💬 NLP

From graphemic dependence to lexical structure: a Markovian perspective on Dante's Commedia

Este estudio utiliza modelos de cadenas de Markov aplicados a una codificación de vocales y consonantes para demostrar que la estructura de la *Divina Commedia* de Dante presenta una evolución gradual en sus dependencias grafémicas, vinculando la dinámica de los símbolos locales con la organización léxica y la progresión de las tres cánticas.

Autores originales: Angelo Maria Sabatini

Publicado 2026-04-27

📖 3 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Angelo Maria Sabatini

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

El ADN de la Divina Comedia: ¿Cómo "escucha" una máquina la poesía de Dante?

Imagina que tienes una partitura musical, pero en lugar de notas, solo ves dos colores: negro y blanco. No sabes si es un piano, un violín o una flauta, pero si miras con mucha atención, te darás cuenta de que hay un ritmo. Hay momentos donde el negro se repite mucho y otros donde el blanco y el negro saltan como un tambor frenético.

Eso es, en esencia, lo que hizo el investigador Angelo Maria Sabatini con la Divina Comedia de Dante.

1. El experimento: El código de "Vocal y Consonante"

En lugar de leer las palabras por su significado (lo que significa "amor" o "infierno"), el investigador decidió "desnudar" el texto. Convirtió cada letra en un código binario:

Si es una vocal, es un "V".
Si es una consonante, es una "C".

Es como si le quitáramos la piel a una fruta para quedarnos solo con la textura de su pulpa. Al hacer esto, eliminó el "qué dice" para concentrarse en el "cómo suena" y en el ritmo interno de las letras.

2. La analogía del "Eco" (La Memoria de Markov)

Para analizar este ritmo, usó algo llamado Cadenas de Markov. Imagina que estás caminando por un bosque y cada paso que das depende de cómo fue el paso anterior. Si el paso anterior fue corto, es muy probable que el siguiente también lo sea. Eso es la "memoria" del texto.

El estudio descubrió que la "memoria" de las letras cambia a medida que Dante viaja:

En el Infierno: El ritmo es más "apretado", con muchas contracciones y palabras cortas (como si Dante estuviera tropezando en la oscuridad).
En el Paraíso: El ritmo se vuelve más fluido y las palabras se "estiran". Hay menos interrupciones y las letras fluyen con más calma, como si el aire se volviera más ligero a medida que subes al cielo.

3. Los "Detectives de Letras" (Sondas Grapémicas)

El investigador encontró que ciertos grupos de tres letras (como “str” o “nte”) actúan como pequeñas sondas o detectives.

Algunos de estos grupos de letras son "hogareños": siempre viven dentro de una sola palabra (como en “monte”). Otros son "viajeros": aparecen justo en el espacio donde termina una palabra y empieza la otra (como cuando una palabra termina en vocal y la siguiente empieza con vocal).

Al rastrear estos "detectives", el estudio pudo confirmar que el lenguaje de Dante no es estático; es un organismo vivo que cambia su estructura molecular a medida que la historia avanza.

4. ¿Por qué es esto importante? (El resumen)

A veces pensamos que la literatura es solo sentimiento y significado. Pero este estudio demuestra que la estructura misma de las letras tiene una intención.

Es como si la arquitectura de una catedral (sus columnas, sus arcos y su altura) te hiciera sentir algo incluso antes de que leas las inscripciones en las paredes. Sabatini demostró que, mediante matemáticas y códigos simples, podemos "ver" la progresión espiritual de Dante: desde el caos ruidoso y cortado del Infierno hasta la armonía fluida y expansiva del Paraíso.

En pocas palabras: El investigador encontró la "huella dactilar" del ritmo de Dante, demostrando que la forma en que se organizan las letras es tan importante para contar la historia como las palabras que elegimos.

1. El Problema

El estudio aborda la cuestión de cómo las estructuras locales de un texto literario (a nivel de caracteres y dependencias simbólicas) se relacionan con su organización macroscópica (temática y estilística). Específicamente, busca determinar si una representación simbólica extremadamente minimalista —reduciendo el texto a una secuencia de vocales y consonantes— es capaz de capturar la variación estructural y la progresión estilística de la Divina Commedia de Dante a través de sus tres partes (Inferno, Purgatorio y Paradiso).

2. Metodología

El autor emplea un enfoque de modelado probabilístico y análisis de series temporales simbólicas mediante los siguientes pasos:

Codificación Simbólica (V/C): El texto se transforma en una secuencia binaria de Vocales (V) y Consonantes (C). Para manejar la complejidad del italiano vulgar de Dante, se implementó un tokenizador personalizado que clasifica fenómenos ortográficos como elisiones, apócope, aféresis y contracciones (mediante el uso de apóstrofos), evitando así el ruido en la segmentación.
Modelado de Cadenas de Markov:
- Modelo de dos estados: Para medir la dependencia global.
- Modelo de cuatro estados: Basado en pares de símbolos superpuestos (VV, VC, CV, CC), lo que permite capturar dependencias a nivel de trigramas (segundo orden).
Métricas de Dependencia: Se utiliza el coeficiente de dispersión ( $C_F$ ) de Markov, transformado en un índice de Profundidad de Memoria (MD), para cuantificar la desviación de la secuencia respecto a la independencia estadística.
Sondas Grafémicas (Graphemic Probes): Se identifican configuraciones de trigramas específicas que muestran tendencias monotónicas a lo largo del poema.
Anclaje Léxico (Lexical Anchoring): Para conectar lo micro con lo macro, se aplicaron dos modelos de clasificación supervisada (sPLS-DA y EN-MNLR) para identificar términos léxicos característicos de cada cantica. Estos términos actúan como "anclas" para verificar si las sondas grafémicas se manifiestan dentro de las palabras o en los límites entre ellas.

3. Contribuciones Clave

Marco Interpretativo de Baja Complejidad: Demuestra que no es necesario recurrir a modelos de lenguaje masivos o representaciones semánticas complejas para detectar la estructura organizativa de una obra monumental.
Vinculación Micro-Macro: Propone un método para conectar la dinámica simbólica local (dependencias de caracteres) con la organización textual de alto nivel (estilo de las cantiche) mediante el uso de "sondas" y "anclas".
Tratamiento de la Ortografía como Estructura: Integra la morfología y las convenciones de escritura (como el uso de apóstrofos) no como errores o ruido, sino como componentes esenciales de la señal estructural.

4. Resultados Principales

Progresión Estructural: Se observa un aumento consistente en la Profundidad de Memoria (MD) desde el Inferno hacia el Paradiso. Esto indica un cambio en la estructura de dependencia local: el texto se vuelve menos "aleatorio" y más estructurado conforme avanza la obra.
Distensión Ortográfica: Existe una correlación negativa entre la frecuencia de apóstrofos y la longitud media de los tokens. El Inferno presenta formas más comprimidas y dependientes de los límites de palabra, mientras que el Paradiso muestra una "distensión" hacia términos más largos y estables.
Comportamiento de las Sondas: Las configuraciones de trigramas se dividen en dos grupos:
1. Intra-léxicas: (ej. str, nte, lla) que están ancladas dentro de las palabras y reflejan la morfología.
2. Inter-léxicas: (ej. equ, ein) que ocurren predominantemente en los límites entre palabras, reflejando la interacción entre tokens adyacentes.
Continuidad del Purgatorio: Los modelos de clasificación muestran que el Purgatorio no es solo una categoría discreta, sino una zona de transición con una trayectoria monotónica clara hacia el Paradiso.

5. Significancia

El estudio valida la idea de que la estructura de un texto literario está codificada en sus niveles más básicos de representación. La transición de un estilo de "rimas ásperas" en el Inferno a formas más fluidas y armónicas en el Paradiso (descrita clásicamente por la crítica literaria) encuentra un respaldo cuantitativo en la organización de las dependencias grafémicas. Este enfoque ofrece un marco interpretable para la humanidades digitales, permitiendo unir la estadística pura con la lectura cercana (close reading) de la literatura.