💬 NLP

Comonadic Morphophonology: A Compositional Framework for Context-Dependent Morphological Rules in Finnish

Este artículo introduce un nuevo marco comonádico que utiliza el comonad Writer para modelar la morfofonología finlandesa como funciones locales composibles, logrando una reducción de 67 veces en la complejidad de las reglas en comparación con los enfoques tradicionales de estados finitos, al tiempo que habilita una morfología bidireccional eficiente con alta precisión.

Autores originales: Yongseok Jang

Publicado 2026-05-28

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yongseok Jang

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 Gran Problema: La "Explosión de Estados"

Imagina que estás intentando enseñarle a un robot a hablar finlandés. El finlandés es un idioma complicado donde las palabras cambian de forma dependiendo de lo que les sigue.

Gradación consonántica: Si añades un sufijo a una palabra como kaappi (armario), la doble 'p' se convierte en una sola 'p' (kaapi).
Armonía vocálica: Si la palabra tiene vocales "traseras" (como a, o, u), la terminación también debe usar vocales traseras. Si tiene vocales "frontales" (como ä, ö, y), la terminación debe cambiar para coincidir.

La forma tradicional de enseñarle esto a una computadora es construir un mapa masivo (un Transductor de Estado Finito o FST). Piensa en este mapa como un laberinto gigante. Cada vez que añades una nueva regla (como "borrar una letra" o "cambiar una vocal"), tienes que construir un nuevo laberinto que combine el anterior con el nuevo.

La Analogía: Imagina que tienes un mapa de una ciudad. Quieres añadir una regla: "Si ves una casa roja, píntala de azul". Luego quieres añadir otra regla: "Si ves una casa azul, píntala de verde".
En el sistema antiguo, para combinar estas reglas, tienes que redibujar el mapa de la ciudad completo para cada combinación posible de reglas. Si tienes 10 reglas, el mapa se vuelve tan enorme y complejo que la computadora se ahoga. Esto se llama "explosión de estados".

La Nueva Solución: El Enfoque "Comonádico"

El autor, Yongseok Jang, propone una forma completamente diferente de pensar en estas reglas. En lugar de construir un laberinto gigante pre-dibujado, trata cada regla como un trabajador local que solo mira su vecindario inmediato.

1. El "Zipper" (La Ventana Móvil)

Imagina que una palabra es un tren de vagones. La computadora no mira todo el tren a la vez. En su lugar, utiliza un Zipper (una estructura de datos).

El Zipper se centra en un vagón específico (la letra actual).
Puede ver los vagones inmediatamente a la izquierda y a la derecha.
La regla dice: "Mira el vagón en el que estás parado y el que está a tu izquierda. Basado en eso, decide qué debe convertirse tu vagón".

Esto es como un autómata celular (piensa en el juego Conway's Game of Life). Cada celda solo mira a sus vecinos para decidir su siguiente estado.

2. El "Writer" (El Problema de la Eliminación)

Aquí está la parte complicada: Algunas reglas requieren borrar una letra.

Ejemplo: En kukka (flor), la doble 'k' se convierte en una sola 'k' (kuka). Una 'k' debe desaparecer.
El Problema Antiguo: Si borras una letra en medio de un tren, los vagones detrás tienen que desplazarse hacia adelante. Si haces esto paso a paso, el "mapa" se rompe y las reglas dejan de funcionar correctamente entre sí.
La Nueva Solución (El Comonad Writer): El autor inventa una nueva herramienta llamada Comonad Writer.
- En lugar de borrar la letra inmediatamente, el trabajador pone una nota adhesiva que dice "Bórrame" en la letra.
- El trabajador mantiene una lista de todas las notas adhesivas que ha encontrado.
- El tren sigue avanzando y los trabajadores siguen mirando las letras originales (ignorando las notas adhesivas por ahora).
- Solo al final del proceso, la computadora toma el tren, mira la lista de notas adhesivas y elimina esas letras todas a la vez.

Esto mantiene las reglas simples y evita que el "mapa" se rompa. Es como un equipo de construcción que marca qué ladrillos quitar, termina toda la pared, y luego saca los ladrillos, en lugar de intentar reconstruir la pared cada vez que se quita un ladrillo.

Por Qué Esto Es Importante

El artículo afirma tres victorias principales:

Simplicidad: En lugar de necesitar 874 diferentes "clases de continuación" complejas (como 874 caminos diferentes de laberinto) para manejar las reglas finlandesas, este nuevo sistema solo necesita 13 funciones simples (trabajadores). Es una reducción de complejidad de 67 a 1.
Magia Bidireccional: Como las reglas son simplemente funciones simples, funcionan en ambos sentidos. Puedes usar la misma lógica para tomar una palabra y descomponerla (Análisis) O tomar una palabra raíz y construir una nueva (Generación). Es como tener un cierre reversible: puedes subir o bajar el cierre con el mismo mecanismo.
Velocidad y Precisión: El sistema fue probado en oraciones finlandesas.
- Identificó correctamente la parte del discurso (sustantivo, verbo, etc.) para el 83.9% de las palabras usando solo estas reglas.
- Cuando añadieron un pequeño ayudante (un etiquetador de sufijos), saltó al 94.6%.
- Procesa palabras increíblemente rápido (microsegundos), demostrando que esta matemática compleja no ralentiza la computadora.

Resumen

El artículo introduce un nuevo marco matemático (usando Comonads) para manejar reglas lingüísticas.

Forma Antigua: Construir un mapa gigante y rígido que explota en tamaño cuando añades reglas.
Nueva Forma: Usar pequeños trabajadores locales (Zipper) que se pasan notas entre sí (Writer Comonad) para manejar eliminaciones y cambios. Trabajan juntos en una línea y el resultado final se ensambla al final.

Esto hace que el sistema sea más pequeño, más fácil de arreglar y capaz de manejar las complicadas reglas de "borrar una letra" que usualmente rompen los modelos informáticos.

Resumen Técnico: Morfofonología Comonádica

Enunciado del Problema
Los enfoques actuales para la morfofonología finlandesa enfrentan una dicotomía entre el rigor formal y la eficiencia composicional. Las cascadas tradicionales de Transductores de Estado Finito (FST) (por ejemplo, Voikko, Omorfi) codifican reglas dependientes del contexto, como la gradación consonántica y la armonía vocálica, como relaciones de cadena a cadena. Aunque son efectivas, la composición de estas reglas conduce a una explosión multiplicativa de estados; el espacio de estados de un autómata combinado crece como el producto de sus componentes, lo que hace compleja la representación de reglas (por ejemplo, Omorfi requiere 874 clases de continuación para codificar comportamientos que podrían expresarse de manera más compacta). Por el contrario, los modelos neuronales logran una alta precisión pero carecen de una cuenta formal e interpretable de las reglas morfofonológicas subyacentes. Además, los marcos existentes luchan por manejar operaciones que cambian la longitud (como la eliminación de consonantes) dentro de una estructura estrictamente composicional de teoría de categorías sin materialización intermedia o pérdida de asociatividad.

Metodología
El artículo propone un marco donde las reglas morfofonológicas se tratan como flechas coKleisli de una comonada, en lugar de como FST. Este enfoque modela las reglas como funciones desde un contexto local enfocado hacia un único segmento de salida, análogo a las reglas locales en autómatas celulares.

La Comonada Zipper: El marco utiliza la estructura de datos ListZipper para representar una secuencia con un foco distinguido y contexto izquierdo/derecho. Una regla se define como una función $f: W a \to b$ , donde $W$ es la comonada Zipper. La operación extend eleva esta regla local a una transformación global, aplicándola a cada posición en la cadena mientras preserva la vista de contexto para cada posición.
La Comonada Writer para Eliminación: Un desafío central es manejar reglas que cambian la longitud (por ejemplo, la eliminación de k en puku $\to$ $\to$ puu). Un enfoque ingenuo que usa caracteres nulos rompe la asociatividad estricta coKleisli porque el filtrado requiere materializar secuencias intermedias. Los autores introducen la comonada Writer ( $DeletionSet \times Zipper$ $D e l e t i o n S e t \times Z i pp er$ ). En esta construcción:
- Las reglas devuelven un par $(D, c)$ , donde $D$ es un conjunto de posiciones de eliminación y $c$ es el carácter de salida.
- Las eliminaciones se acumulan como una acción de monoide (unión de conjuntos) durante la fase extend.
- Un único paso materialize al final del pipeline aplica todas las eliminaciones acumuladas.
- Esto preserva la asociatividad estricta coKleisli ( $extend \ g \circ extend \ f = extend \ (g \circ extend \ f)$ ) sin rematerialización intermedia.
Composición de Pipeline: Los procesos morfofonológicos (Gradación Consonántica, Armonía Vocálica, Copia de Vocales de Sufijos Posesivos) se componen secuencialmente usando el operador de composición coKleisli ( $>=>$ ). El pipeline se define como:
$pipe = grad >=> harmony >=> poss$
Esta estructura asegura que las reglas sean independientes, probables y explícitas en su orden.
Morfología Bidireccional: Las mismas flechas coKleisli utilizadas para el análisis (decodificación) se reutilizan para la generación (codificación) mediante un MorphGenerator, unificando la lógica para ambas direcciones.
Abstracción Multinivel: El marco se extiende más allá de las reglas a nivel de carácter hacia la armonía a nivel de morfema y la desambiguación a nivel de oración (Constraint Grammar-lite). Al cambiar el tipo de elemento del Zipper (de char a ReadingSet), la misma estructura algebraica se aplica a todos los niveles.

Contribuciones Clave

La Comonada Writer: El artículo presenta la primera aplicación de una comonada Writer (específicamente $DeletionSet \times Zipper$ ) en morfología computacional para manejar reglas que cambian la longitud de manera composicional. Esto resuelve el problema algebraico de la eliminación en pipelines coKleisli.
Reducción de Representación de Reglas: El marco expresa los mismos comportamientos morfofonológicos codificados por las 874 clases de continuación de Omorfi utilizando solo 13 flechas coKleisli (11 patrones de gradación + armonía + posesivo), logrando una reducción de 67:1 a nivel de representación de reglas.
Unificación Formal: Establece el primer marco que trata las reglas morfofonológicas como objetos composicios de primera clase con leyes de combinación formal, cerrando la brecha entre la teoría de autómatas celulares (Capobianco y Uustalu, 2010) y el procesamiento del lenguaje natural.
Implementación (MCE): Una biblioteca en Rust (Morphological Computation Engine) que implementa este marco, dirigida a WebAssembly, con leyes de comonada verificadas y propiedades de monoide.

Resultados
El sistema fue evaluado en el conjunto de desarrollo UD Finnish-TDT (1.364 oraciones, ~25.000 tokens):

Precisión: El sistema logró una precisión UPOS del 83,92% utilizando únicamente desambiguación basada en reglas (62 reglas CG activas). Cuando se aumentó con un etiquetador de sufijos externo ligero, la precisión subió al 94,66%, reduciendo la brecha con la línea base neuronal (TNPP) de 12,99 puntos porcentuales a 2,25.
Rendimiento: El pipeline procesa aproximadamente 84.973 tokens por segundo en una CPU Apple de la serie M. El pipeline morfofonológico completo promedia 2,66 µs por palabra, demostrando que la composición coKleisli introduce una sobrecarga insignificante en comparación con las implementaciones monolíticas de FST.
Corrección: Los 11 patrones de gradación consonántica fueron formalizados correctamente. Siete patrones exhibieron corrección completa de ida y vuelta bidireccional; los cuatro casos que no fueron de ida y vuelta involucraron eliminación, confirmando la eliminación como la única fuente de irreversibilidad en el modelo actual.
Ergonomía para Desarrolladores: Agregar una nueva regla requiere definir una sola flecha coKleisli (~5 líneas de Rust), mientras que los sistemas FST a menudo requieren modificar cientos de entradas LEXICON para tener en cuenta las combinaciones de interacción.

Significado y Afirmaciones
El artículo afirma proporcionar un álgebra de composición para reglas morfofonológicas que las cascadas FST manejan solo mediante multiplicación del espacio de estados. Al utilizar la comonada Writer, el marco restaura la composicionalidad estricta coKleisli para reglas que cambian la longitud, un problema previamente no resuelto sin explosión multiplicativa de estados.

Los autores posicionan este trabajo no como un reemplazo de los recursos léxicos (el sistema aún depende de un FST derivado de Voikko para la búsqueda léxica), sino como una capa modular y ortogonal para la aplicación de reglas. Argumentan que este enfoque ofrece una modularidad superior, capacidad de depuración (pruebas por regla) y garantías formales en comparación con la intersección de FST. El artículo nota modestamente que, aunque maneja fenómenos aglutinantes como la gradación y la armonía, aún no cubre la morfología templática (raíz y patrón) o la reduplicación, que requieren inserción o copia de segmentos más allá del alcance actual. El marco se presenta como un motor morfológico práctico que valida la utilidad de las estructuras comonádicas en PLN.