Propuesta de diccionario

Este trabajo se inicia como respuesta a la práctica de la asignatura de lexicografía. Su planteamiento es el siguiente:

Correspondencias formales (F) y semánticas (S) que pueden establecerse entre las dos dimensiones del signo lingüístico.

Las relaciones F⟶S son las que muestran los diccionarios convencionales, y las S⟶F los diccionarios de sinónimos, a veces incorporados en los primeros.

Respecto a las relaciones F⟶F, que son derivativas y etimológicas y las semánticas S⟶S o no se muestran en los diccionarios o lo hacen parcialmente. Esto es así porque muchos diccionarios se organizan en torno a la relación F⟶S y no muestran las relaciones recursivas de esos otros componentes. Es decir, que aunque muestren el hiperónimo o hipónimo, no muestran niveles ulteriores de la estructura vertical.

Tipo de diccionario

Microestructura

Tareas

El trabajo consiste en en las siguientes tareas:

  1. Diseñar la página web (HTML+CSS) y programar (JavaScript) para permitir la interactividad del diccionario.
  2. Obtener y formatear los datos externos disponibles para que sean consultados por el programa.
  3. Desarrollar las redes radiales (léase la teoría cognitivista) de un conjunto pequeño de unidades léxicas, en este caso de diez unidades léxicas.

1. Componentes web (HTML+CSS+JS) y 2. fuentes

La división del diseño es tripartita y presenta las siguientes secciones:

  1. de consulta textual
  2. audiovisual
  3. relaciones formales-semánticas

El uso de expresiones regulares requiere un cierto estudio, puede informarse sobre ellas y probarlas en RegEx101

La barra de búsqueda presenta tres cuadros de texto. Dos de ellos admiten expresiones regulares.

  1. El primer cuadro por la izquierda busca los lemas que se correspondan completamente con la consulta. Es el único que no admite expresiones regulares

  2. El segundo proporciona los lemas que verifiquen una expresión regular, por tanto no es necesario que el patrón verifique todas las letras del lema. Por ejemplo usaremos:

    • \bmoon$ si queremos buscar lemas (multipalabra o no) que terminen en la palabra 'moon'. las etiquetas son contextuales: \b indica un límite de palabra (boundary) y $ final de palabra:

      • blue moon
      • harvest moon
    • ^rain[^ ]*$ si queremos consultar todos los lemas que empiezen ^ por rain y que no sean multipalabra (que carezcan de espacio) para lo cual especificamos que las restantes letras sean diferentes del espacio [^ ] hasta el final del lema $:

      • rain-wash
      • rainforest

  3. El tercero permite la búsqueda inversa la cual busca patrones en las definiciones en vez de en los lemas:

    • \brain\b si queremos consultar una palabra entera la rodearemos con etiquetas \b

      • a rain dance of Amerindians

    • rain, sin tales etiquetas, nos devolverá sin embargo resultados similares al siguiente:

      • a long training march for troops


Pronunciación IPA

Fuente: English-phonetic-transcription

The source of the phonetic transcriptions is Oxford Advanced Learner's Dictionary (3rd ed.), available from the Oxford Text Archive (http://www.ota.ahds.ac.uk). This is an English pronunciation dictionary which contains 70,647 items with RP (Received Pronunciation) transcriptions.

Pronunciación audio

Fuente: https://services.morfix.co.il/BritannicaAppSettings/Settings/GetSoundByWord/source

Imágenes

Fuente: Wikidata, Wikimedia

La consulta de, por ejemplo bacteria, se realiza a través de una API y se codifica en los parámetros de la URL:

var url = `https://en.wikipedia.org/w/api.php?action=query&callback=?&format=json&formatversion=2&prop=pageimages|pageterms&piprop=thumbnail&pithumbsize=600&titles=bacteria`

Wikidata devuelve entonces un objeto JSON que puede ser procesado por JavaScript.

En ocasiones las imágenes no se visualizan: o bien porque son conceptos abstractos o porque son conceptos muy frecuentes que dirigen a páginas de desambigüación. Aún no se ha implementado la resolución de este último obstáculo.

Lengua de signos

Fuente: https://www.spreadthesign.com/en.us/search/?q=word

Tiene restricciones de uso y no se hallan datos disponibles sobre la correspondencia entre palabras y vídeos.

Fuente: FUNDACIÓN CNSE PARA LA SUPRESIÓN DE BARRERAS DE LA COMUNICACIÓN

Los recursos incluidos en esta página web están sujetos por Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)

Queda expresamente prohibido usar este recurso para elaborar cualquier producto similar a este, como una web o aplicación, que contenga un diccionario o ponga a disposición de terceros las fotos o vídeos correspondientes a los signos aunque sea de forma gratuita para las personas usuarias. No obstante, se podrán utilizar las imágenes para elaborar materiales educativos para utilizar con alumnado.

Wordnet

Fuente: Princeton University "About WordNet." Wordnet. Princeton University. 2010. 

Se usa la base de datos wordnet sql

Esta se convierte parcialmente a formato JSON para que funcione del lado del cliente. Habida cuenta de la dificultad de crear un servidor para una solución cliente-servidor, que sería no obstante lo óptimo habida cuenta del tamaño de los datos. Sería lo necesario en caso de publicar el diccionario para su uso general.

Se divide en 3 archivos:

  • wnS.js para la parte del significado del signo (synset)

    contiene las tablas synsets, semlinks y linktypes

  • wnF.js para la parte del significante del signo (forma)

    contiene las tablas words y lexlinks

  • wnSF.js para las correspondencias entre las dos partes del signo

    contiene la tabla senses

Implementación en formato JSON:


[301475933,'s',0,'indicating the most important performer or role'],
[301476226,'a',0,'of lesser importance or stature or rank'],
[301476496,'s',0,'of little importance or influence or power; of minor status'],
[301476701,'s',0,'not of major importance'],
[301476823,'a',0,'of greater seriousness or danger'],

Etymological Wordnet project

Fuente: Gerard de Melo, Gerhard Weikum. "Towards Universal Multilingual Knowledge Bases". In: Principles, Construction, and Applications of Multilingual Wordnets. Proceedings of the 5th Global Wordnet Conference (GWC 2010). Narosa Publishing 2010, New Delhi India. Sitio web personal

"It is based on the contributions of the English Wiktionary community" http://en.wiktionary.org/ License: CC-BY-SA 3.0

Estos son algunos de los códigos de las lenguas de la lista ISO 639-2

INE 	Indo-European languages
ANG 	English, Old (ca.450-1100)
ENM 	English, Middle (1100-1500)
ENG 	English

Los datos son redundantes porque implementan las relaciones simétricas:

rel:has_derived_form / rel:is_derived_from
rel:etymology / rel:etymological_origin_of

Se puede así descartar la información redundante y se escogen las relaciones:

rel:variant:orthography
rel:is_derived_from
rel:etymology
rel:etymologically_related

Para buscar un término en bash podemos utilizar el siguiente comando:

grep -P "^eng: sun\t" etymwn.tsv

Separamos las relaciones en archivos mediante los siguientes comandos en bash:

grep -E "rel:variant:orthography" etymwn.tsv > part1_variant.json
grep -E "rel:is_derived_from" etymwn.tsv > part2_is_derived_from.json
grep -E "rel:etymology" etymwn.tsv > part3_etymology.json
grep -E "rel:etymologically_related" etymwn.tsv > part4_etymologically_related.json

Como quiera que la información sobre estar derivado de es muy amplia, la restringimos a las entradas del inglés:

grep -E "eng: " part2_is_derived_from.json > part2_is_derived_from-ENG.json

Una vez que tenemos estos archivos los formateamos posteriormente como JSON usando las expresiones regulares en los siguientes pasos:

  1. " -> '

  2. estructura de lista

    • ^ -> ["
    • $ -> "],

  3. eliminamos la relación

    • rel:variant:orthography -> ", "
    • rel:is_derived_from -> ", "
    • rel:etymology -> ", "
    • rel:etymologically_related -> ", "

  4. envolver los datos en una lista

    • [ inicio
    • ] final

3. Redes radiales

Acceda aquí al artículo principal

Otros recursos potencialmente interesantes

ety-python