Detección de cognados verdaderos y false friends con word embeddings

Abstract

Los cognados son palabras ortográficamente similares en distintas lenguas que tienen la misma etimología. La investigación de cognados es muy útil en lingüística histórica, adquisición de lenguas, recuperación de información y traducción automática, entre otras muchas áreas de investigación. En este contexto, la identificación de false friends supone un reto para los métodos automáticos de detección de cognados, ya que la similitud ortográfica no es suficiente para detectar estos pares de palabras. Con este fin, evaluamos siete modelos vectoriales-espaciales no supervisados diferentes basados en redes neuronales para detectar cognados en general y distinguir los cognados verdaderos de los false friends en particular a partir de una lista de pares de palabras en inglés y español. Esta variedad de modelos sirvió para determinar el impacto de varios factores en la calidad de los resultados y la eficacia de los modelos: los recursos lingüísticos empleados en la construcción del modelo (por ejemplo, corpus de textos, redes asociativas léxicas o ambos), la alineación interlingüística de los espacios semánticos y la fusión de significados en palabras polisémicas.