{"id":275,"date":"2026-10-22T16:37:02","date_gmt":"2026-10-22T19:37:02","guid":{"rendered":"https:\/\/jlperello.com\/blog\/?p=275"},"modified":"2026-10-22T16:37:02","modified_gmt":"2026-10-22T19:37:02","slug":"herramienta-de-linguistica-del-corpus","status":"publish","type":"post","link":"https:\/\/jlperello.com\/blog\/2026\/10\/22\/herramienta-de-linguistica-del-corpus\/","title":{"rendered":"Herramienta de ling\u00fc\u00edstica del corpus"},"content":{"rendered":"\n

Hace ya m\u00e1s de 20 a\u00f1os, estudi\u00e9 algo de programaci\u00f3n en Perl para crear unos programitas que analizaran un corpus paralelo de obras literarias japonesas y sus traducciones al espa\u00f1ol. Leandro Llanza Gonz\u00e1lez<\/a> me ayud\u00f3 a resolver algunas cuestiones t\u00e9cnicas que se me escapaban. Estos programas formaron parte de mi tesis de mag\u00edster en la Universidad de Tokio, pero se quedaron acumulando polvo cibern\u00e9tico por falta de uso. Hoy, con la ayuda de Gemini y Claude, los he logrado revivir, mejorar y ampliar para crear esta herramienta de an\u00e1lisis que les comparto. Ahora est\u00e1 en Python, que es lo que la lleva hoy en d\u00eda para el procesamiento de lenguas naturales. Espero que alg\u00fan interesado la pruebe y me comente qu\u00e9 tal. Puede servir para analizar c\u00f3mo se tradujo tal cosa, encontrar colocaciones, comprobar construcciones gramaticales, etc. Quiz\u00e1s falten algunas instrucciones, pero ya me lo har\u00e1n saber y lo iremos mejorando. <\/p>\n\n\n\n

La herramienta permite consultar dos corpus: uno biling\u00fce, integrado por 19 obras japonesas y sus traducciones al castellano, y otro monoling\u00fce, compuesto por nada menos que 945 textos originales en japon\u00e9s procedentes de Aozora Bunko. Los textos de este \u00faltimo pueden filtrarse por autor y obra.<\/p>\n\n\n\n

Un ejemplo de aplicaci\u00f3n consiste en comparar la frecuencia de uso de los pronombres personales de primera persona en ambos idiomas. Aunque se dice que el japon\u00e9s omite el sujeto y tiende a no usar pronombres, nos llevamos una sorpresa al revisar el corpus biling\u00fce.<\/p>\n\n\n\n

Las im\u00e1genes muestran los resultados de buscar las distintas versiones de lo que equivale al pronombre de primera persona singular, en posici\u00f3n de sujeto o t\u00f3pico “\u79c1\u304c,\u308f\u305f\u3057\u304c,\u308f\u305f\u304f\u3057\u304c,\u307c\u304f\u304c,\u50d5\u304c,\u4ffa\u304c,\u304a\u308c\u304c,\u79c1\u306f,\u308f\u305f\u3057\u306f,\u308f\u305f\u304f\u3057\u306f,\u307c\u304f\u306f,\u50d5\u306f,\u4ffa\u306f,\u304a\u308c\u306f”, y nuestro \u00fanico “yo” en espa\u00f1ol.<\/p>\n\n\n\n

Abajo tenemos vista general de la frecuencia de resultados por obra. En la mayor\u00eda de las obras, el uso de pronombres en japon\u00e9s supera al del espa\u00f1ol. (Se ve como las pelotas, pero pueden recrearla en la herramienta, marcando la casilla de “B\u00fasqueda l\u00e9xica tradicional \/ \u8a9e\u5f59\u691c\u7d22” y poniendo los pronombres arriba indicados).<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

La segunda imagen muestra el grado de uso para cada pronombre, tanto en t\u00e9rminos num\u00e9ricos absolutos como normalizados en palabras por mill\u00f3n (PMW), es decir, cu\u00e1ntas veces aparecer\u00eda el t\u00e9rmino en un mill\u00f3n de palabras.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

La tercera imagen corresponde a los ejemplos concretos encontrados, separados entre aquellos en que el pronombre est\u00e1 presente en ambos idiomas y aquellos en que aparece ya sea solo en japon\u00e9s o solo en espa\u00f1ol. Mirando los ejemplos, podemos hacernos una idea de cu\u00e1les son los mecanismos de cada lengua para expresar el significado pronominal en cada caso: el pronombre equivalente, solo la conjugaci\u00f3n verbal, el contexto situacional o sint\u00e1ctico, etc.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Esta \u00faltima tambi\u00e9n nos permite revisar caso a caso y detectar los que se escapan al an\u00e1lisis original, como ver que dejamos fuera el pronombre \u308f\u3057 (l\u00ednea 2708) o que con las part\u00edculas \u3068\u306f tambi\u00e9n se incluyen casos en que se usa como sujeto (l\u00ednea 2713).<\/p>\n\n\n\n

Naturalmente, con estos datos no podemos afirmar categ\u00f3ricamente que el japon\u00e9s use m\u00e1s pronombres que el espa\u00f1ol, puesto que es un corpus peque\u00f1o, formado \u00fanicamente por obras literarias japonesas y sus traducciones. Adem\u00e1s, hay otros factores en juego, como el registro, ya sea oral o escrito, la tem\u00e1tica, etc. Sin embargo, nos ense\u00f1a que las cosas no son siempre como se suele decir y que no debemos darlo todo por sentado…aunque tu amigo japon\u00e9s te diga que los pronombres casi no se usan.<\/p>\n\n\n\n

Adem\u00e1s, si quisi\u00e9ramos hacer un estudio m\u00e1s serio, habr\u00eda que incorporar tambi\u00e9n la presencia de otras formas pronominales en espa\u00f1ol y sus equivalentes en japon\u00e9s con la part\u00edcula correspondiente (m\u00ed y \u79c1\u306b…; mi y \u79c1\u306e, etc.). En realidad, son varias y complejas las combinaciones posibles para tener la pel\u00edcula m\u00e1s clara.<\/p>\n\n\n\n

Quedan invitados a probar la herramienta a ver qu\u00e9 pasa con la segunda persona o probar cualquier otra cosa que se te venga en mente…y a compartir tus resultados, claro. <\/p>\n\n\n\n

Otro d\u00eda les muestro otro tipo de b\u00fasqueda, para que se entusiasmen.<\/p>\n\n\n\n

Nota 1: Los datos se pueden descargar en formato tsv. Para verlos bien en Excel sin que se corrompan las letras en japon\u00e9s, (\u6587\u5b57\u5316\u3051), conviene abrir un Excel nuevo y en la pesta\u00f1a Datos, importar desde De texto\/CSV.<\/p>\n\n\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

Les presento mi herramienta propia para analizar un corpus paralelo de literatura japonesa y sus traducciones al espa\u00f1ol. Sirve para comparar la frecuencia de alg\u00fan t\u00e9rmino, consultar ejemplos de traducci\u00f3n, descubrir colocaciones, etc.<\/p>\n","protected":false},"author":1,"featured_media":277,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[27,22,5],"tags":[23,30,40,80,38],"class_list":["post-275","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-linguistica","category-literatura","category-traduccion","tag-ia","tag-japones","tag-linguistica-contrastiva","tag-linguistica-del-corpus","tag-pronombres-en-japones"],"_links":{"self":[{"href":"https:\/\/jlperello.com\/blog\/wp-json\/wp\/v2\/posts\/275","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/jlperello.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/jlperello.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/jlperello.com\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/jlperello.com\/blog\/wp-json\/wp\/v2\/comments?post=275"}],"version-history":[{"count":5,"href":"https:\/\/jlperello.com\/blog\/wp-json\/wp\/v2\/posts\/275\/revisions"}],"predecessor-version":[{"id":282,"href":"https:\/\/jlperello.com\/blog\/wp-json\/wp\/v2\/posts\/275\/revisions\/282"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/jlperello.com\/blog\/wp-json\/wp\/v2\/media\/277"}],"wp:attachment":[{"href":"https:\/\/jlperello.com\/blog\/wp-json\/wp\/v2\/media?parent=275"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/jlperello.com\/blog\/wp-json\/wp\/v2\/categories?post=275"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/jlperello.com\/blog\/wp-json\/wp\/v2\/tags?post=275"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}