Reconocimiento y generación de palabras compuestas en español

Departamento de Matemáticas TESIS DOCTORAL RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL Virginia Gutiérrez Rodríguez Licenciada en Matemáticas, especialidad Estadística e Investigación Operativa LAS PALMAS DE GRAN CANARIA, 2015 Departamento de Matemáticas Programa de doctorado: Simulación Numérica en Ciencia y Tecnología (Bienio 1995-1997) TESIS DOCTORAL RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL Autora: Dª. Virginia Gutiérrez Rodríguez Tesis Doctoral dirigida por Dr. D. Octavio Santana Suárez Dr. D. José R. Pérez Aguiar Las Palmas de Gran Canaria, Noviembre 2015 A Gigi y Adri vii Agradecimientos Quiero expresar mi eterno agradecimiento a mi director Dr. D. Octavio Santana… porque la vida me ha dado un regalo increíble cuando me puso en su camino… gracias por ser una persona excepcional en el ámbito profesional… como en el personal… A mi director Dr. D. José Pérez Aguiar mi especial gratitud… por su inestimable ayuda con la que siempre he contado... A mi pequeña gran familia, hermanos, sobrinos, cuñados y grandes allegados… por el inmenso cariño y respeto que les tengo… por la paciencia y discreción tenida esperando… que este trabajo obtuviera su fruto… Ya llegó… A mis grandes y queridos maestros Isa, Rafa, Bea, Robert… y a todos mis compañeros Félix, Fernando, Conchi, Stephy, Roda… que me han enseñado el verdadero significado… de la palabra AMISTAD… A todos los presentes, ausentes, a los cercanos, a los lejanos… los que forman parte de mi vida, los de toda mi vida… los que se han incorporado apenas hace nada… porque si hoy he llegado aquí es gracias… a que han sido parte de mi… A todos los que pensaron que este momento llegaría… Solo me faltaba un motivo… Y mi motivo son todos USTEDES… «La mayor fortaleza del ser humano, otros seres humanos» (Ellen Bercheid) ¡¡GRACIAS!! ix Resumen Uno de los medios con los que cuenta la lengua española para ampliar el conjunto de voces del idioma consiste en la utilización de mecanismos de tipo morfológico para formar nuevas palabras: la composición es, sin duda, uno de los procesos de formación de palabras de mayor importancia —aunque haya recibido escaso tratamiento por parte de la bibliografía 1 — de los que dispone la lengua para la renovación y enriquecimiento del léxico, también recibe el nombre neologismo morfosintáctico, se basa en coordinar o interaccionar específicamente dos o más lexemas —o raíces cultas— para formar una nueva palabra que compone una unidad semántica y sintáctica. En esta Tesis se estudian únicamente aquellos casos en los que la palabra compuesta se ha consolidado como la unión gráfica de los elementos que la producen de forma regular o irregular. Se extraen de diferentes fuentes léxicas —Internet y el lenguaje periodístico recogen, con frecuencia, neologismos compositivos debido a la rápida evolución de los acontecimientos y a su inmediata trascripción al mundo de las Tecnologías de la Información— los distintos integrantes y se examinan los mecanismos aplicados para establecer su comportamiento morfosemántico y su generación. Se hacen imprescindibles unos procesos automáticos que sean capaces de identificar las palabras interesadas y situarlas en un contexto lingüístico adecuado. El reconocimiento de palabras compuestas en español es útil en aplicaciones para el procesamiento automático del lenguaje natural, debido a que lleva implícito vínculos semánticos; asimismo, potencia las búsquedas en Internet, al ampliar el abanico de relaciones morfoléxicas deducidas de los compuestos bajo estudio, sus derivaciones y flexiones. Además del desarrollo de una herramienta lingüística que permite reconocer palabras compuestas, parasintéticas por composición o neologismos compositivos, entre otros procesos de lexicalización, se incluye la generación de las informadas alteraciones morfoléxicas — se tienen en cuenta las reglas de formación, fonéticas y excepciones e irregularidades detectadas. 1 Conclusión que comparto con Buenafuentes de la Mata (2007) en su tesis Procesos de gramaticalización y lexicalización en la formación de compuestos en español. Figura 16.- Producción de la regla 7 (@prep@) en base a la categoría gramatical de los constituyentes. ................................................................................................................................. 62 Figura 17.- Producción de la regla 9 a la regla 13 de tratamiento de las excepciones, en base a la categoría gramatical de los constituyentes. ........................................................................... 66 Figura 18.- Producción de la regla 4 (+i) y regla 20 (copulativa) en base a la categoría gramatical de los constituyentes. ................................................................................................... 68 Figura 19.- Modelo de lógico global de la BBDD ARGCoS. ................................................... 70 Figura 20.- Diagrama de flujo del proceso de reconocimiento de compuestos. ................... 76 Figura 21.- Portal web del Flexionador y Lematizador Morfológico y de Relaciones Morfoléxicas del Grupo de Investigación GEDLC de la ULPGC. ........................................ 80 Figura 22.- Interfaz de la aplicación ARGCoS para el reconocimiento de compuestos. ..... 81 Figura 23.- Extracción del grafo de dependencias de las reglas de formación y cambio gráfico para el reconocimiento. .................................................................................................................. 86 Figura 24.- Modelo lógico global de la Base de Datos BARGCoS. ........................................ 88 Figura 25.- Distribución del total de cada tipo composición según regla de formación en valores absolutos —imagen superior— y relativos —imagen inferior. .................................. 90 Figura 26.- Gráfico radiales para la distribución del total de cada tipo compositivo según la regla de formación en valores absolutos —imagen superior— y relativos —inferior. ........ 91 Figura 27.- Distribución del total para cada regla de formación según tipo composición en valores absolutos —imagen superior— y relativos —imagen inferior. .................................. 92 Figura 28.- Gráficos radiales para cada regla de formación según tipo composición en valores absolutos y relativos, respectivamente. ........................................................................................ 93 Figura 29.- Diagrama de flujo del proceso de generación de compuestos ........................... 102 Figura 30.- Interfaz de la aplicación ARGCoS para la generación de compuestos. ............ 104 Figura 31.- Clasificación de la composición en español atendiendo a las categorías gramaticales del compuesto y de los elementos componentes............................................... 105 Figura 32.- Extracción del grafo de dependencias de las reglas de formación y cambio gráfico para la generación.......................................................................................................................... 106 Figura 33.- Distribución de las reglas de formación para compuestos sustantivos según la categoría gramatical de sus elementos constituyentes. ............................................................ 109 Figura 34.- Distribución de las reglas de formación para compuestos adjetivos según la categoría gramatical de sus elementos constituyentes. ............................................................ 110 xvii Índice de Tablas Tabla 1.- Combinaciones de distintas unidades léxicas para formar palabras compuestas. ....8 Tabla 2.- Porcentajes en las combinaciones de distintas unidades léxicas para formar palabras compuestas. .........................................................................................................................................8 Tabla 3.- Elementos prefijales y elementos sufijales. ................................................................. 10 Tabla 4.- Clasificación de la composición según Bustos Gisbert. ........................................... 13 Tabla 5.- Compuestos nominales según la categoría gramatical de sus elementos componentes.................................................................................................................................... 15 Tabla 6.- Compuestos adjetivales según la categoría gramatical de sus elementos componentes.................................................................................................................................... 16 Tabla 7.- Clasificación de compuestos atendiendo a la categoría gramatical composicional y las categorías de sus elementos componentes. ........................................................................... 19 Tabla 8.- Porcentajes de diversos tipos de formaciones de neologismos formales — derivativos, compositivos, entre otros— del banco de datos de BOBNEO del 2004 al 2010. ........................................................................................................................................................... 36 Tabla 9.- Tabla de contingencia para comprobar la homogeneidad de los diferentes tipos de composición —propia y culta— en las bases de datos BOBNEO vs BARGCoS. .............. 42 Tabla 10.- Número de soluciones para un conjunto de compuestos. ..................................... 82 Tabla 11.- Tabla de correspondencia entre reglas de generación y reglas de reconocimiento. ........................................................................................................................................................... 83 xix ‹‹…Las palabras atraen, repelen, evocan, sugieren. Se dejan descomponer en letras, que a su vez, pueden combinarse formando nuevas palabras. Sus sonidos pueden resonar en nuestros oídos con matices poéticos inauditos. La maleabilidad de las palabras permite una infinidad de juegos que nos conducen, con mano segura y divertida a las entrañas mismas de la lengua…. Jugando con las palabras conseguimos: crear neologismos y observar el entorno de forma nueva e inesperada…›› (Rafael Hidalgo de la Torre, Sugerencias sugestivas con las palabras, 2010) CAPÍTULOS 1 CAPÍTULO 1.- LA COMPOSICIÓN EN ESPAÑOL Introducción La etimología de la composición se encuentra en la raíz latina compositio que se define como la acción y efecto de componer —juntar varias cosas y colocarlas en orden para formar una o constituir algo. Uno de los recursos con los que cuentan muchas lenguas para aumentar su caudal léxico consiste en utilizar mecanismos de tipo morfológico—también llamados neologismos morfosintánticos 2 — para formar nuevas palabras como son la composición, la derivación o la parasíntesis, entre otros. En el mundo clásico, estos procedimientos formativos fueron unos de los que mejor supo explotar la lengua hasta convertirse en una de las de mayor riqueza y flexibilidad léxicas que más han influido en nuestro vocabulario actual. Sin duda, la composición es uno de los procesos de formación de palabras con mayor importancia de los que dispone la lengua para la renovación y enriquecimiento de su léxico, a partir de unidades léxicas, vocablos o giros nuevos. Los avances tecnológicos, los desarrollos científicos, el auge del uso de los medios sociales, son ejemplos que han hecho de catalizadores en estos procesos de cambios. Se observa la presencia cada vez mayor de este mecanismo para crear neologismos morfosintácticos, en particular, neologismos 2 Los neologismos morfosíntácticos son aquellos ‹‹productos léxicos conseguidos por derivación, composición o parasíntesis con fines expresivos, surgidos en un contexto poético y creados por un autor que en un momento dado siente la necesidad de crear como una afirmación de su libertad de expresión, como una muestra de originalidad frente a la lengua común a la que en consecuencia considera insuficiente, pobre o poco precisa›› (Mª VICTORIA ROMERO GUALDA, Hacia una tipología del neologismo literario, Anales de la Universidad de Murcia, Murcia, 1978, pág.149). RESUMEN: Este capítulo presenta una breve introducción al tema, el marco teórico aplicado al estudio de las palabras compuestas en español. El lector podrá hacerse una idea de qué es la composición y el objetivo de la Tesis. Palabras usuales: composición, neologismo, reglas de formación, procesamiento del lenguaje natural, lingüística computacional. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 2 compositivos, gracias al influjo provocado por los lenguajes técnicos, publicitarios y sociales, principalmente. Mediante la composición, la lengua obtiene nuevos vocablos a partir de elementos ya presentes en el lenguaje o de otros prestados de fuera: reúne dos o más de estos elementos en uno solo, con un orden determinado y una unidad íntima de sentido. Por contraposición, en la derivación existe un elemento gramatical que no está libre, es decir, consiste en la creación de elementos léxicos nuevos mediante la adición o supresión a palabras ya existentes de elementos inseparables —afijos 3 . En la parasíntesis se combinan los mecanismos anteriores, bien por afijación que simultanea dos procesos derivativos —sufijación y prefijación— o bien por combinación de elementos de la composición y de la derivación como trata Serrano Dolader 4 . Entre la derivación y la composición se encuentra la utilización de raíces cultas greco-latinas en los procesos de formación de nuevas palabras, especialmente en los campos científicos y técnicos; las voces en cuya formación intervienen estos elementos podrían no considerarse propiamente compuestas, pues la mayoría de estas raíces no pueden aparecer de forma aislada, pero tampoco pueden considerarse derivadas puesto que tienen un comportamiento peculiar que los aleja de los auténticos afijos, es más, tienen un significado léxico más próximo al de las raíces que al de los afijos. A este tipo de raíces se le da el nombre de elementos prefijales o pseudoprefijoides o elementos sufijales o pseudosufijoides —elementos compositivos—, en función de si se anteponen o se posponen a otra raíz, respectivamente. En suma, en la presente Tesis se estudian aquellos casos de compuestos que se han consolidado como la unión gráfica de los elementos que intervienen 5 ; además, se trata los pseudoprefijoides o pseudosufijoides como elementos compositivos, no como morfemas 3 Se entienden por afijos las partículas o secuencias lingüísticas que se adjuntan a una palabra o lexema, modificando su sentido o valor gramatical. 4 Véase, DAVID SERRANO DOLADER, Las formaciones parasintéticas en español, Arco/Libros, Madrid, 1995; DAVID SERRANO DOLADER, “Sobre los compuestos (para)sintéticos ¿en español?”, Los límites de la morfología: estudios ofrecidos a Soledad Varela Ortega, Universidad Autónoma de Madrid. págs. 427-442, 2012. 5 Hay que considerar que la composición puede dividirse en composición de tipo ortográficamente unidos y composición sintagmática, donde los componentes han alcanzado una coherencia semántica sin fusión ortográfica. La presenta Tesis sólo se centrará en el primer tipo de composición. No se estudian los compuestos sintagmáticos por la dificultad en su delimitación: ¿cuáles son los límites entre la composición sintagmática, los sintagmas libres de la sintaxis y, a su vez, se puede distinguir de otros fenómenos como las colocaciones y las locuciones?. LA COMPOSICIÓN EN ESPAÑOL 3 derivativos, y se incluye la parasíntesis por composición, desde un punto de vista principalmente morfológico, no sintáctico ni semántico, lo que no impide que en ocasiones sea necesario hacer referencias a tales aspectos. Son procedimientos que pueden crear neologismos, lo que constituye un fructífero manantial para el enriquecimiento de la lengua. Las más recientes aportaciones realizadas al estudio sobre la composición en español, principalmente nominal, deja entrever el vacío tan grande que existe, pese a la presumible trascendencia de este proceso de formación de palabras, pues han resultado infructuosas las búsquedas sobre el procesamiento automático de la composición en español. En este sentido, esta Tesis trata de ampliar el conocimiento sobre la composición con la intención de cubrir algunos huecos existentes en la literatura y llenar el vacío informático en el tratamiento automatizado de la composición. Se pretende hacer una contribución a la identificación y generación automatizada de compuestos a través de las reglas de formación de carácter léxico y fonéticas o de cambio gráfico, y los criterios de aplicación que se deben llevar a cabo en cada situación. La metodología empleada consiste en extraer de diferentes diccionarios los distintos compuestos con el propósito de garantizar un conocimiento suficiente de los diferentes casos que se pueden dar y se estudian los mecanismos de unión aplicados a partir de la realidad explorada — se atiende a la clase funcional del compuesto, a su estructura formal y a la clase funcional de los elementos componentes—, que permitan solventar barreras lingüísticas a través del dominio informático y poner de manifiesto las irregularidades encontradas en su tratamiento. Con este objetivo se acometen diversos trabajos 6 a favor de una apuesta empírica que se sustenta en un corpus de alrededor 11 000 compuestos recopilados de diversos repertorios lexicográficos de la lengua española. 6 OCTAVIO SANTANA SUÁREZ, VIRGINIA GUTIÉRREZ RODRÍGUEZ, Y JOSÉ PÉREZ AGUIAR, “Pragmatización en la automatización del reconocimiento de palabras compuestas en español”. LEA Lingüística Española Aplicada, XXXV/2, págs. 181-201, 2013; SANTANA SUÁREZ, OCTAVIO, GUTIÉRREZ RODRÍGUEZ, VIRGINIA, PÉREZ AGUIAR, JOSÉ Y SÁNCHEZ BERRIEL, ISABEL, “Reglas de formación de palabras compuestas en español para la automatización de su reconocimiento”, Procesamiento del Lenguaje Natural, vol.51, págs. 75-82, Jaén, 2012; SANTANA SUÁREZ, OCTAVIO, CARRERAS RIUDAVETS, FRANCISCO, PÉREZ AGUIAR, JOSÉ Y GUTIÉRREZ RODRÍGUEZ, VIRGINIA, “El Reconocimiento Automático de la Composición en Español”, Conference Abstracts of the First International Conference of the Alliance of Digital Humanities Organizations, Paris, 2006. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 10 número de compuestos encontrados y el total de palabras tratadas ―contienen los elementos compositivos fijados. Elementos compositivos Elementos prefijales estratiportagalourtictalaso-tromboplaurobroncomenmalsomatopseudopsicohipconcourtic-zootelvagintontonotemporomalpictgeoadipoacuvitrohidrxeroxilotorzfilhidrcinamcinecinematcinemacinematocinesicinesiocinesoquinmaritenopenigendemelectrohempsitacfotorenoponeurocalineosonoteotermmamotirofacocolofonbioqueratoaergasolucrodofloricalcialocuadrisicovitipluvleghuemisictermotoacidoacetoaceticaseiacaroalectoroplesiohepatoplagioTOTAL: 1 647 Compuestos encontrados: 6 952 Palabras tratadas: 48 493 Elementos sufijales –fero -oide -cito –osis –uro –forme -oma –anto -metro -logía -mero –fico -bio –lito -omo –mano -logo –grafo –oide –oideo –grado –terio –cola –arca –grafía –andro –geno –cario –cida –filo –uria –emia –baro –terapia -metría- -megalia –cinesis –pirexia –branquia –ónfalo –ptosis –sepsia –epático –odoncia -frenia TOTAL: 274 Compuestos encontrados: 1 650 Palabras tratadas: 5 005 Tabla 3.- Elementos prefijales y elementos sufijales. Número de elementos constituyentes Se hace necesario definir procesos automáticos que sean capaces de identificar y crear palabras compuestas y situarlas en un contexto lingüístico idóneo. Por ello, en un proceso automático de reconocimiento de compuestos hay que tener en cuenta el número de constituyentes que lo forman. Por lo general, consta de dos elementos (97,7%), en menor medida existen casos de tres ―almempena, maldeojo, quetetroncho, trampantojo―, o incluso cuatro componentes ―correquetecagas, culodemalasiento, correveidile―, aunque, en la mayoría de las ocasiones suelen insertarse elementos monosilábicos átonos como preposiciones, conjunciones copulativas, pronombres, artículos, entre otros, debido a que han sufrido un proceso de aglutinación sin pérdida de dicho elemento del sintagma nominal u oración original del que provienen. LA COMPOSICIÓN EN ESPAÑOL 11 dedodedama, porsiacaso, tentenelaire, azuliblanco, hijodalgo, ahimelollevas, besalamano, bienmesabe, bienteveo, cagalaolla, cenaaoscuras, diostedé, esperalaultima, guardalagua, juanencueros, lavatiquevoy, maldeojo, metomentodo, montambanco, pandesapo, pontentodo, quetetroncho, quitaipón, rabodejunco, salsipuedes, tenconten, tentempié, tiraiafloja, vaivén Formaciones con elementos patrimoniales En cuanto a las combinaciones de palabras sin elementos compositivos cultos, pueden crearse a partir de conceptos que estén relacionados, o mejor dicho, de categorías gramaticales como sustantivos, adjetivos y verbos; por tanto, la estructura de los compuestos puede presentar múltiples formas 23 , según la categoría gramatical de los componentes y la categoría del resultado final. Con la variedad de formantes y de resultados que presentan, las relaciones entre los elementos participantes son de muy diversa índole ―destaca la importancia que tiene el orden de los constituyentes, especialmente desde un punto de vista semántico. Según la frecuencia de aparición de la clase funcional del conjunto, uno de los compuestos más productivos son los que dan como resultado un sustantivo —composición más común y sirve para denominar objetos—, le sigue la composición adjetiva y, en menor medida, otras categorías gramaticales adicionales, tales como verbos, adverbios, pronombres, conjunciones, Figura 1. Clasificación de los compuestos según clase funcional del conjunto y de los elementos constituyentes. En función de la clase funcional de los elementos componentes se obtienen los siguientes esquemas de combinación más típicos: Verbo+Complemento Sustantivo+Sustantivo Sustantivo+Adjetivo 23 Hay que tener en cuenta la dificultad que supone establecer límites a la hora de designar una clasificación de compuestos en un terreno tan inestable como el de la composición. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 12 Adjetivo+Sustantivo Adjetivo+Adjetivo Verbo+Verbo Sustantivo+Preposición+Sustantivo donde Bustos Gisbert plantea una clasificación atendiendo a las categorías gramaticales de los elementos componentes, así como la categoría del compuesto como se indica en la Tabla 4. Figura 1.- Distribución de los tipos de composición atendiendo a la clase funcional del conjunto. LA COMPOSICIÓN EN ESPAÑOL 13 Composición Adjetiva Adverbio+Adjetivo Adjetivo+Adjetivo Sustantivo+Adjetivo - Composición Nominal Composición Propia Sustantivo+Sustantivo Verbo+Verbo Verbo+Complemento Composición Sintagmática Sustantivo+Adjetivo o Adjetivo+Sustantivo Sustantivo+Preposición+Sustantivo Tabla 4.- Clasificación de la composición según Bustos Gisbert. Aunque existe un tipo de composición denominada sintagmática 24 —aquella que tiene como resultado unos compuestos que se aproximan bastantes a los sintagmas nominales correspondientes, pero no pueden ser considerados sintagmas nominales sino unidades léxicas—, se deja al margen la mayoría de estos compuestos en la automatización de su reconocimiento, ya que los componentes han alcanzado una coherencia semántica sin fusión gráfica. No obstante, en la base documental se encuentran, en menor cuantía, compuestos sintagmáticos que han sufrido un proceso de aglutinación de los elementos que lo forman Figura 5. Por otro lado, la composición adjetiva y la composición propia nominal, también conocida como composición léxica, está formada por dos o más palabras o bases con alguna modificación fónica, generalmente con unión gráfica de los elementos que la componen. Desde un punto de vista histórico no existe una separación tajante entre los compuestos 24 La composición sintagmática es un proceso innovador pues la mayoría de los estudios sobre formación de palabras no hacen mención a estas clases de compuestos, a excepción de Bustos Gisbert (1986), Val Alvaro (1999) y Buenafuentes de la Mata (2007), entre otros, siendo uno de los mecanismos empleados en la lengua latina y teniendo una productividad enorme en español. Con lo cual se puede llegar a afirmar, según Buenafuentes de la Mata, que la composición sintagmática es realmente el mecanismo que confiere vitalidad a la composición en español. Sin embargo, en la presenta Tesis no se estudia este tipo de composición. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 14 sintagmáticos y determinados ejemplos de compuestos propios, por cuanto que estos, en ciertos casos, pueden ser el resultado de un proceso de aglutinación. hoja de lata  hojalata hidalgo  hijo de algo 25 Figura 2.- Distribución de los compuestos nominales recogidos en la base documental atendiendo a la categoría gramatical de los elementos componentes. En la Figura 2 se aprecia la distribución de la composición nominal teniendo en cuenta las categorías gramaticales de los elementos que la componen. Se destaca, dentro de 25 Desde un punto de vista sincrónico, el no reconocimiento de grupos sintácticos en alguno de estos tipos de compuestos es un problema de tradición lingüística o de realidad de los hechos del lenguaje. Es por ello que se dejan al margen la mayoría de los compuestos sintagmáticos y por lo tanto no se van a considerar en el presente estudio. LA COMPOSICIÓN EN ESPAÑOL 15 la composición nominal, la combinación de Verbo+Complemento, como una de las más productivas 26 , debido a la constitución interna que presentan así como a la comodidad que le produce a un hablante esta estructura por la semántica que sus compuestos implican, ya que caracterizan al referente a través de su actividad, como indica Bustos (1986). Le sigue la construcción Sustantivo+Sustantivo. En la Tabla 5 se aprecian diferentes formaciones de compuestos nominales. Tabla 5.- Compuestos nominales según la categoría gramatical de sus elementos componentes. Con respecto a la composición sintagmática, se aprecia en la Figura 2 que la combinación Sustantivo+Prep+Sustantivo es más numerosa que la Sustantivo+Adjetivo; sin embargo, no se considera en este estudio aquellos compuestos donde los elementos que intervienen no se han consolidado gráficamente y aparecen separados por un guion o nexo (espacio o preposición), como se aprecia en la Figura 5. Existen compuestos nominales que representan sistemas marginales o bien resulta escaso el número de casos que producen o son casos particulares de los anteriores: PREPOSICIÓN+CONJUNCIÓN CONDICIONAL +ADVERBIO DE MODO: porsiacaso. NUMERAL+PREPOSICIÓN+SUSTANTIVO: cientoemboca, milenrama. 26 Es el más importante cuantitativamente hablando porque es aquel del que se recogen más ejemplos en todos los repertorios lexicográficos consultados. Sustantivo Adjetivo Sustantivo bocacalles casatienda carricoche telaraña aguardiente hierbabuena artimaña pelirrojo Adjetivo ciempiés malasangre mediodía malpaís Verbo hincapié trotamundos quemasangres cubrecamas saltarrostro quitapenas Adverbio bienandanza menoscuenta bienquerencia bienpensante maleducado Verbo Adverbio Verbo compraventa duermevela ganapierde vaivén bogavante atalejo mandamás Adverbio bienmesabe RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 16 VERBO+CONJUNCIÓN: creique, penseque. Los compuestos que constan de más de dos piezas léxicas dan como resultado un sustantivo formado por las combinaciones, entre otras: VERBO+Y+VERBO: tiraiafloja, quitaipón. VERBO+VERBO+Y+VERBO: correveidile. ADVERBIO+PRONOMBRE PERSONAL+VERBO: bienmesabe. VERBO+PRONOMBRE PERSONAL+ PRON. IMPERSONAL: sabelotodo. VERBO+PRONOMBRE PERSONAL+VERBO: hazmerreír. VERBO+PRONOMBRE PERSONAL+PREPOSICIÓN+ PRON.IMPERSONAL: metomentodo. El segundo caso en productividad son los compuestos adjetivos. La estructura más profusa es Sustantivo+Adjetivo donde existe una marcada relación entre los elementos del compuesto ya que el segundo miembro predica una cualidad del primero, sustantivo 27 que generalmente designa partes exteriores del cuerpo humano o animal. Existen componentes que parecen admitir dos interpretaciones diferentes —adjetivos y sustantivos—, y no se posee información suficiente para decidir cual resulta más correcta —cardocuco “cardo silvestre” no está claro si cuco es adjetivo o sustantivo. En la Figura 3 se aprecia la distribución de la composición adjetiva, atendiendo a las clases funcionales de los elementos que la componen. En la Tabla 6 se aprecian diferentes formaciones de compuestos adjetivales. Adjetivo (o Participio) Sustantivo alicaído cejijunto cariparejo pelirrojo teticiega patidifuso cuellilargo faldicorto ojitruco lengüilargo Adjetivo tonticiego grandilocuente agridulce hispanohablante rectinervio cultipicaño Adverbio bienintencionado, malaconsejado bienhablado Tabla 6.- Compuestos adjetivales según la categoría gramatical de sus elementos componentes. 27 Existe una marcada tendencia a colocar en el primer miembro sustantivos bisílabos. LA COMPOSICIÓN EN ESPAÑOL 17 Figura 3.- Distribución de los compuestos adjetivales recogidos en la base documental atendiendo a la categoría gramatical de los elementos componentes. Por regla general, el resultado de fusionar dos palabras para formar un compuesto es un sustantivo o un adjetivo. Pero existen, aunque en menor medida, diversas categorías gramaticales adicionales:  Cuando dan lugar a verbo. No se ha detectado que esta categoría gramatical combine dos constituyentes de su misma categoría gramatical, es decir, Verbo+Verbo, constatándose esta misma restricción en otras lenguas. En la Figura 4 se aprecia la distribución de la composición verbal, atendiendo a las clases funcionales de los elementos que la componen. SUSTANTIVO+VERBO:maniatar, aliquebrar, manuscribir, heroificar. ADVERBIO+VERBO: maldecir, malcomer, bienpensar, menospreciar,malcasar.  Que dan lugar a adverbio CONJUNCIÓN+VERBO: siquiera (adverbio o conjunción). ADVERBIO DE CANTIDAD+ADJETIVO O ADVERBIO: tampoco. ELEMENTO COMPOSITIVO+ADVERBIO DE TIEMPO: anteayer. ADJETIVO+ADVERBIO DE MODO: otrosi. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 18 Raros: ADVERBIO+VERBO: dondequiera. Figura 4.- Distribución de los compuestos verbales recogidos en la base documental atendiendo a la categoría gramatical de los elementos componentes.  Que dan lugar a pronombres: PRONOMBRE RELATIVO+VERBO: cualquiera, quienquiera. PRON.PERSONAL+ADJETIVO: nosotros.  Que dan lugar a conjunciones: ADVERBIO DE TIEMPO O DE MODO + PRONOMBRE RELATIVO: aunque. PREFIJO+SUSTANTIVO U.T.C. CONJUNCIÓN ADVERSATIVA: sin embargo. CONJUNCIÓN+ADVERBIO DE MODO: sino.  Que dan lugar a numerales: veinticinco  veinte+cinco, dieciséis  diez+seis En definitiva, según la frecuencia de aparición de la categoría gramatical del compuesto, así como de sus constituyentes, se pueden detallar las diferentes formaciones de compuestos como muestra la Tabla 7 ―la intensidad del color marca la mayor o menor frecuencia de la combinación. LA COMPOSICIÓN EN ESPAÑOL 19 CATEGORÍA GRAMATICAL COMPUESTO CATEGORÍA GRAMATICAL ELEMENTOS COMPONENTES SUSTANTIVO SUSTANTIVO ADJETIVO VERBO ADVERBIO SUSTANTIVO casatienda bocamanga carricoche telaraña aguardiente hierbabuena artimaña pelirrojo ADJETIVO ciempiés malasangre mediodía malpaís VERBO hincapié matamoscas quemasangres saltarrostro quitapenas trotamundos compraventa duermevela ganapierde tiraiafloja quitaipón correveidile hazmerreír bogavante atalejo mandamás creique penseque sabelotodo metomentodo ADVERBIO bienandanza menoscuenta bienquerencia cientoemboca milenrama bienmesabe porsiacaso ADJETIVO SUSTANTIVO ADJETIVO VERBO ADVERBIO SUSTANTIVO alicaído cejijunto pelirrojo teticiega patidifuso ADJETIVO tonticiego grandilocuente agridulce hispanohablante VERBO ADVERBIO bienintencionado VERBO SUSTANTIVO ADJETIVO VERBO ADVERBIO SUSTANTIVO maniatar aliquebrar manuscribir ADJETIVO VERBO ADVERBIO maldecir malcomer bienpensar menospreciar ADVERBIO, PRONOMBRE, CONJUNCIÓN,… SUSTANTIVO ADJETIVO VERBO ADVERBIO* SUSTANTIVO ADJETIVO otrosi VERBO ADVERBIO tampoco nosotros siquiera dondequiera cualquiera quienquiera anteayer aunque sino Tabla 7.- Clasificación de compuestos atendiendo a la categoría gramatical composicional y las categorías de sus elementos componentes. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 26 [quince + añ(o) + (-ero)]= quinceañero donde se reconocen dos morfemas liberables: agua +mano y un morfema no liberable o ligado como es -il. Bajo esta propuesta de Martinet se esclarece el proceso de parasíntesis, que considera que responde a sus propias reglas. ¿Cómo estudiar los compuestos? Existe un polimorfismo subyacente bajo las formaciones compuestas pues los compuestos son unidades lingüísticas muy especiales que presentan características de tipo sintáctica — debido a su estructura casi oracional—, morfológicas —se trata de un proceso de formación de palabras—, y léxicas —al fin y al cabo, un compuesto es una unidad léxica. A través de un análisis histórico, los compuestos reflejan claramente las conexiones que se producen entre sintaxis, morfología y léxico, como se aprecia en el siguiente ejemplo: tela de araña (compuesto imperfecto 36 o impropio)  telaraña (compuesto perfecto) En el tratamiento automatizado de la composición, en el que se pretende hacer una contribución a la identificación automatizada de compuestos, se deben proyectar los distintos tipos de compuestos –nominales, adjetivales y verbalesen cuatro niveles de estudio:  Fónico: en el que se tratan como unidades monoacentuadas y se integran las dos unidades léxicas –se obvia aquellas que contengan guion (-) o nexo (espacio o preposición).  Morfológico: se considera el número de unidades que formen el compuesto, generalmente dos, así como su naturaleza; se tiene en cuenta el comportamiento de los elementos componentes con respecto a la variación del género y del número. Además se busca la existencia de marcas de composición —inclusión del interfijo 36 Algunos autores también la reconocen como composición sintagmática. LA COMPOSICIÓN EN ESPAÑOL 27 “i”, es tratado en el epígrafe Las reglas de formación de compuestos, sin dejar de lado la frontera entre derivación, composición y parasíntesis.  Sintáctico: se comprueba si revela un comportamiento como unidades de funcionamiento tales que: o Exista un orden fijo de constitución de los compuestos específicamente.  Semántico 37 : en el proceso de creación de nuevas palabras se tratan como una unidad y se estudian las reglas de naturaleza semántica de compuestos conforme a:  las relaciones de endocentrismo 38 —aquel que representa una especialización con respecto a su núcleo referencial, como por ejemplo: agua de nieve, lavavajillas,…— y exocentrismo —aquel que designa una realidad no referida por ninguno de los elementos componentes, como por ejemplo: agua sal, aguardiente...  la función del compuesto como elemento definidor o como elemento caracterizador del referente, y los valores connotativos que puede tener el compuesto en virtud de esta función. 37 Para EUGENIO COSERIU (“Los procedimientos semánticos en la formación de palabras”, Odisea nº3, págs. 179-189, 2003): “las diferentes teorías sobre la formación de palabras —tanto las teorías tradicionales como la mayoría de las teorías modernas— no pueden responder adecuadamente a este fenómeno, en el mismo sentido que intuitivamente reconocen los hablantes y que se manifiesta en la actividad lingüística de estos…Se confunden designación y significado de lengua… La no distinción entre designación y significado de lengua, el caso más sintomático es, sin duda, el de los compuestos llamados endocéntricos —designan algo que constituyen al mismo tiempo su determinatum— y exocéntricos —lo que designan no es algo que no expresan ellos mismos. 38 Véase JUAN MANUEL PÉREZ VIGARAY, La composición nominal en español, Tesis Doctoral, Universidad Las Palmas de Gran Canaria, 1994. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 28 Sin embargo, se deja para estudios posteriores el tratamiento semántico de los compuestos endocéntricos 39 —su automatización resulta artificiosa por su construcción—, frente a los compuestos exocéntricos que escapan actualmente al dominio informático —su significado no se desprende de la suma de los de sus integrantes, sino que ostenta un significado añadido, imprevisible y de forma figurada generalmente. 39 La construcción endocéntrica es un constituyente compuesto que consta de un núcleo, que es elemento indispensable, y de otros elementos prescindibles que complementan al núcleo.(IGNACIO BOSQUE, JAVIER GUTIÉRREZ-REXACH, Fundamentos de Sintaxis Formal, Akal (1ª edición), Madrid, 2009). LA COMPOSICIÓN EN ESPAÑOL 29 Conclusiones del capítulo  En la presente Tesis se procede a estudiar, desde un punto de vista morfológico, los compuestos yuxtapuestos o lexías compuestas nominal y adjetiva principalmente, al igual que algunos casos especiales de acortamiento, elementos compositivos prefijales/sufijales y parasíntesis por composición. Los restantes tipos no se consideran debido a la dificultad para justificar que constituyen un verdadero compuesto en español, ya que habría que tener en cuenta factores sintácticos y semánticos que escapan al dominio informático. Se dejan al margen la mayoría de los compuestos de tipo sintagmático, ya que los componentes han alcanzado una coherencia semántica pero sin fusión gráfica debido a que pueden entrar en conflicto con las colocaciones léxicas en la automatización de su reconocimiento. Es importante tener presente el orden fijo de los elementos constituyentes con respecto a la categoría gramatical composicional —no se han encontrado compuestos verbales o adjetivales formados por un Verbo+Sustantivo. Se deja para estudios posteriores el tratamiento semántico de los compuestos endocéntricos —su automatización resulta artificiosa por su construcción—, frente a los compuestos exocéntricos que escapan actualmente al dominio informático —su significado no se desprende de la suma de los de sus integrantes, sino que ostenta un significado añadido, imprevisible y de forma figurada generalmente. 31 CAPÍTULO 2.- NEOLOGISMOS COMPOSITIVOS EN ESPAÑOL Introducción Aunque tradicionalmente la composición ha jugado un papel secundario frente a la derivación en la formación de palabras en español, tanto desde la perspectiva de su productividad como por la escasez de bibliografía, se observa la presencia cada vez mayor de este mecanismo para crear neologismos compositivos, llamados neologismos morfosintánticos, donde Romero Gualda (1978: 176) los define como aquellos: ‹‹productos léxicos conseguidos por derivación, composición o parasíntesis con fines expresivos, surgidos en un contexto poético y creados por un autor que en un momento dado siente la necesidad de crear como una afirmación de su libertad de expresión, como una muestra de originalidad frente a la lengua común a la que en consecuencia considera insuficiente, pobre o poco precisa›› La creación de neologismos se produce por modas o bien por necesidades de nuevas denominaciones o significados, que acaban por incorporarse al vocabulario de una determinada lengua, ya que la sociedad —principal fuente de creación léxica— actualmente favorece la creación de términos que corresponden a nuevos conceptos tanto materiales como intelectuales 40 : ya se trate “de un progreso industrial, de una modificación de la vida social, de un movimiento ideológico, de una nueva manera de sentir o de comprender, de un enriquecimiento del dominio moral, el neologismo constituye una necesidad imperiosa, es 40 Véase GLORIA GUERRERO RAMOS, Neologismos en el español actual, Arco/Libros, Madrid, 2010, [1995]. RESUMEN: Este capítulo presenta un estudio sobre los neologismos compositivos, probablemente sea el proceso más universal de formación de palabras que tienen las lenguas para su enriquecimiento. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 32 una de las manifestaciones principales de la vitalidad de una lengua”. Casado Velarde 41 (2015) utiliza el concepto de innovación léxica por medios morfológicos en la creación instantánea de neologismos y plantea que “los diccionarios y gramáticas, si quieren reflejar el estado de la lengua de cada momento, tendrán que ir cambiando la foto del idioma; los grandes innovadores lingüísticos son los poetas, pero también los grandes pensadores, inventores, personas dedicadas a la ciencia y a sus aplicaciones, periodistas y otros profesionales de la comunicación”. Los procedimientos neológicos que operan sobre las unidades de los sistemas lingüísticos, la neología de forma o morfosintácticos —fabricación de nuevas unidades léxicas a partir de elementos que pertenecen a un sistema morfológico de la lengua en cuestión o a sistemas extranjeros antiguos o actuales— frente a la neología de significado — utilización de un término ya existente en la lengua con un contenido semántico nuevo— constituye uno de los procedimientos de construcción de neologismos más productivos en español, y en particular la composición culta, productora continua de numerosas palabras técnicas y científicas. El propósito de este capítulo es presentar un estudio analítico cuantitativo y cualitativo a partir de información obtenida en el banco de neologismos BOBNEO 42 vs la base documental BARGCoS 43 , con el fin de establecer cuáles son los procedimientos de creación léxica más fructíferos en la fabricación de neologismos, con énfasis en el mecanismo de la composición —probablemente el proceso más universal de formación de palabras que tienen las lenguas. 41 MANUEL CASADO VELARDE, La innovación léxica en el español actual, Síntesis S. A., Madrid, 2015. 42 La plataforma BOBNEO se puede consultar en la siguiente dirección: <http://obneo.iula.upf.edu/bobneo/index.php> [01/10/2015]. Se trata de una base de datos del Observatorio de Neología (OBNEO) de la Universidad Pompeu Fabra (UPF) que ofrece los neologismos léxicos procedentes de los medios de comunicación, escritos y orales, en catalán y español, recogidos desde 1992. La herramienta ofrece una gran variedad de combinaciones para la selección de las posibles búsquedas por fecha, región, fuente y, por supuesto, tipo de neologismo. 43 Base de datos de la herramienta ARGCoS “Reconocimiento y Generación Automática de Compuestos en español”, que recoge alrededor de 11 000 compuestos recopilados de diversas fuentes lexicográficas (cf. Capítulo 3, Corpus seleccionado, pg.48 y Capítulo 4, Base de datos de las soluciones, pg.88 ). NEOLOGISMOS COMPOSITIVOS EN ESPAÑOL 33 Los neologismos Citando a Rafael Hidalgo de la Torre (2010) en su libro “Sugerencias sugestivas con las palabras”: ‹‹…Las palabras atraen, repelen, evocan, sugieren. Se dejan descomponer en letras, que a su vez, pueden combinarse formando nuevas palabras. Sus sonidos pueden resonar en nuestros oídos con matices poéticos inauditos. La maleabilidad de las palabras permite una infinidad de juegos que nos conducen, con mano segura y divertida a las entrañas mismas de la lengua…. Jugando con las palabras conseguimos: crear neologismos y observar el entorno de forma nueva e inesperada…›› Según Álvarez de Miranda 44 (2009) todos los vocablos de una lengua han sido alguna vez un neologismo, por ello el concepto de neología es fácilmente formulable como la incorporación al léxico de un nuevo elemento. El Diccionario General de la Lengua Española 45 define neologismos como: “vocablo acepción o giro nuevo en una lengua; proviene de neo- (palabra) y del gr. logismós (razonamiento)” La incorporación de un neologismo a los diccionarios se ha considero a menudo como prueba de su afianzamiento. Las causas para la aparición de neologismos van, desde su establecimiento en la gramática por un uso cada vez mayor y más extendido entre la población, hasta la necesidad emergente de designar nuevos conceptos ligada al desarrollo científico-tecnológico. Las características de una sociedad moderna altamente tecnificada hace que se presenten situaciones de necesidad de un término nuevo. Esta necesidad de creación de léxico especializado presenta dos fases diferentes 46 :  En un primer momento se produce la acuñación de un término por los propios especialistas. 44 PEDRO ÁLVAREZ DE MIRANDA, “Neología y pérdida Léxica”, en ELENA DE MIGUEL (eda.), Panorama de la lexicología, Ariel, Barcelona, 2009, págs. 133-158. 45 Diccionario General de la Lengua Española VOX, op. cit. 46 JOSEFA GÓMEZ DE ENTERRÍA, “Últimas tendencias neológicas en la prensa económica” en M.T. CABRÉ, J. FREIXA y E. SOLÉ (eds.), La neología en el tombant de segle, Observatorio de Neologia IULA Barcelona, pags. 7584, 2000. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 34  En una segunda fase, se lleva a cabo la difusión de los neologismos entre los miembros que forman la comunidad lingüística, con la consiguiente aceptación o rechazo de los mismos hasta lograr su instalación en el sistema de la lengua. Para Alarcos 47 : ‹‹un vocablo se despoja de su carácter neológico cuando pasa inadvertido entre todos los demás tradicionales›› En las lenguas mejor estudiadas y mejor servidas lexicográficamente, según comenta Álvarez de Miranda existen editoriales que renuevan anualmente sus diccionarios para incorporar los nuevos neologismos, han proliferado los observatorios de neología, las antenas neológicas o los equipos de vigilancia neológica. Clasificación de los neologismos Según B. Arrieta 48 el dinamismo que caracteriza al lenguaje permite la generación de nuevos términos que incrementan los repertorios lexicales de los distintos registros discursivos. Tal dinamismo enriquecedor del lenguaje es más notorio, aunque no exclusivo, en el registro científico debido al constante desarrollo de nuevas tecnologías que necesitan una rápida difusión a través de los diferentes medios de comunicación. Esta divulgación trae consigo la necesidad inmediata de asignarle una palabra unívoca a la cosa inventada que sirva para su identificación y es así como se producen los neologismos. El hecho de detectarlos e inventariarlos permite realizar un seguimiento eficaz de su futuro e implementación 49 . Corresponde entonces, tras haber recolectado un corpus considerable de estos términos, 47 EMILIO. ALARCOS LLORACH, “Consideraciones sobre el neologismo”, El neologismo necesario, Fundación EFE, Madrid, págs. 19-29, 1992. 48 BEATRIZ ARRIETA, RAFAEL MEZA, JUDITH BATISTA, “Procedimientos morfológicos para la creación de neologismos en el discurso académico”, Revista de Investigación Lingüística, nº 13, págs. 219-240, 2010. 49 Véanse también los estudios realizados por M. CABRÉ (“La clasificación de los neologismos: Una tarea compleja”. Alfa. São Paulo, 50 (2), págs. 229-250, 2006), J. MARTÍN CAMACHO (“Los procesos neológicos del léxico científico. Un esbozo de clasificación”, Anuario de Estudios Filológicos, vol. XXVIII, págs.157-174, 2004), I. CHUMACEIRO (“Morfología”. Español Actual vol. 69, págs.51-66, Madrid, 1998), donde ha quedado demostrado el gran caudal de términos aportados al idioma español por los académicos universitarios a través del lenguaje científico-técnico. NEOLOGISMOS COMPOSITIVOS EN ESPAÑOL 35 agruparlos y clasificarlos. Para ello Cabré Castellvi 50 aporta una clasificación o tipología neológica que distingue los siguientes tipos excluyentes entre sí:  Neologismos de forma o formales: nuevas unidades formales, antes inexistentes en el léxico de la lengua, que incluyen los procedimientos de formación de palabras como la derivación —prefijación y/o sufijación—, composición y composición culta, acronimia, sintagmación, entre otros procesos formativos.  Neologismos sintácticos: implica cambio de subcategoría gramatical en una base léxica.  Neologismos semánticos: formados por la modificación de una base léxica.  Préstamos: unidades importadas de otras lenguas.  Otros: para los casos difíciles de etiquetar. Dentro de las diferentes posibilidades existentes para la aparición de neologismos, se considera la composición como uno de los más importantes recursos neológicos, aunque no se descarta el peso cuantitativo que tiene en español el léxico multiplicativo, el que resulta de mecanismos derivativos y en particular la prefijación. Sin embargo existen diversos autores que sitúan la creación de palabras por medio de prefijos junto a la composición. Es frecuente observar en la formación de nuevas palabras fenómenos que son, a causa de sus formantes, creaciones muy cultas, y es evidente la continua presencia del léxico denominado por García Platero 51 , ‘jerga de portavoz’ y la posterior estandarización —adaptación a la norma común— de las diferentes unidades en virtud de la demanda del público receptor, cada vez más familiarizado con este vocabulario. 50 MARÍA TERESA CABRÉ CASTELLVI, “La clasificación de los neologismos: Una tarea compleja”, op.cit. 51 JUAN MANUEL GARCÍA PLATERO, "Procedimientos lexicogenésicos en el discurso periodístico" en J. A MOLINA REDONDO. y J DE D. LUQUE DURÁN, Estudios de lingüística general. Actas del II Congreso Nacional de Lingüística General, Granada, 1996. Servicio de Publicaciones de la Universidad de Granada, vol. 2, págs. 139145, 1997. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 42 Se realiza una prueba de la Ji-cuadrado de homogeneidad de muestras para comprobar si las proporciones de formación de compuestos propios y cultos en las bases de datos BOBNEO y BARGCoS son iguales. Para ello se construye la tabla de contingencia (ver Tabla 9) y se realiza el tratamiento estadístico basado en la distribución Ji-cuadrado con un grado de libertad. Se concluye que no existe diferencia significativa entre las dos bases de datos en cuanto a la productividad de los diferentes tipos de compuestos: propios y cultos (p-valor=0,05107) Composición Composición Culta Banco de datos OBNEO 4 513 8 205 Base de Datos ARGCoS57 4 14758 8 363 Tabla 9.- Tabla de contingencia para comprobar la homogeneidad de los diferentes tipos de composición —propia y culta— en las bases de datos BOBNEO vs BARGCoS. El comportamiento observado en ambas bases de datos (BBDD) deja ver que la productividad en la formación de compuestos cultos es mayor que la composición propia, hecho que se contrasta con la base de datos de referencia. 57 Los datos correspondientes a composición propia y culta recogidas en la base documental BARGCoS, se toman de la Tabla 2 que muestra los porcentajes en la formación de palabras compuestas según las combinaciones posibles de los tipos de unidades léxicas en que se ha dividido nuestro estudio: palabras patrimoniales y elementos compositivos. 58 Se considera añadir a BARGCoS 1 059 compuestos no yuxtapuestos de Bustos Gisbert (La composición nominal en español, op. cit. págs. 367-463). NEOLOGISMOS COMPOSITIVOS EN ESPAÑOL 43 Conclusiones del capítulo  Gracias a los avances tecnológicos y científicos, al auge en el uso de los nuevos dispositivos de comunicación social, donde los contenidos son creados por los usuarios —principal fuente de creación léxica— o al lenguaje periodístico, se recogen con frecuencia neologismos compositivos. La composición propia y culta es uno de los procesos más universal de formación de palabras que tienen la lengua para el enriquecimiento de su léxico. La productividad de formaciones compositivas culta es bastante superior con respecto a las creaciones compositivas propias, contrastado este comportamiento con los compuestos de la base de datos BARGCoS. Por todo ello se hacen imprescindibles procesos automáticos que sean capaces de situarlas en un contexto lingüístico adecuado desde un punto de vista morfológico y semántico. 45 CAPÍTULO 3.- ESTUDIO DE LA COMPOSICIÓN YUXTAPUESTA EN ESPAÑOL. REGLAS DE FORMACIÓN Y DE CAMBIO GRÁFICO Introducción En el Capítulo 2 se estudia la composición como uno de los procesos de formación de palabras con mayor importancia de los que dispone muchas lenguas para aumentar su caudal léxico; se echa mano de tal mecanismo de tipo morfológico para formar nuevas palabras — neologismos morfosintánticos— a partir de unidades léxicas, vocablos o giros gracias al tirón provocado por los lenguajes técnicos, publicitarios, sociales y demás 59 . Qué duda cabe que se hacen imprescindibles procesos automáticos que sean capaces de identificar las palabras en cuestión y situarlas en un contexto lingüístico adecuado. En el presente capítulo se tienen en cuenta únicamente aquellos casos en los que la palabra compuesta se ha consolidado como la unión gráfica de los elementos que la componen de forma regular o irregular, con el propósito de garantizar un conocimiento suficiente de la casuística que concierne a este proceso de formación. Se consideran solo aquellos compuestos consolidados o perfectos, donde el grado de fusión de los elementos 59 Internet y el lenguaje periodístico recogen, con frecuencia, neologismos compositivos debido a la rápida evolución de los acontecimientos y a su inmediata trascripción al mundo de las Tecnologías de la Información. RESUMEN: En este capítulo se procede a estudiar los compuestos yuxtapuestos, se presenta un conjunto de reglas de carácter léxico y de cambio gráfico construidas a partir del comportamiento mayoritario observado en las distintas bases documentales tratadas. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 46 del compuesto es total 60 ; se tratan los pseudoprefijoides y pseudosufijoides como elementos compositivos no como morfemas derivativos; desde un punto de vista principalmente morfológico se incluye la parasíntesis por composición y algunos casos de acortamiento, aunque no se cuenta con perspectivas sintácticas, ni semánticas, en ocasiones procede hacer referencia a tales aspectos. Se extraen de diferentes fuentes léxicas los distintos compuestos y se examina los mecanismos aplicados para establecer su comportamiento morfosemántico y su generación. Se obtiene así un conjunto de reglas —formación y cambio gráfico— y sus excepciones que permiten el reconocimiento y generación automática de palabras compuestas, construidas a partir del comportamiento mayoritario observado. Se exponen las normas aplicadas que se inducen a partir de la realidad en exploración que permitan solventar barreras lingüísticas a través del dominio informático y que pongan de manifiesto las irregularidades que afloren en el tratamiento. Corpus seleccionado Se procede a recolectar un corpus lo suficientemente amplio como para analizar pormenorizadamente la composición en español y poder extraer conclusiones generalizadoras. Se estudian los compuestos yuxtapuestos o lexías compuestas en composición nominal y adjetiva, al igual que algunos casos especiales de acortamiento, elementos compositivos y parasintéticos por composición. La investigación se fundamenta en un corpus con una cantidad significativa de compuestos, alrededor de 11 000, que provienen de diversos repertorios lexicográficos de la lengua española. Se parte de los compuestos recogidos del glosario de compuestos de Bustos Gisbert 61 , que para su elaboración se utilizaron obras de carácter general — DRAE—y otras de carácter regional o dialectal, como hablas leonesas, aragonesas, meridionales y español de América. Se procede a clasificar los diferentes compuestos en grupos según la categoría gramatical de sus constituyentes y del compuesto (véase clasificación según Bustos Gisbert en Tabla 2). La 60 No se estudian aquellos compuestos donde sus elementos componentes han alcanzado una coherencia sintáctica y/o semántica pero sin fusión ortográfica. 61 Véase EUGENIO BUSTOS, La composición nominal en español, op. cit. págs. 367-463. ESTUDIO DE LA COMPOSICIÓN YUXTAPUESTA EN ESPAÑOL 47 base documental de partida —BARGCoS 62 — se muestra en la Figura 10 donde, en una fase inicial, se recogen en la Base de Datos los compuestos recopilados con su información asociada: definición, categoría, tamaño, especialmente —se aprecia la relación existente entre los compuestos, la fuente de procedencia y clasificación a la que pertenece atendiendo a sus categorías gramaticales. Figura 10.- Grafo relacional de los compuestos recopilados de diversas fuentes lexicográficas. A continuación se describen cada una de las entidades y sus propiedades. Entidad Compuesto Descripción Entidad que contiene la información de las palabras compuestas estudiadas. Atributos Palabra: Palabra compuesta. Definicion: Definición de la palabra compuesta. Tamaño: Tamaño de la palabra. Yuxtapuesta: Representa si la palabra es yuxtapuesta o no. Nexo: Determina si existe nexo de unión (guion, espacio o preposición). 62 Base de datos BARGCoS “Reconocimiento y Generación Automática de Compuestos en español” RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 48 Reconocida: Determina si la palabra es reconocida por el lematizador del GEDLC63. Categoría: Categoría gramatical de la palabra compuesta. Entidad Diccionario Descripción Entidad que contiene la información de los diversos repertorios lexicográficos con los que se trabajan. Atributos Diccionario: Siglas del diccionario. Nombre: Nombre completo del diccionario. Edición: Formato y fecha de edición del diccionario. Direccion: Fichero (.XML,..) o URL del diccionario. Num_Cabeceras: Cantidad total de palabras en el diccionario. Num_encontradas: Cantidad de palabras compuestas encontradas. Entidad CategoriaGramatical Descripción Entidad que contiene la información de categorías gramaticales. Atributos Cod_categoria: Código de la categoría gramatical. Nombre: Nombre categoría gramatical. Simple: indica si la categoría es simple o compuesta. 63 GEDLC Grupo de Estructuras de datos y Lingüística Computacional de la Universidad de Las Palmas de Gran Canaria <http://www.gedlc.ulpgc.es/investigacion/scogeme02/lematiza.htm> [1/10/2015] ESTUDIO DE LA COMPOSICIÓN YUXTAPUESTA EN ESPAÑOL 49 Se amplía la base documental según, entre otros criterios 64 , la información etimológica que suministran los principales repertorios lexicográficos de la lengua española (Bibliograf, 2003; RAE, 2001; Clave, 1997; Larousse, 1996; Moliner, 1996) 65 . Los patrones que se observan son los siguientes:  DRAE.  De…palabra… y… palabra….  VOX  (...palabra...+… palabra...) 64 En una segunda fase se consideran solamente los compuestos consolidados o perfectos, donde las dos (o más) unidades léxicas están totalmente integradas, se obvian aquellas que contengan guion o nexo (espacio o preposición). 65 Diccionario General de la Lengua Española VOX, op.cit.; REAL ACADEMIA ESPAÑOLA, Diccionario de la Lengua Española, op.cit.; Diccionario de Uso del Español Actual, Clave S.M., Madrid, 1997; Gran Diccionario de la Lengua Española, Larousse Planeta, S.A., Barcelona, 1996; MARÍA MOLINER, Diccionario de Uso del Español, Gredos, Madrid, 1996. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 50  CLAVE  De…palabra… y…palabra…  LAROUSSE  No sigue un único patrón. ESTUDIO DE LA COMPOSICIÓN YUXTAPUESTA EN ESPAÑOL 51 Finalmente, se construye una base de estudio de unos 11 000 compuestos recopilados de diversas fuentes lexicográficas y se buscan inclusiones de compuestos procedentes de nuevas fuentes neológicas o nuevos diccionarios 66 . En Figura 11 se muestra parte del grafo relacional de la Base de Datos BARGCoS que refleja cómo está organizada y clasificada la información. Figura 11.- Modelo lógico de la Base de Datos BARGCoS. Se describe a continuación las entidades que se añadieron con sus propiedades correspondientes: 66 MANUEL ALVAR EZQUERRA, Nuevo Diccionario de voces de uso actual, Arco/Libros, Madrid, 2003; Diccionario de neologismos de la lengua española, Larousse, S.A., Barcelona, 1998. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 58 Figura 14.- Producción de la regla 3 (-a+i, -o+i, -e+i, -eo+i, -ea+i) en base a la categoría gramatical de los constituyentes. Regla 4 (+i) Si el primer elemento acaba en consonante y el segundo empieza en consonante, se introduce la i entre ambos y se lleva a cabo la unión. No se aprecia que se produzca en todos los tipos de composición, sino en aquellos casos en los que ambos componentes tienen igual categoría, a excepción de la combinación Verbo+Verbo 68 . ADJETIVO+ADJETIVO: azuliblanco. SUSTANTIVO+SUSTANTIVO: calicanto, coliflor, colinabo, paniqueso, salipez. El papel que parece desempeñar el morfema compositivo i es de función conjuntiva que, aunque parece probable desde la perspectiva semántica —carricoche, coliflor—, no se justifica en otros casos, especialmente, en algunos compuestos adjetivales, porque en tales no se atisba claramente ninguna razón de tipo semántico o fonológico. 68 En este tipo de composición se utiliza la Regla 20 (copulativa): se sustituye la y copulativa que funciona como elemento conjuntivo por la vocal i y se lleva a cabo la unión. Esto es debido a la flexión del verbo. VERBO+VERBO: correiverás, quitaipón, tiraiafloja, correveidile ESTUDIO DE LA COMPOSICIÓN YUXTAPUESTA EN ESPAÑOL 59 Regla 5 (-a, -o, -e) Si el primer constituyente acaba en vocal fuerte, la pierde. Cuando el final vocálico del primer componente y el principio vocálico del segundo tienen la posibilidad de formación de un diptongo o de contracción, se procede a la unión con pérdida de la vocal del primer elemento. En la Figura 15 se muestra la producción de compuestos en BARGCoS según la categoría gramatical de los constituyentes y del compuesto. Se aprecia que es una regla que se aplica en todos los tipos de compuestos. ADJETIVO+ADJETIVO: eurasiático, agridulce. [SUSTANTIVO+ADJETIVO]ADJETIVO: papalba (papo o papu+alba), manvacío, cabezcaído. SUSTANTIVO+SUSTANTIVO: gatuña, ajaceite, mancuadra, rabiguana, liquidámbar. VERBO+COMPLEMENTO O VICEVERSA: chambeculos, abrojo, desmochollas. SUSTANTIVO+ADJETIVO O VICEVERSA: brazalbo, duraluminio, mandoble, manzorda, disanto, sabihondo. Existen casos en los que parecería que más que aplicar esta regla se podría haber utilizado la de sustitución del morfema por el infijo compositivo i, como puede verse en: labihendido  labio+hendido (no es solución labe+hendido) disanto  dia+santo (no es solución do+santo) sabihondo  sabio+hondo agridulce  agrio+dulce (no es solución: agro+dulce, agre+dulce, agra+dulce) En otros casos, se dice que ha sufrido un proceso de pérdida del infijo compositivo i: cabezcaído  cabecicaído  cabeza+caído manvacío  manivacío  mano+vacío RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 60 Figura 15.- Producción de la regla 5 (-a, -o, -e) en base a la categoría gramatical de los constituyentes. Regla 6 (elemento compositivo) Los elementos compositivos pueden estar formados por la agregación a una palabra española de raíces cultas greco-latinas, antepuestas o pospuestas —también llamada composición híbrida 69 —, como: acutifolio  acuti- (del latín acutu, agudo) + folio (hoja) nitroglicerina  nitro- (del griego nitrón, nitro) + glicerina abulomanía  abulo- (del griego aboulía, sin voluntad) + manía petrolífero  petróleo + -fero (del latín ferre, conducir) ecosonda  eco- (del latin y griego eco, resonancia) + sonda o bien por la combinación de raíces cultas: 69 La composición híbrida es aquella que presenta entre sus formantes un elemento culto y otro de origen patrimonial (véase, CRISTINA BUENAFUENTES, Procesos de gramaticalización y lexicalización en la formación de compuestos en español, op.cit., pág. 343). Pueden existir problemas al considerar uno de los formantes no como un elemento culto, sino ya como una palabra evolucionada del español, como por ejemplo: el elemento compositivo –fobia, como en xenofobia  xeno-+-fobia, pues se puede caracterizar como compuesto culto o bien clasificarlo como compuesto híbrido al considerar que viene de la palabra patrimonial fobia. ESTUDIO DE LA COMPOSICIÓN YUXTAPUESTA EN ESPAÑOL 61  raíz prefija y sufija griegas o latinas, como: teléfono  tele- (del griego tele, lejos) + -fono (del griego phoné, voz o sonido) filicidio  fili- (del latín filius, hijo) + -cidio (del latín cidium, matar) taquicardia  taqui- (del griego tachys, rápido) + -cardia (del griego kardía, corazón)  raíz prefija griega y sufija latina: automóvil  auto- (del griego autos, mismo o propio) + -móvil (del latín mobilis, mover)  raíz prefija latina y sufija griega: lucífilo  luci- (del latín lux, lucis, luz)+ -filo (del griego philos, amante) o por la incorporación de otro tipo de raíces: arisblanco  aris- (de arista) + blanco eurocheque  euro- (de europeo) + cheque galiparla  gali- (de galo, francés)+ porte Regla 7 (@preposición@) El sintagma nominal ha sufrido un proceso de aglutinación sin pérdida de la preposición — de, a, ante, con, en, por—, del artículo —la, el—, de la conjunción (copulativa, condicional: “si”,”que”...) o del pronombre personal clítico o enclítico —me, te, lo, la— presentes. La Figura 16 presenta la productividad de compuestos clasificados según la categoría gramatical de los componentes. Es la regla por excelencia para el tipo de compuesto Sustantivo + Preposición +Sustantivo. VERBO+VERBO: lavatiquevoy, correquetecagas, tenconten, salsipuedes. VERBO+COMPLEMENTO: saltaembarca, besalamano, bienmesabe, ahimelollevas, bienteveo, cenaaoscuras, esperalaultima, parlaembalde, diostedé. SUSTANTIVO+PREPOSICIÓN+SUSTANTIVO: rabodejunco, juanencueros, patiporsuelo, almaempena. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 62 Figura 16.- Producción de la regla 7 (@prep@) en base a la categoría gramatical de los constituyentes. Regla 8 (-vocal@preposición@) Unión con pérdida de la vocal del segundo elemento o nexo: hay casos en los que se descarta alguno de los fonemas del nexo presente en el compuesto, o bien su final vocálico o bien su principio vocálico, ante la posibilidad de formación de un diptongo o de una contracción ―generalmente se elimina la vocal inicial e. VERBO+COMPLEMENTO: montambanco, tentempie, tentenelaire, pontentodo, guardalagua. SUSTANTIVO+PREPOSICIÓN+SUSTANTIVO: trampantojo, hijodalgo, fijodalgo, hidalgo  hijo de algo. Tratamiento de las excepciones Algunas palabras presentan irregularidades y necesitan un tratamiento especial. Se presenta en a Figura 17 la producción de compuestos en BARGCoS que aplican las reglas asociadas al tratamiento de las excepciones, según la categoría gramatical de los elementos componentes y la categoría del compuesto. ESTUDIO DE LA COMPOSICIÓN YUXTAPUESTA EN ESPAÑOL 63 Regla 9 (excepción: variantes) Existen variantes lexemáticas en las que se ha producido la síncopa de uno o más elementos fonéticos del lexema: primero se procede a su modificación y luego se lleva a cabo la unión sin pérdida. botesela: sela  silla capaniu: niu  nido pejemuller: peje  pez, cagarrache: rache  erraj picatrueu: trueu  tuero ajilimójili: ajili  ajo mójili  moje guadarnés: guad  guarda cuerdacarru: carru  carro rabucocandil: rabuco  rabo Regla 10 (excepción: género)  Si el primer elemento acaba en a, se sustituye por la vocal o y se lleva a cabo la unión ceromiel 70  cera+miel perrogorda 71  perra+gorda  Si el primer elemento acaba en o, se sustituye por la vocal a y se procede a la unión cerrapan 72  cerro+pan  De forma similar ocurre con la segunda palabra aguagriero  agua+agriera batiporte  bate+porta. 70 Definición de ceromiel: “Mezcla de una parte de cera y dos de miel, que antiguamente empleaban en la cura de las úlceras y heridas” (DRAE). 71 Definición de perrogorda: “Moneda de dos céntimos” (Véase, ANTONIO ALCALÁ VENCESLADA, El Vocabulario Andaluz, Madrid, 1951). 72 Definición de cerrapan: “Rebanada de pan” (cf. cast. cerro 'lomo, espinazo') (Véase, MANUEL ALVAR, Palabras y cosas en la Aezcoa, Zaragoza, 1947). RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 64 Regla 11 (excepción: plural) 73 Se conserva el plural en los casos en que se produzca. ajaspajas 74  ajos+pajas malaslenguas  malas + lenguas  mal + lengua [no es el plural de *mallengua] malastripas  malas + tripas  mal + tripa [no es el plural de *maltripa] cualesquiera  cuales + quiera quienesquiera  quienes + quiera Regla 12 (excepción: paranomasia) Los elementos constituyentes del compuesto pueden presentar una construcción paranomásica ―creados por semejanza de sonidos con otros vocablos. sabidondo, sabilongo  sabihondo pedabobo 75  pedagogo  paido- +-ago balsopeto  bolso+peto 73 La marca de plural en los compuestos ortográficamente unidos se forma, por regla general, añadiendo los morfemas –s o –es al final del compuesto, es decir, la flexión es externa al compuesto (singular mariposa, plural mariposas; singular rascacielos, plural rascacielos). Pero algunas veces la flexión de número se aplica a ambos componentes, como se plasma en esta regla, o bien en expresiones anticuadas la flexión de número se aplica en ambos componentes, se marca el plural tanto interna como externamente (singular ricahembra, plural ricashembras; singular gentilhombre, plural gentileshombres; singular ricadueña, plural ricasdueñas). 74 Definición de ajaspajas: “Paja que queda en la ristra de ajos después de quitar la cabeza de éstos” (DRAE). Por ello, se aplica primero a este compuesto la regla 10 (excepción: género) donde se cambia ajo por aja y se mantiene el plural. 75 Véase, MARÍA DEL PILAR ORTEGA (“Neología y Prensa: Un binomio eficaz”, Espéculo nº 18, (Universidad Complutense de Madrid, 2001, <https://pendientedemigracion.ucm.es/info/especulo/numero18/ neologism.html> [1/10/2015]): "Los pedabobos ya empezaban a causar estragos en las filas inocentes del idioma..."(ABC 241298). La formación se crea por semejanza con pedagogo. ESTUDIO DE LA COMPOSICIÓN YUXTAPUESTA EN ESPAÑOL 65 Regla 13 (excepción: 2º palabra) Generalmente, las reglas se aplican al primer constituyente del compuesto, salvo en excepciones que actúan sobre el segundo: Regla 13.1 (2ªpalabra_plural)  En ocasiones, se forma un compuesto con marca de plural, aunque el segundo componente sólo exista en singular ―para su reconocimiento habría que hacer desaparecer la terminación de plural del compuesto. vuelvaluegos  vuelva+luegos  vuelva+luego tragafees  traga+fees  traga+fe Regla 13.2 (-sílaba_duplicada)  Reducción de la estructura silábica duplicada que aparece al final del primer elemento y al inicio del segundo. cascorvo  casco+corvo Regla 13.3 (-sílaba)  Unión con pérdida de la sílaba final del primer elemento cuando existe idéntica consonante en la sílaba final del primer lexema y en la inicial del segundo: coyotomate  coyote+tomate cejunto  ceja+junto Regla 13.4 (acronimia)  Eliminación de la sílaba final del primer lexema, la inicial del segundo o incluso ambas: cascalbo  cáscara+albo cardimuelle  cardinche+armuelle cartapel  carta+papel cochitril  cocho+cortil RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 66 Figura 17.- Producción de la regla 9 a la regla 13 de tratamiento de las excepciones, en base a la categoría gramatical de los constituyentes. Regla 14 (abreviamiento) Se considera el abreviamiento o acortamiento léxico, la cual tiene diversas variantes: primero se procede a su cambio —puede darse que cualquiera de los constituyentes del compuesto— y luego se lleva a cabo la unión sin pérdida. cine  cinematógrafo foto  fotografía bus  autobús profe  profesor mate  matemáticas Regla 15 (parasíntesis) Se unen dos o más términos donde para el segundo elemento (B) se obtiene la forma sufijada propuesta, siempre que no exista la combinación de las constituyentes (A+B) ni exista la palabra B+Sufijación —en caso de aparecer, no serían el origen de la palabra final. anquimuleño  anca + mulo (-eño) [no existe *muleño, ni *anquimulo] misacantano  misa + canta (-ano) [no existe *misacanta, ni *cantano] ropavejero  ropa + viejo (-ero) [no existe *vejero, ni ropavejero es derivado de ropavieja] aguamanil  agua+ manos (-il) [no existe mano+il, ni es derivado de aguamanos] ESTUDIO DE LA COMPOSICIÓN YUXTAPUESTA EN ESPAÑOL 67 Reglas fonéticas o de cambio gráfico Como pueden producirse cambios gráficos en el compuesto final cuando se aplican las reglas anteriores; se han de tener en cuenta las siguientes reglas fonéticas o de cambio gráfico necesarias para lograr un correcto tratamiento informático en el reconocimiento y en la generación de tales palabras. Se muestran desde el punto de vista de la generación de los compuestos. Regla 16(+rr) Si el segundo elemento empieza por r, se debe sustituir por rr: aguarrás, alirrojo, andarríos, alzarrabos, arrancarrabia, buscarruidos, barbirrostro, boquirroto, carirraido, grecorromano, matarratas, pararrayos, pejerrey, yerbarreuma, colirrojo salvo cuando va precedida de “l” o “n”: milenrama  mil+en+rama. Regla 17 ( -ca+qui, -co+qui) Si al sustituir las vocales átonas finales a y o correspondientes al primer constituyente por el infijo compositivo i acaba en la sílaba ci, se sustituye por qui y se lleva a cabo la unión. anquialmendrado, arquibanco, arquimesa, blanquinegro, blanquiazul, boquiancho, boquicerrado, coquiduro, moquicaído, piquijuye, piquituerto/a Regla 18 (-za+ci, -zo+ci, -zón+ci) Si al sustituir las vocales átonas finales a y o correspondientes al primer constituyente por el infijo compositivo i acaba en la sílaba zi, se sustituye por ci y se lleva a cabo la unión. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 74 Spanish. Tal herramienta facilita el señalamiento de dos o más formas simples que funcionan como una unidad léxica compositiva para establecer su comportamiento morfológicosemántico por medio del grafo de dependencias de las reglas de formación y de cambios gráficos —ya se estudiaron en el capítulo anterior—; se logran plasmar así las casuísticas que se detectan en la automatización del proceso compositivo del español. Automatización del reconocimiento de compuestos El proceso de reconocimiento de una palabra compuesta permite identificar dos o más formas simples —palabras o elementos compositivos— que funcionan como una unidad léxica; se examina con cuidado para establecer el comportamiento morfológico-semántico, ya que no se puede deducir únicamente a partir de las propiedades de las formas simples constituyentes. Se reconocen aquellos casos de composición y parasíntesis por composición, Regla 15 (parasíntesis), que se han consolidado como la unión gráfica de los elementos que intervienen —objeto de estudio a lo largo de la presente tesis—; se obvian aquellos casos que contengan guion o nexo — espacio o preposición— y se tratan algunos de acortamiento, Regla 13.4 (acronimia) y Regla 14 (abreviamiento). Los elementos constituyentes del compuesto pueden ser palabras o elementos compositivos prefijales o sufijales, Regla 6 (elemento compositivo), y estar formados por preposiciones, artículos, conjunciones o pronombres clíticos o enclíticos que no han perdido en el proceso de aglutinación, Regla 7 (@preposición@). Se parte de un conjunto de tamaño suficientemente significativo de compuestos — la base de datos BARGCoS— recogidos de los principales repertorios lexicográficos de la lengua española y del glosario de compuestos de Bustos Gisbert (ver definición de la base de referencia en los epígrafes Corpus seleccionado y Modelo de datos), y clasificados en grupos según la categoría gramatical de sus constituyentes. Para examinar si una palabra es identificada como compuesta, implica llevar a cabo alguno de los siguientes procesos: o bien se consulta en la base y se dictamina que ya ha sido tratada como tal —en cuyo caso presenta una única solución— o, en caso contrario, se procede a la aplicación de las reglas de formación y cambio gráfico que sean precisas para su reconocimiento —se puede presentar una, muchas e incluso ninguna solución. En un estudio cuyo objetivo sea la automatización de la morfología con medios informáticos, los aspectos formales o teóricos no tienen por qué RECONOCIMIENTO DE COMPUESTOS 75 coincidir con los estrictamente lingüísticos. Así, *bocahundido ―falsa composición pues lo correcto sería boquihundido― podría considerarse una formación apropiada al no contravenir ninguna regla fonotáctica del lenguaje, ni siquiera la norma de la estructura silábica del español. La estrategia diseñada conlleva que el reconocedor compositivo actúe sobre una palabra de entrada —posiblemente un neologismo compositivo— y la segmente en posibles pares (elemento constituyente1, elemento constituyente2) construidos a partir de las reglas de formación del compuesto adecuadas —a partir de ahora, se considera una solución como la pareja formada por (pal1, pal2). De esta forma, el reconocimiento de compuestos yuxtapuestos, parasintéticos por composición, neologismos compositivos y compuestos con pseudoprefijoides o pseudosufijoides —entre otros procesos de lexicalización— de manera automática es una labor que aglutina procedimientos que implican diferentes tareas: (véase Figura 20):  Módulo 1: Tratamiento de errores ortográficos o posibles neologismos.  Módulo 2: Reglas de formación y de cambios gráficos o fonéticas.  Ordenación de las soluciones atendiendo a las categorías gramaticales del compuesto y de los constituyentes según la regla de formación aplicada.  Módulo 3: Búsquedas en internet para confirmar y ordenar estadísticamente las posibles soluciones  Módulo 4: Procedimientos semánticos que engloban a los diccionarios en la búsqueda del significado más próximo. En el reconocimiento de palabras compuestas en español, se sigue el tratamiento de errores ortográficos, se consideran inclusiones o formaciones de neologismos, compuestos parasintéticos por composición y derivación de compuestos, entre otros —se prueba si la palabra compuesta cumple unas ciertas condiciones. Claro está que se pueden encontrar palabras que no sean compuestos, pero esta primera aproximación permite ver la necesidad de añadir otro tipo de condicionantes que funcionen como excepciones, con el objetivo de encontrar una lista completa de compuestos mediante la aplicación a los diferentes diccionarios de las reglas finales obtenidas. A través de la herramienta ARGCoS se procuran inclusiones de compuestos procedentes de diversas fuentes neológicas o nuevos diccionarios. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 76 Figura 20.- Diagrama de flujo del proceso de reconocimiento de compuestos. Si se quiere reconocer los elementos que forman la composición boquihundido, se segmenta la palabra hasta encontrar pares de soluciones (pal1, pal2): Solución 1: (boqui, hundido) Solución 2: (boca, hundido) ¿Cuál de las soluciones tiene mayor probabilidad de ser correcta? La propuesta primera no sería la solución más verosímil debido a la invariabilidad formal que presenta el compuesto con respecto a la regla de formación aplicada según las categorías gramaticales que intervienen. RECONOCIMIENTO DE COMPUESTOS 77 La frecuencia de uso por los hablantes del término correcto fija otra condición: se busca la coocurrencia 80 entre (boquihundido, boqui) y (boquihundido, boca) que posibilita una ordenación —la aparición más elevada permite discriminar la solución. Por último, se busca en el significado de los elementos cuál es el que utiliza para definir el compuesto. Se tiene: boquihundido (DRAE): boqui (DRAE) boca (DRAE) Se concluye que la solución segunda es la candidata: boquihundido  boca + hundido. Sin embargo, si el reconocedor compositivo trata de identificar la palabra bocahundido* —falsa composición pues lo correcto sería boquihundido—, encuentra que se trata de un posible neologismo y como única solución posible se obtiene: (boca, hundido) y no hace falta aplicar ninguno de los otros procesos. boquihundido  boca + hundido Se pasa a definir cada una de las fases del reconocedor compositivo, se hace especial hincapié en el módulo de las reglas de formación compositivas para el reconocedor. 80 En lingüística general, se define coocurrencia a la utilización conjunta de dos unidades léxicas —en nuestro caso se toman la palabra compuesta y el primer elemento constituyente— en una unidad superior —la comunidad de hablantes, es decir, la web. Existe la suposición de que los términos son mutuamente dependientes cuando su utilización conjunta es muy común. Existen tests estadísticos que proveen medios para la supuesta dependencia, pero se considera únicamente en el presente estudio la frecuencia de aparición debido a que interesa discriminar las soluciones entre sí para un mismo compuesto, lo cual posibilita una ordenación de las mismas. Como estas coocurrencias pueden deberse tanto a razones gramaticales como semánticas, se hace necesario añadir otros tipos de condicionantes. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 78 Fases en el reconocedor de palabras compuestas En la Figura 20 se muestra un esquema del funcionamiento del proceso de reconocimiento de palabras compuestas. En caso de errores tipográficos, se utiliza la distancia de Levenshtein para solventarlos. Si se trata con un neologismo, se piden su definición y su categoría gramatical. Se lematiza 81 la palabra y se identifican sus diversas formas canónicas 82 , categorías gramaticales y las flexiones o derivaciones que las producen, por medio del “Flexionador 83 84 y 81 La lematización es un proceso lingüístico que consiste en, dada una forma flexionada, hallar el lema correspondiente. El lema es la forma que por convenio se acepta como representante de todas las formas flexionadas de una misma palabra: singular para sustantivos, masculino singular para adjetivos, infinitivo para verbos. <http://lexicoon.org/es> [1/10/2015] 82 Se define como forma canónica a todo vocablo con identidad propia susceptible de aplicársele o de habérsele aplicado en su formación algún mecanismo de derivación. 83 FLANOM: Flexionador y Lematizador Automático de Formas Nominales y FLAPE Flexionador y Lematizador Automático de Palabras del Español (1999) son proyectos realizado en el seno del GEDLC. Estos trabajos representan la morfología flexiva del español actual que a través de una aplicación informática permite resolver y responder a aspectos de las palabras en el reconocimiento de las mismas como elemento funcional y morfológico: formas canónicas a las que pertenece, flexión respecto de cada forma, categoría gramatical de las formas, información semántica en el caso de los verbos e incorpora pronombres enclíticos y prefijos. La aplicación informática que se presenta lematiza cualquier palabra del español al identificar su forma canónica, categoría gramatical y la flexión o derivación que la produce, y obtiene las formas correspondientes a partir de una forma canónica y de la flexión o derivación solicitada. A partir de 151 103 formas canónicas (incluye 14.859 nombres de personas y apellidos), se obtienen algo más de 4 900 000 formas flexionadas y derivadas (sin sumar la ampliación inherente a los prefijos y a los pronombres enclíticos) y se establecen unas 90 000 relaciones morfoléxicas. El sistema incluye todas las entradas del Diccionario de la Real Academia, del Diccionario General de la Lengua Española Vox, del Diccionario de Uso del Español de María Moliner, del Gran Diccionario de la Lengua Española de Larousse Planeta, del Diccionario de Uso del Español Actual Clave SM, del Diccionario de voces de uso actual dirigido por Manuel Alvar Ezquerra, del Gran Diccionario de Sinónimos y Antónimos de Espasa-Calpe y del Diccionario Ideológico de la Lengua Española de Julio Casares. <http://gedlc.ulpgc.es/investigacion/scogeme02/lematiza.htm> [01/10/2015] 84 Los proyectos anteriores se integran para ofrecer un Sistema Computacional de Gestión Morfológica del Español (SCOGEME). Este sistema es capaz de resolver y responder a cualquier aspecto morfológico de una palabra del español: consiste en el reconocimiento, la generación y la manipulación de las relaciones morfoléxicas a partir de cualquier palabra, incluye la recuperación de toda su información lexicogenética hasta llegar a una primitiva, la gestión y control de los afijos en el tratamiento de sus relaciones, así como la regularidad en la RECONOCIMIENTO DE COMPUESTOS 79 Lematizador de palabras del español” y de las “Relaciones Morfoléxicas del español” del Grupo GEDLC de la ULPGC (Santana et al., 1997, 1999, 2004,2006) 85 . Por lo general, si se trata de una palabra compuesta, las diversas formas canónicas 86 se reducirían a una, coincidiendo con la palabra en sí. Además, la categoría gramatical suele ser simple: sustantivo —en la mayoría de los casos—, adjetivo o verbo (ver Figura 22 ). relación establecida. Proporciona una visión global del comportamiento y productividad de las palabras del español en los principales procesos de formación (sufijación, prefijación, parasíntesis, supresión, regresión, modificación-cero, apócope, metátesis y otros no clasificables que generan grafías alternativas). <http://gedlc.ulpgc.es/investigacion/scogeme02/relmorfo.htm> [01/10/2015] 85 OCTAVIO SANTANA SUÁREZ, FRANCISCO CARRERAS RIUDAVETS, JOSÉ PÉREZ AGUIAR, JUAN C. RODRÍGUEZ DEL PINO, “Parasynthetic Morpholexical Relationships of the Spanish: Lexical Search beyond the Lexicographical Regularity”, Proceedings of the IADIS International Conference. Applied Computing, 2006, págs. 627631; OCTAVIO SANTANA SUÁREZ, JOSÉ PÉREZ AGUIAR, FRANCISCO CARRERAS RIUDAVETS, JUAN DE DIOS DUQUE, ZENÓN HERNÁNDEZ FIGUEROA, GUSTAVO RODRÍGUEZ RODRÍGUEZ, “FLANOM: Flexionador y lematizador automático de formas nominales”. Lingüística Española Actual XXI, 2, Arco/Libros, S.L., 1999, págs.253-297; OCTAVIO SANTANA SUÁREZ, JOSÉ PÉREZ AGUIAR, FRANCISCO CARRERAS RIUDAVETS, GUSTAVO RODRÍGUEZ RODRÍGUEZ, “Suffixal and Prefixal Morpholexical Relationships of the Spanish”. Lecture Notes in Artificial Intelligence, 3230, Springer-Verlag, 2004, págs. 407-418; OCTAVIO SANTANA SUÁREZ, JOSÉ PÉREZ AGUIAR, ZENÓN HERNÁNDEZ FIGUEROA, FRANCISCO CARRERAS RIUDAVETS, GUSTAVO RODRÍGUEZ RODRÍGUEZ, “FLAVER: Flexionador y lematizador automático de formas verbales”. Lingüística Española Actual XIX, 2, Arco/Libros S.L., 1997. 86 En el corpus de referencia del GEDLC, se consideran como tales las palabras resultantes de la unión de todas las entradas de la fuentes consultadas —119 959 formas no verbales y 14 150 infinitivos—, siempre que posean un significado institucionalizado, independientemente de que en su formación entrara sufijo flexivo —colchón, cafetucho; pero no se consideran mundonón, animalucho— y que sean reconocidas por la fuente como una entrada distinta de la proporcionada por un afijo como elemento dependiente del léxico. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 80 Figura 21.- Portal web del Flexionador y Lematizador Morfológico y de Relaciones Morfoléxicas del Grupo de Investigación GEDLC de la ULPGC. Se analiza si la palabra es compuesta sin prefijo y derivada —en cuyo caso se trataría de derivación de composición y se pasaría a reconocer su forma canónica— o pudiera ser parasintética por composición. Si no existiera ninguna forma canónica incluida en la base de estudio de compuestos, se aplicarían los Criterios en el reconocimiento de nuevos compuestos para intentar nuevas soluciones; de no ser posible, no cabría solución en el reconocimiento. Criterios en el reconocimiento de nuevos compuestos El reconocedor compositivo actúa sobre una palabra de entrada: primero probaría que cumpla unas ciertas condiciones, tanto respecto a su tamaño como a la relevancia del orden de sus constituyentes y luego llevaría a cabo su segmentación en posibles pares de soluciones: (pal1, pal2). Por norma general, los compuestos presentan una longitud mayor que cinco caracteres o están formados por al menos tres sílabas, como uñalbo o abrojo —habitualmente los vocablos en español son bisilábicos o trisilábicos, por lo que se puede decir que los compuestos nominales contienen de cinco a seis sílabas. El reconocimiento opera mediante particiones de la palabra hasta que se localice un vocablo íntegro o ambos, a los que se les aplica la regla correspondiente o se trata como RECONOCIMIENTO DE COMPUESTOS 81 excepción —se utilizan tanto el “Flexionador y Lematizador de palabras del español” como las “Relaciones Morfoléxicas del español” del GEDLC que se muestra en la Figura 21. Figura 22.- Interfaz de la aplicación ARGCoS para el reconocimiento de compuestos. Durante el proceso se generan cortes que pueden dar lugar a múltiples posibilidades entre las que pueden aparecer algunas que no sean auténticas soluciones o, incluso, todas pueden ser incorrectas. Un conjunto de 3 197 palabras compuestas se sometieron al reconocedor del aplicativo ARGCoS y se obtuvo 1,56 como media del número de soluciones que podría tener una palabra compuesta, es decir en torno a 2 y cómo máximo 5 —resultado alentador por reconocer un número considerable de soluciones posibles. Los datos recogidos se muestran en la Tabla 10. Se obtuvo al menos una solución para cada compuesto, pues se partía de palabras que eran compuestas, formadas a partir de una de las reglas definidas en el Capítulo 3. Se observa que se genera un conjunto de soluciones donde algunos de los elementos del compuesto no eran palabras sin prefijo ni marca derivativa. Esta observación permite añadir como condicionante la tendencia a la supresión de marcas flexivas: RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 82  las palabras que forman el compuesto no son derivadas sino que forman una única unidad léxica, sin prefijos básicamente en el primer constituyente ni marca de apreciativo en el segundo componente. Número soluciones Frecuencia 1 2 256 2 676 3 177 4 80 5 8 Total compuestos tratados: Cantidad soluciones encontradas: 3 197 4 999 Tabla 10.- Número de soluciones para un conjunto de compuestos. Obtención de las reglas de formación para el reconocimiento En el Capítulo 3 se plantea que a partir de la base documental BARGCoS, se investigan las reglas de formación de compuestos. Hay que tener en cuenta que en un estudio cuyo objetivo sea la automatización de la morfología con medios informáticos, los aspectos formales o teóricos no tienen por qué coincidir con los estrictamente lingüísticos. Así, la falsa composición albonegro* ―debería ser albinegro― no tendría por qué tratarse de una formación errónea ya que no contraviene ninguna regla compositiva del español: se segmenta la palabra hasta encontrar como solución el par (albo, negro) obtenida de aplicar la Regla 1 (unión), para un compuesto adjetival formado por: [Adjetivo+Adjetivo]Adjetivo. Se establecen las reglas de formación para el reconocimiento a partir del estudio del comportamiento de los vocablos constituyentes del compuesto; en general, coinciden con las tratadas por los lingüistas, aunque con alguna adaptación informática justificada por el comportamiento mayoritario observado. Hay que tener en cuenta que cuando se aplican las reglas para reconocer los compuestos hay que considerar los cambios gráficos que intervengan para su correcto tratamiento (véase epígrafe Reglas fonéticas o de cambio gráfico). Las reglas definidas en el capítulo anterior operan en sentido inverso: recorrerlas en sentido contrario implica que funcionen en la modalidad de reconocimiento. A continuación RECONOCIMIENTO DE COMPUESTOS 83 se presenta, en la Tabla 11, la correspondencia entre las reglas según el proceso que se aplique: reconocimiento o generación. Generación Reconocimiento Tipo Regla Número Nombre Nombre Formación 1 unión unión 2 -a2 -e2 -o2 -ha -ho +a2 +e2 +o2 +ha +ho 3 -a+i -o+i -e+i -eo+i -i+a -i+o -i+e -i+eo 4 +i -i 5 -a -o -e +a +o87 +e 6 Elemento compositivo posponer guion a pal1 pal1anteponer guion a pal2 -pal2 Excepción 10 Excepción: género -o+a -a+o 13.1 2ª palabra_plural -s -es Fonética 16 +rr -rr 17 -ca+qui -co+qui -qui+ca -qui+co 18 -za+ci -zo+ci -zón+ci -ci+za -ci+zo -ci+zón 19 -n+m -m+n 20 copulativa -i 21 -h+j -j+h 23 tilde tilde Tabla 11.- Tabla de correspondencia entre reglas de generación y reglas de reconocimiento. 87 Existen casos en los que parecería que más aplicar esta regla, se tratara de la regla –i+o pues la palabra pal1 acaba en i —se observa que sólo se ha dado para los casos +a y +o. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 90 Figura 25.- Distribución del total de cada tipo composición según regla de formación en valores absolutos —imagen superior— y relativos —imagen inferior. RECONOCIMIENTO DE COMPUESTOS 91 Figura 26.- Gráfico radiales para la distribución del total de cada tipo compositivo según la regla de formación en valores absolutos —imagen superior— y relativos —imagen inferior. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 92 Figura 27.- Distribución del total para cada regla de formación según tipo composición en valores absolutos —imagen superior— y relativos —imagen inferior. RECONOCIMIENTO DE COMPUESTOS 93 Figura 28.- Gráficos radiales para cada regla de formación según tipo composición en valores absolutos y relativos, respectivamente. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 94 Para la palabra compuesta cochifrito, las soluciones quedan ordenadas de la siguiente forma: cochifrito Composición Nominal Solución 1: (cochi, frito) Reglas: unión 50% Solución 2: (cocha, frito) Reglas:-i+a Tipo: Sustantivo+Adjetivo 16,6% Solución 3: (coche, frito) Reglas:-i+e Tipo: Sustantivo+Adjetivo 16,6% Solución 4: (cocho, frito) Reglas:-i+o Tipo: Sustantivo+Adjetivo 16,6% Obtención de la solución según significado Finalmente, se analizan las soluciones obtenidas para poder garantizar que los elementos constituyentes de cada solución se aproximan semánticamente a la palabra compuesta reconocida, de manera que se pueda garantizar mínimamente su aproximación, debido a que se entiende por composición al proceso que: «consiste en hacer de dos o más elementos —llamados elementos componentes— una nueva palabra cuyo significado —muchas veces en sentido figurado—suele ser distinto y más extenso que la suma de los significados de sus componentes 91 » Para poder llevar a cabo esta fase, se recurre a procedimientos semánticos que engloban a los diccionarios en la búsqueda del significado más próximo. Se hace difícil encontrar en los compuestos exocéntricos su significado ya que no se desprende de la suma de sus integrantes, sino que ostenta un significado añadido, imprevisible y de forma figurada generalmente. Para los ejemplos anteriores se obtiene la información semántica para las soluciones de la palabra compuesta cochifrito: 91 La definición de la palabra compuesta debe verificar que, en caso de ser endocéntrica:   2_1_ paldefiniciónpaldefiniciónpalabra  OR   2_1___ paldefiniciónpaldefiniciónpalabrasemánticogrupo  RECONOCIMIENTO DE COMPUESTOS 95 cochifrito (VOX)  Solución 1: (cochi, frito)  Solución 2: (cocha, frito)  Solución 3: (coche, frito) RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 96  Solución 4: (cocho, frito) La solución propuesta para la palabra compuesta cochifrito es: cocho + frito (solución 4). RECONOCIMIENTO DE COMPUESTOS 97 Conclusiones del capítulo  A pesar de la presumible trascendencia que existe en el proceso formativo compositivo del español, han resultado infructuosas las búsquedas de referencias sobre procesamiento automático de la composición en español. Se hace necesario definir procesos automáticos que sean capaces de identificar palabras compuestas y situarlas en un contexto lingüístico adecuado, permitiendo de manera formal y automática tratar neologismos compositivos. Al mecanizar las reglas de formación, justificadas por su comportamiento mayoritario observado y su frecuencia de uso, se ha conseguido definir las dependencias y los comportamientos entre las reglas de composición de forma precisa, lo que permite de manera eficaz añadir nuevas reglas no contempladas originalmente. 99 CAPÍTULO 5.- GENERACIÓN DE COMPUESTOS Introducción En el capítulo anterior se introduce la importancia de definir procesos automáticos que sean capaces de identificar palabras compuestas —reconocimiento compositivo— y situarlas en un contexto lingüístico idóneo que permita de manera formal y automática tratar neologismos compositivos. En un siglo como el actual en el que se vive una acelerada innovación en muchos aspectos de la vida, debido en gran parte a la informática y a la rapidez de las comunicaciones 92 , se ha producido un importante dinamismo lingüístico en el léxico que hace necesario determinar procesos que permitan crear neologismos compositivos a partir de elementos de la lengua. Muchas discusiones hay al respecto a la hora de considerar si los neologismos, en nuestro caso compositivos, no se consideren palabras que se hayan consolidado en la lengua al no estar recogidas en los principales reportorios lexicográficos aunque no todos los resultados posibles se recogen en los diccionarios; en particular según el DRAE(2014): ‹‹sino únicamente aquellos que han alcanzado cierta reiteración en el uso. No es necesario señalar que la ausencia de un derivado o compuesto posible no implica su legitimidad ›› No se considera en la presente Tesis analizar la productividad de la innovación léxica propuesta, si a proveer de un mecanismo compositivo que permita relacionar dos o formas simples para originar una determinada palabra compuesta o un neologismo compositivo, de forma que verifique las reglas de generación compositiva definidas en Capítulo 4. 92 Véase MANUEL CASADO VELARDE, La innovación léxica en el español actual, op.cit. RESUMEN: Este capítulo explica el procedimiento de generación compositiva en español que consiste en interaccionar específicamente dos o más formas simples —palabras o elementos compositivos— para originar una determinada palabra compuesta o un neologismo compositivo. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 106 Figura 32.- Extracción del grafo de dependencias de las reglas de formación y cambio gráfico para la generación. El recorrido del grafo de dependencias define el orden y las reglas que se aplican en cada momento para cada una de las soluciones. De esta forma, es posible añadir nuevas reglas de generación no contempladas originalmente. Ordenación de la solución según significado Finalmente, en caso de que se provea de las definiciones de los elementos componentes, se localiza la categoría gramatical de los pares (pal1, pal2) y se toma como principal solución aquella que resulte de aplicar la regla de generación más prolífica en el tipo compositivo correspondiente a las categorías de los constituyentes. A continuación se muestran en gráficos circulares y radicales la producción de las reglas de composición para cada tipo de de compuesto —nominal o adjetivo— y para cada tipo de composición —propia o sintagmática— definidas según las categorías gramaticales de los elementos componentes según correspondan —[Sustantivo +Adjetivo]Sustantiva, [Verbo+Verbo]Sustantiva, [Sustantivo+ Adjetivo]Adjetiva, entre otras. GENERACIÓN DE COMPUESTOS 107 RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 108 GENERACIÓN DE COMPUESTOS 109 Figura 33.- Distribución de las reglas de formación para compuestos sustantivos según la categoría gramatical de sus elementos constituyentes. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 110 Figura 34.- Distribución de las reglas de formación para compuestos adjetivos según la categoría gramatical de sus elementos constituyentes. Se considera que se quiere formar un compuesto con las palabras: cocho + frito. Se lematizan las palabras: GENERACIÓN DE COMPUESTOS 111  Los pares de candidatos para aplicar las reglas de generación son: Candidato 1: (cocho, frito): SI se considera [Sustantivo + Sustantivo] [Sustantivo + Adjetivo] [Adjetivo + Sustantivo] [Adjetivo + Adjetivo] Candidato 2: (cocho, freír): NO se considera La flexión verbal del segundo componente no se corresponde con las permitidas en composición 94 . Candidato 3: (cocho, fritar): NO se considera La flexión verbal del segundo componente no se corresponde con las permitidas en composición. Candidato 4: (cochar, frito): NO se considera La flexión verbal del primer componente no se corresponde con las permitidas en composición. Se ordenan las posibles soluciones a partir de las categorías gramaticales de los elementos constituyentes: Par de componentes: (cocho, frito) Posibilidad 1: [Sustantivo + Sustantivo]Sustantivo Posibilidad 2: [Sustantivo + Adjetivo]Sustantivo Posibilidad 3: [Adjetivo + Sustantivo]Sustantivo Posibilidad 4: [Sustantivo + Adjetivo] Adjetivo Posibilidad 5: [Adjetivo + Adjetivo]Adjetivo Si cocho funciona como adjetivo —participio irregular del verbo “cocer”— y frito como sustantivo masculino que significa “fritada”, las soluciones serán de la forma: [Adjetivo + Sustantivo]Sustantivo. Se recorre el grafo de dependencias de las reglas de generación y se obtiene: 94 En todo caso, se considera en composición verbal para formar un compuesto [Sustantivo + Verbo]Verbo. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 112 Solución 1: cochofrito [Adjetivo + Sustantivo]Sustantivo Regla: unión Solución 2: cochifrito [Adjetivo + Sustantivo]Sustantivo Regla: -o+i Solución 3: cochafrito [Adjetivo + Sustantivo]Sustantivo Regla: -o+a La regla más usual para este tipo de composición es la “unión”, seguida de –o+i; sin embargo, la solución es: cocho+ frito  cochifrito GENERACIÓN DE COMPUESTOS 113 Conclusiones del capítulo  Los avances científicos, tecnológicos y la propia dinámica social, hace que los hablantes creen expresiones y formas de nuevo cuño, factores representativos de una genuina modalidad de creación léxica. Disponer de procesos automáticos que permitan crear neologismos compositivos a partir de elementos existentes favorece el dinamismo lingüístico, reflejo de los cambios que tienen lugar en la lengua española. CONCLUSIONES RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 122 BUENAFUENTES DE LA MATA, CRISTINA, “Procesos de gramaticalización en el estudio de los compuestos del español: el caso del elemento \"mal/a\"”. Anuari de Filologia, 23/14/F/11-12, págs. 17-30, 2001. BUSTOS GISBERT, EUGENIO, La composición nominal en español, Pub. Universidad, Salamanca, 1986. CABRÉ CASTELLVI, MARÍA TERESA, “La clasificación de los neologismos: Una tarea compleja”. Alfa. São Paulo, 50 (2), págs. 229-250, 2006. CASADO VELARDE, MANUEL, La innovación léxica en el español actual, Síntesis S.A., Madrid, 2015. COSERIU, EUGENIO, “Los procedimientos semánticos en la formación de palabras”, Odisea nº3, págs. 179-189, 2003. CHUMACEIRO, IRMA, “Morfología”. Español Actual, vol. 69, págs.51-66, Madrid, 1998. ESTORNELL PONS, MARÍA, Neologismos en la prensa: criterios para reconocer y caracterizar las unidades neológicas, Quaderns de Filología de la Universidad de Valencia, Anejos nº 70, Pub. Universidad, Valencia, 2009. FELÍU ARQUIOLA, ELENA, “Notas sobre un tipo de compuestos N+N en español actual”. Español Actual, 75, págs. 27-32, 2001. FELIÚ ARQUIOLA, ELENA, “Palabras con estructura interna”, en ELENA DE MIGUEL (eda.), Panorama de la lexicología, Ariel, Barcelona, 2009, págs. 51-82. HIDALGO DE LA TORRE, RAFAEL, Sugerencias sugestivas con las palabra, Bolsillo Octaedro, 2010. GARCÍA LOZANO, FRANCISCO, “Los compuestos de sustantivo + adjetivo de tipo "pelirrojo"”, Iberoromania, 8, págs. 82-89, 1978. GARCÍA PLATERO, JUAN MANUEL, “Los compuestos sustantivos en español actual”, Español Actual, 64, págs. 99-100, 1995. GARCÍA PLATERO, JUAN MANUEL, "Procedimientos lexicogenésicos en el discurso periodístico" en J. A. MOLINA REDONDO. y J. DE D. LUQUE DURÁN, Estudios de lingüística general. Actas del II Congreso Nacional de Lingüística General, Granada, 1996. Servicio de Publicaciones de la Universidad de Granada, vol. 2, págs. 139-145, 1997. BIBLIOGRAFÍA 123 GÓMEZ DE ENTERRÍA, JOSEFA, “Últimas tendencias neológicas en la prensa económica” en Mª TERESA CABRÉ, J. FREIXA y E. SOLÉ (eds.), La neología en el tombant de segle, Observatorio de Neologia IULA Barcelona, págs. 75-84, 2000. GUERRERO RAMOS, GLORIA, Neologismos en el español actual, Arco/Libros, Madrid, 2010 [1995]. JIMÉNEZ RÍOS, ENRIQUE, “Tratamiento lexicográfico de los compuestos nominales de verbo+nombre”. Lingüística Española Actual, 24/2, págs. 253-276, 2002. MARTÍN CAMACHO, JOSÉ CARLOS, “Los procesos neológicos del léxico científico. Un esbozo de clasificación”, Anuario de Estudios Filológicos, vol. XXVIII, págs.157-174, 2004. MIRANDA, JOSE ALBERTO, Formación de palabras en español, Ediciones Colegio de España, 1994. LANG, MERVING, Formación de palabras en español. Morfología derivativa productiva en léxico moderno, Cátedra, Madrid, 1992. LICERAS, JUANA, “La morfología léxica del español y el llamado problema lógico de la adquisición del lenguaje no nativo”, en DAVID SERRANO DOLADER, MARÍA ANTONIA MARTÍN ZORRAQUINO & JOSÉ FRANCISCO VAL ÁLVARO (eds.), Morfología y español como lengua extranjera (E/ELE), Prensas Universitarias de Zaragoza, Zaragoza, 2009, págs. 2166. MARTINET, ANDRÉ, Gramática funcional del francés, Barcelona, Ariel, 1984 [1979]. OBNEO, Protocolo de vaciado de textos de prensa escrita, IULA, Universidad Pompeu Fabra, Barcelona, 2003, <http://obneo.iula.upf.edu/bobneo/index.php> [01/10/2015]. ORTEGA, MARÍA DEL PILAR, “Neología y Prensa: Un binomio eficaz”, Espéculo nº 18, Universidad Complutense de Madrid, (2001) <https://pendientedemigracion.ucm.es /info/especulo/numero18/neologism.html> [1/10/2015]. PÉREZ CINO, WALDO, Manual Práctico de formación de palabras en español I, Verbum, Madrid, 2002. PÉREZ LAGOS, MANUEL FERNANDO, “Composición de verbo más nombre en el "DRAE"”, Lingüística Española Actual, VIII-1, págs. 21-58, 1986. PÉREZ LAGOS, MANUEL FERNANDO, "¿Entre composición y afijación? Naturaleza de los elementos de formación culta" En MOLINA REDONDO, J. A. Y LUQUE DURÁN J DE D. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 124 (eds.), Estudios de lingüística general. Actas del II Congreso Nacional de Lingüística General, Granada, 1996. Servicio de Publicaciones de la Universidad de Granada vol. 3, págs. 361369, 1997. PÉREZ LAGOS, MANUEL FERNANDO, “Euro-: un nuevo elemento compositivo”, Español Actual, 65, págs. 74-75, 1996. PÉREZ LAGOS, MANUEL FERNANDO, “Nuevos elementos compositivos en el "Diccionario de la Real Academia"”, Analecta Malacitana, 24/2, págs. 439-450, 2001. PÉREZ VIGARAY, JUAN MANUEL, “Locuciones y compuestos nominales. Aportaciones de Julio Casares al estudio de la formación de palabras”, Philologia Canariensia, 2-3, págs. 295310, 1997. PÉREZ VIGARAY, JUAN MANUEL, La composición nominal en español, Tesis Doctoral, Universidad Las Palmas de Gran Canaria, 1994, <http://hdl.handle.net/10553/2242>. RAINER, FRANZ, VALERA ORTEGA, SOLEDAD “Compounding in Spanish”, Rivista di Linguistica, 4/1, págs. 117-142, 1992. ROMERO GUALDA, Mª VICTORIA, Hacia una tipología del neologismo literario, Anales de la Universidad de Murcia, Murcia, 1978. ROSSOWOVÁ, LUCIE, Las palabras compuestas en español, Baka lárská diplomová práce, Masarykova Univerzita, Brno, 2007. RUIZ GURILLO, LEONOR. “Compuestos, colocaciones, locuciones: intento de delimitación”. En VEIGA A., GONZÁLEZ PERERIRA M., & SOUTO GÓMEZ M. (eds.), Léxico y Gramática. Tris Tram, Lugo, 2002, págs. 327-339. SANTANA SUÁREZ, OCTAVIO, GUTIÉRREZ RODRÍGUEZ, VIRGINIA Y PÉREZ AGUIAR, JOSÉ, “Pragmatización en la automatización del reconocimiento de palabras compuestas en español”. LEA Lingüística Española Aplicada, XXXV/2, págs. 181-201, 2013. SANTANA SUÁREZ, OCTAVIO, GUTIÉRREZ RODRÍGUEZ, VIRGINIA, PÉREZ AGUIAR, JOSÉ Y SÁNCHEZ BERRIEL, ISABEL, “Reglas de formación de palabras compuestas en español para la automatización de su reconocimiento”, Procesamiento del Lenguaje Natural, vol. 51, págs. 75-82, Jaén, 2012. SANTANA SUÁREZ, OCTAVIO, CARRERAS RIUDAVETS, FRANCISCO, PÉREZ AGUIAR, JOSÉ Y GUTIÉRREZ RODRÍGUEZ, VIRGINIA, “El Reconocimiento Automático de la Composición BIBLIOGRAFÍA 125 en Español”, Conference Abstracts of the First International Conference of the Alliance of Digital Humanities Organizations, Paris, 2006. SANTANA SUÁREZ, OCTAVIO, CARRERAS RIUDAVETS, FRANCISCO, PÉREZ AGUIAR, JOSÉ, RODRÍGUEZ DEL PINO, JUAN. “Parasynthetic Morpholexical Relationships of the Spanish: Lexical Search beyond the Lexicographical Regularity”, Proceedings of the IADIS International Conference. Applied Computing, 2006, págs. 627-631. SANTANA SUÁREZ, OCTAVIO, PÉREZ AGUIAR, JOSÉ, CARRERAS RIUDAVETS, FRANCISCO, DUQUE, JUAN, HERNÁNDEZ FIGUEROA, ZENÓN, RODRÍGUEZ RODRÍGUEZ, GUSTAVO, “FLANOM: Flexionador y lematizador automático de formas nominales”, Lingüística Española Actual XXI, 2, Arco/Libros, S.L., 1999, págs.253-297. SANTANA SUÁREZ, OCTAVIO, PÉREZ AGUIAR, JOSÉ, CARRERAS RIUDAVETS, FRANCISCO, RODRÍGUEZ RODRÍGUEZ, GUSTAVO, “Suffixal and Prefixal Morpholexical Relationships of the Spanish”. Lecture Notes in Artificial Intelligence, 3230, Springer-Verlag, 2004, págs. 407418. SANTANA SUÁREZ, OCTAVIO, PÉREZ AGUIAR, JOSÉ, HERNÁNDEZ FIGUEROA, ZENÓN, CARRERAS RIUDAVETS, FRANCISCO, RODRÍGUEZ RODRÍGUEZ, GUSTAVO, “FLAVER: Flexionador y lematizador automático de formas verbales”. Lingüística Española Actual XIX, 2, Arco/Libros S.L., 1997. SERRANO DOLADER, DAVID, Las formaciones parasintéticas en español, Arco/Libros, Madrid, 1995. SERRANO DOLADER, DAVID, “Sobre los compuestos (para)sintéticos ¿en español?”, Los límites de la morfología: estudios ofrecidos a Soledad Varela Ortega, Universidad Autónoma de Madrid. págs. 427-442, 2012. VAL ÁLVARO, JESÚS, “La composición”. En IGNACIO BOSQUE Y VIOLETA DEMONTE (eds.), Gramática descriptiva de la Lengua Española, Espasa Calpe vol. 3, Madrid, págs. 4757-4841, 1999. VARELA ORTEGA, SOLEDAD, Fundamentos de Morfología, Síntesis, Madrid, 1990. VARELA ORTEGA, SOLEDAD, Morfología Léxica: La formación de palabras, Gredos, Madrid, 2005. RECONOCIMIENTO Y GENERACIÓN DE PALABRAS COMPUESTAS EN ESPAÑOL 126 Obras utilizadas para la elaboración del corpus. Diccionarios ALCALÁ VENCESLADA, ANTONIO, El Vocabulario Andaluz, Madrid, 1951. ALVAR, MANUEL, Palabras y cosas en la Aezcoa, Estación de Estudios Pirenaicos del Consejo Superior de Investigaciones Científicas, Zaragoza, 1947. ALVAR EZQUERRA, MANUEL, Nuevo Diccionario de voces de uso actual, Arco/Libros, Madrid, 2003. COROMINES, JOAN, Breve diccionario etimológico de la lengua castellana, Editorial Gredos, Madrid, 2010, [1961]. COROMINES, JOAN, PASCUAL JOSÉ A., Diccionario crítico etimológico castellano e hispánico, Editorial Gredos, Madrid, 1991, [1980]. Diccionario de neologismos de la lengua española, Larousse, S.A., Barcelona, 1998. Diccionario de Uso del Español Actual, Clave S.M., Madrid, 1997. Diccionario de Uso del Español de América y España, VOX., Spes Editorial S. L. Barcelona, 2003. Diccionario General de la Lengua Española VOX, Barcelona, 2003. Gran Diccionario de la Lengua Española, Larousse Planeta, S.A., Barcelona, 1996. MOLINER, MARÍA, Diccionario de Uso del Español, Gredos, Madrid, 1996. REAL ACADEMIA ESPAÑOLA, Diccionario de la Lengua Española, Espasa-Calpe, Madrid, edición electrónica. 22ª, 2001. REAL ACADEMIA ESPAÑOLA Y ASOCIACIÓN DE ACADEMIAS DE LA LENGUA ESPAÑOLA, Diccionario de la Lengua Española, Espasa, Madrid, 23ª edición, 2014. Sitios web BANCO DE NEOLOGISMOS DEL CENTRO VIRTUAL CERVANTES <http://cvc.cervantes.es/obref/banco_neologismos/> [Octubre/2015]. CENTRO VIRTUAL CERVANTES <http://cvc.cervantes.es/> [Octubre/2015]. INSTITUTO UNIVERSITARIO DE LINGÜÍSTICA APLICADA, Universidad Pompeu Fabrá <http://www.iula.upf.es> [Octubre/2015]. BIBLIOGRAFÍA 127 OBNEO Observatorio de Neologismos, Instituto Universitario de Lingüística Aplicada, <http://obneo.iula.upf.edu/bobneo/index.php> [1/10/2015]. FLEXIONADOR Y LEMATIZADOR DE PALABRAS DEL ESPAÑOL DEL ESPAÑOL, Grupo de Estructuras de Datos y Lingüística Computacional, Universidad de Las Palmas de Gran Canaria, <http://gedlc.ulpgc.es/investigaciobn/scogeme02/lematiza.htm> [Octubre/2015]. RELACIONES MORFOLÉXICAS DEL ESPAÑOL, Grupo de Estructuras de Datos y Lingüística Computacional, Universidad de Las Palmas de Gran Canaria <http://gedlc.ulpgc.es/investigaciobn/scogeme02/relmorfo.htm> [Octubre/2015]. 129 APENDICES APÉNDICE A: DIAGRAMAS DE FLUJO Diagrama de flujo ampliado para proceso de reconocimiento de palabras compuestas Diagrama de flujo ampliado para el proceso de generación de palabras compuestas 131 APÉNDICE B: GRÁFICOS PARA LOS PROCESOS DE FORMACIÓN FORMALES DE NEOLOGISMOS. Gráficos circulares y radiales en el periodo 2004-2010.