Ontologías y lenguas naturales: el nombre no es el concepto

Este capítulo trata de la distancia entre el concepto y la palabra. Es un tema que parece de presentación —etiquetas, idiomas, cómo se lee una ontología— y no lo es: los problemas que trae son de modelado, y algunos rompen ontologías.

Nombrar clases cuando hay más de una lengua (§9.1)

La costumbre es poner los IRI en inglés y las traducciones en rdfs:label. Los problemas empiezan enseguida (Review question 9.1):

• El IRI parece legible y no lo es. #Lion sugiere significado a un humano y no significa nada para el razonador. Toda la semántica está en los axiomas.
• No hay una traducción neutra. Elegir inglés no es neutral: importa la conceptualización de esa lengua junto con las palabras.
• rdfs:label no basta. Una clase puede necesitar varias formas —singular, plural, género, declinaciones— y una anotación plana no las estructura.
• No siempre hay palabra. Un concepto que en una lengua es una palabra en otra es una frase, o no existe.

La solución teórica que propone el capítulo es lemon (hoy OntoLex-lemon): separar en tres capas —la ontología, el léxico y el enlace entre ambos— de modo que cada entrada léxica tenga su forma escrita, su categoría gramatical y sus variantes, y apunte al concepto en vez de ser el concepto. En monolingüe sirve para tener varias formas de nombrar lo mismo; en multilingüe, para que cada lengua tenga su léxico completo sobre una única ontología compartida.

Localizar a lenguas no inglesas (Review question 9.3) trae dificultades que el inglés esconde: lenguas aglutinantes donde una palabra equivale a una frase, sistemas de clases nominales como el de isiZulu que condicionan la concordancia, pluralización no regular, y conceptos que sencillamente no tienen término.

Verbalización (§9.2)

Es el camino inverso: convertir axiomas en frases legibles. Sirve (Review question 9.4) para que un experto del dominio valide lo que se ha escrito sin saber lógica, para documentar, para interfaces de usuario y para escribir ontologías desde un lenguaje natural controlado.

El enfoque más común es por plantillas: a cada patrón de axioma le corresponde una frase con huecos.

Axioma	Plantilla
C ⊑ D	Cada C es un D.
C ⊓ D ⊑ ⊥	Nada puede ser a la vez un C y un D.
∃R.C ⊑ D	Todo lo que R algún C es un D.
C ⊑ ∀R.D	Si un C R algo, ese algo es un D.

Barato y controlable, pero rígido: las plantillas dependen de la lengua, y en lenguas con concordancia rica hay que generar morfología, no solo rellenar huecos.

---

Caso de estudio: traducir bien y aun así romperlo

Reproducible con:

cd capitulos/09-lenguaje-natural/artefactos
python3 -m venv .venv && ./.venv/bin/pip install -r requirements.txt
./.venv/bin/python verificar.py     # necesita Java en el PATH

A. fleuve, rivière y river

El ejemplo es del propio libro (§9.1): el francés tiene dos palabras donde el inglés tiene una. Un fleuve desemboca en el mar; una rivière, no.

Fleuve  ≡ River ⊓ ∃desembocaEn.Mar
Riviere ≡ River ⊓ ¬∃desembocaEn.Mar

[ok] con Fleuve ⊑ River y Riviere ⊑ River: CONSISTENTE
[ok] con la alineación ingenua (ambas ≡ River): INCONSISTENTE

alinear las dos traducciones como equivalencias: ontología inconsistente

Un diccionario dice, correctamente, que fleuve se traduce por river y que rivière también. Volcar eso a la ontología como dos equivalencias hace que Fleuve y Riviere acaben siendo la misma clase — y se distinguen justo por lo contrario.

No es un error de traducción: es que las dos lenguas no cortan el mundo por el mismo sitio. La relación correcta entre los tres términos no es de equivalencia sino de subsunción, y el resultado es que la ontología en francés es más fina que la inglesa. Ninguna de las dos está mal.

¿Y esto qué quiere decir? Sin jerga

Un diccionario no promete lo que la gente cree que promete.

Cuando dice que rivière se traduce por river, quiere decir: «si te encuentras esta palabra, esta otra es la que más se le parece». No dice «estas dos palabras significan exactamente lo mismo», porque casi nunca es verdad.

En francés hay dos palabras distintas para dos cosas distintas: el río que acaba en el mar y el que acaba en otro río. En inglés hay una sola palabra para las dos. No es que el inglés esté mal ni que le falte vocabulario: es que esa distinción no le hace falta para hablar.

El problema aparece al escribirlo en una ontología, donde «se traduce por» hay que convertirlo en una afirmación exacta. Si se escribe «fleuve es lo mismo que river» y «rivière es lo mismo que river», la máquina hace lo evidente: concluye que fleuve y rivière son lo mismo. Y como una desemboca en el mar y la otra no, todo se cae.

Lo correcto es más humilde: fleuve y rivière son dos tipos de river. Nadie se equivocó traduciendo; simplemente traducir palabras no es alinear conceptos.

B. Los nombres no razonan

[ok] «Lion ⊑ ∀eats.Animal» con un león que come una planta: INCONSISTENTE
[ok] la misma teoría con los nombres en español: INCONSISTENTE igual
[ok] dos clases disjuntas con la MISMA etiqueta «banco»: consistente, sin queja

traducir todos los identificadores no cambia ni una deducción

Las dos primeras líneas confirman lo obvio y conviene tenerlo comprobado: el razonador no lee los identificadores. Un IRI en español, en inglés o en isiZulu produce exactamente las mismas inferencias, porque todo el significado está en los axiomas.

La tercera es la que muerde. Dos clases disjuntas con la etiqueta «banco» —el asiento y la entidad financiera— conviven sin que nada proteste. Es correcto: la etiqueta es una anotación. Y tiene una consecuencia incómoda: la homonimia no la detecta ninguna herramienta lógica. Si dos clases se llaman igual y significan cosas distintas, o si dos clases distintas modelan sin querer el mismo concepto, eso solo lo encuentra una persona leyendo — o una verbalización que se la ponga delante.

C. Una frase, dos formalizaciones

«Los leones comen herbívoros.» En español es una sola frase. En lógica son dos axiomas distintos, y ni siquiera se implican:

	Leon ⊑ ∀come.Herbivoro	Leon ⊑ ∃come.Herbivoro
un león que no come nada	admisible	inconsistente
un león que come un carnívoro	inconsistente	admisible

[ok] con ∀: león que no come nada, admisible
[ok] con ∃: el mismo león, inconsistente
[ok] con ∀: león que come un no-herbívoro, inconsistente
[ok] con ∃: ese mismo león, admisible

Cuatro resultados, opuestos dos a dos, para la misma frase. Los dos axiomas son lecturas legítimas del español — y no dicen lo mismo en ningún caso.

Lo que esto significa para la validación con expertos

La escena habitual: se verbaliza la ontología, se le enseña al experto del dominio, el experto dice «sí, eso es correcto», y se da por validada.

Pero si la frase que ha leído es «los leones comen herbívoros», el experto no ha validado nada: ha confirmado una frase compatible con dos axiomas que se contradicen en los casos límite. Y los casos límite —el león que no come nada— son justo donde fallan las ontologías, como se ve en los capítulos 3, 5 y 6 de este mismo trabajo.

Por eso una plantilla de verbalización decente no dice «los leones comen herbívoros». Dice:

• para ∀: «si un león come algo, ese algo es un herbívoro» — y deja ver que no obliga a comer;
• para ∃: «todo león come al menos un herbívoro» — y deja ver que no excluye lo demás.

Son más feas y son las correctas. Una verbalización que suena natural y pierde el cuantificador convierte la validación en un trámite: el experto está de acuerdo con algo que no es lo que hay escrito.

Qué deja el caso

1. Traducir palabras no es alinear conceptos. El diccionario da equivalencias aproximadas; la ontología exige afirmaciones exactas.
2. Los IRI no aportan semántica. Se pueden traducir enteros sin que cambie una sola deducción — y por eso tampoco protegen de nada.
3. La homonimia y la sinonimia son invisibles al razonador. Se cazan leyendo.
4. Una frase natural no determina un axioma. La verbalización tiene que exponer el cuantificador aunque quede fea, o no sirve para validar.

---

Los ejercicios (§9.3)

Review question 9.1. «Name some of the problems with naming the classes in an OWL file, when considering multiple languages.» — El IRI parece legible pero no tiene semántica; elegir inglés importa una conceptualización concreta; rdfs:label no estructura las variantes morfológicas ni distingue registros; y hay conceptos sin término en la lengua de destino. Se añade el problema de gestión: si el IRI lleva la palabra inglesa dentro, traducir de verdad obliga a cambiar los IRI y a romper todo lo que apuntaba a ellos.

Review question 9.2. «Describe the theoretical solution that lemon exhibits.» — Separar el léxico de la ontología y unirlos con una capa de enlace. En monolingüe permite varias entradas léxicas —con su forma escrita, categoría y variantes— apuntando a un mismo concepto, y por tanto tratar sinónimos sin duplicar clases. En multilingüe, cada lengua tiene su léxico completo sobre una sola ontología: se traduce el léxico, no la teoría. Criterio propio: esa es la respuesta directa al problema de la parte A del caso de estudio — solo hasta donde las conceptualizaciones coincidan; cuando el francés distingue lo que el inglés no, ningún léxico arregla que hagan falta clases distintas.

Review question 9.3. «Name some of the challenges for localising an ontology into a language that is not English.» — Lenguas aglutinantes donde una palabra equivale a una frase entera; sistemas de clases nominales con concordancia obligatoria, como en isiZulu; pluralización irregular; ausencia de término para conceptos técnicos; y direccionalidad o registro distintos que hacen que la plantilla de verbalización no se traduzca palabra por palabra.

Review question 9.4. «What can ontology verbalisation be used for?» — Para que un experto del dominio valide sin saber lógica, para documentar automáticamente, para interfaces de usuario y para escribir ontologías desde un lenguaje natural controlado. Criterio propio: con la salvedad que verifica la parte C — una verbalización que no expone el cuantificador convierte la validación en un trámite vacío.

Review question 9.5. «Describe how the template-based approach works.» — A cada patrón de axioma le corresponde una plantilla de frase con huecos, que se rellenan con las etiquetas de las entidades implicadas y se ajustan morfológicamente. Es la tabla de §9.2 de más arriba. Barato y predecible; su límite es que el número de patrones crece con la expresividad y que la morfología no es sustitución de cadenas.

Exercise 9.1. «The AWO has been translated into Spanish, Afrikaans, isiZulu and Dutch… What are the IRI issues?» — Requiere inspeccionar los cuatro archivos traducidos, que no están en este repositorio, así que no se afirma aquí nada sobre su contenido. Criterio propio sobre la pregunta (b), que sí es general: la opción defendible es mantener el IRI original y traducir solo las etiquetas. Un IRI es un identificador, no un nombre legible; cambiarlo por la traducción crea una entidad distinta a ojos de la máquina y rompe el enlace con la ontología original — que es justo lo que pregunta el apartado (c). Si aun así se cambian los IRI, el enlace hay que reconstruirlo explícitamente con owl:equivalentClass, y ahí reaparece el riesgo verificado en la parte A: la equivalencia solo vale si las dos lenguas conceptualizan igual.

Exercise 9.2. «Create a Lemon file for the ontology of your choice.» — Pendiente hasta que exista la ontología propia del trabajo; hacerlo sobre una ontología ajena sería un ejercicio de sintaxis sin decisiones que defender.

Exercise 9.3. «Devise templates in English for the following axiom types.» — En inglés, y en español al lado, evitando deliberadamente la formulación bonita:

Axioma	Inglés	Español
C ⊓ D ⊑ ⊥	Nothing can be both a C and a D.	Nada puede ser a la vez un C y un D.
∃R.C ⊑ D	Everything that R at least one C is a D.	Todo lo que R al menos un C es un D.
C ⊑ ∀R.D	If a C R something, then that something is a D.	Si un C R algo, entonces ese algo es un D.

Criterio propio: la tercera es la que importa. La traducción natural —«un C solo R D»— se lee como si obligara a R algo, y no obliga; la formulación condicional es más torpe y es la única que transmite la vacuidad del universal. Es la conclusión directa de la parte C del caso de estudio.

Exercise 9.4. «Devise a software architecture that would solve multilingualism with respect to maintenance.» — Criterio propio: una única ontología con IRI opacos —identificadores sin palabras dentro, tipo AWO_0000123— y los léxicos por lengua en archivos separados en OntoLex-lemon, enlazados por IRI. Ventajas: la teoría se mantiene en un solo sitio, añadir una lengua no toca ni un axioma, y ninguna lengua queda privilegiada. Inconvenientes: los archivos se vuelven ilegibles a ojo, se depende por completo de la herramienta, y no resuelve los casos en que las lenguas conceptualizan distinto — ahí siguen haciendo falta clases distintas, como en la parte A. Es el patrón que usan las ontologías biomédicas grandes, y por esa razón.

Exercise 9.5. «If there were an ‘OWL 3’, what would you propose for internationalisation?» — Criterio propio: incorporar al estándar un modelo léxico —lo que hoy es OntoLex-lemon, que vive fuera de OWL— para que las formas, categorías gramaticales y variantes por lengua sean parte del lenguaje y no de una convención de anotación. Y añadir una anotación estándar que declare la lengua de origen de la conceptualización, porque hoy nada obliga a documentar que una jerarquía corta el mundo como lo corta el inglés.

---

Lo que hay que llevarse

1. El nombre no es el concepto, y el razonador lo demuestra: se pueden traducir todos los identificadores sin cambiar nada.
2. Alinear traducciones con equivalencias es peligroso. Casi siempre lo correcto es subsunción.
3. lemon separa léxico de ontología, que es la única forma de escalar a varias lenguas sin duplicar la teoría.
4. Verbalizar sin el cuantificador no es verbalizar: es hacer que el experto valide una frase que admite dos axiomas incompatibles.

Salvo los enunciados citados, el análisis y las resoluciones de esta página son criterio propio, verificados con HermiT. Numeración y enunciados tomados del PDF en /libro, no de ediciones web que renumeran las secciones.

Para la defensa — lo que te van a preguntar de aquí

«¿En qué idioma está tu ontología y por qué?»

La pregunta correcta es doble: los IRI y las etiquetas son cosas distintas. Los IRI son identificadores y no aportan semántica —está verificado: traducir todos los identificadores no cambia ni una inferencia—, así que lo defendible es mantenerlos estables y no traducirlos nunca. Las etiquetas sí se traducen, con rdfs:label y su marca de idioma, o mejor con un léxico OntoLex-lemon aparte.

«¿Basta con traducir las etiquetas para tener una ontología multilingüe?»

No, y es el hallazgo de este capítulo. Basta mientras las lenguas conceptualicen igual. El ejemplo del propio libro: el francés distingue fleuve de rivière según desemboque o no en el mar, y el inglés tiene solo river. Alinear las dos traducciones como equivalentes —que es lo que dice el diccionario— vuelve la ontología inconsistente, y está verificado con HermiT. La alineación correcta es de subsunción, y deja la ontología francesa más fina que la inglesa.

«¿Cómo detectas que dos clases significan lo mismo, o que una palabra está usada con dos sentidos?»

No con el razonador. Está comprobado que dos clases disjuntas con la misma etiqueta «banco» conviven sin que nada proteste: las etiquetas son anotaciones. La homonimia y la sinonimia se detectan leyendo, con revisión humana, verbalización o alineamiento asistido — nunca con una comprobación de consistencia.

«¿Cómo validas la ontología con expertos que no saben lógica?»

Con verbalización por plantillas, y con una regla explícita: la plantilla tiene que exponer el cuantificador, aunque la frase quede torpe.

Por qué es una respuesta fuerte: está medido. La frase «los leones comen herbívoros» admite dos formalizaciones, ∀ y ∃, y en el caso de estudio dan resultados opuestos en los dos casos límite: el león que no come nada y el león que come un carnívoro. Un experto que aprueba esa frase no ha validado ningún axioma. Por eso las plantillas de este trabajo dicen «si un león come algo, ese algo es un herbívoro».

«¿No es todo esto un problema de presentación?»

No. La parte A produce una inconsistencia lógica a partir de una traducción correcta, y la parte C produce dos teorías incompatibles a partir de una sola frase española. Lo que empieza como una cuestión de etiquetas acaba decidiendo qué deduce el razonador.