidenteDerquialMinistrodeGuerrayMarina,PascualEchage.
InformadesuestablecimientoenRosarioydesuresolucindeponersealfrentedelas
120
operaciones.Reorganizacindelasfuerzasconfederadas.Actituddelapoblacinrosarina.
Actuacindelacaballeraylainfantera.ValorylealtaddelosgeneralesFrancia,Lpez
Jordn,ySa.Justificasusascensos.Medidasparareunirlasfuerzasdispersas.Abandono
delcampodebatalladeUrquiza.DesignacindeBenjamnVirasorocomoJefedelEjrcito
deOperaciones.NecesidaddecomunicarloshechosalVicePresidentePedernera.
Paran,28desetiembrede1861.F.67a70.
Documento19.ImpresodelPresidenteDerqui.Ascensodevariosjefes.MontedeFlores,
20desetiembrede1861.F.71.
Documento20.ImpresodelpresidenteDerqui.NombramientodeBenjamnVirasorocomo
JefedelEjrcitodeOperaciones.AludealaenfermedaddeUrquiza.Necesidadde
continuarconlasoperaciones.Rosario,22desetiembrede1861.F.72.
Documento21.Impresos.ParteoficialdelaBatalladePavnremitidoporBenjamn
Virasorodel20desetiembrede1861.DecretosdelPresidenteDerquirelacionadosconla
organizacindelejrcitodelosdas20y21desetiembrede1861.F.73.
121