Del análisis a la síntesis: una aproximación híbrida al modelado metafórico con Graph Neural Networks

Resumen

Este trabajo modela computacionalmente enunciados metafóricos de un corpus extraído de Platero y yo, de Juan Ramón Jiménez, anotado de manera manual. La formalización metafórica se inicia mediante un grafo dirigido acíclico (DAG), con nodos y aristas clasificados conforme a una tipología léxica, sintáctico-lógico-semántica y conceptual. Tras el análisis de métricas topológicas y la detección de comunidades, se emplea un algoritmo de búsqueda en profundidad (DFS) como operador de segmentación de la red, de la que derivan los grafos correspondientes a los enunciados del corpus. Se crean así curvas de transición entre clases cognitivas nodales, ordenadas secuencialmente, según la linealidad perceptiva del discurso. Las características estructurales, semánticas y cognitivo-perceptivo-secuenciales, discretamente codificadas, se integran con embeddings contextuales densos como entrada a una red neuronal basada en grafos (GNN) empleada como codificador representacional según el marco teórico Graph Networks. La evaluación mediante técnicas de agrupamiento no supervisado, métricas de cohesión semántica y un estudio de ablación indica que el modelo propuesto genera mayor cohesión y separabilidad en el espacio de representación vectorial analizado que los modelos exclusivamente estadístico-distribucionales. Se evidencia, además, la relevancia de la categorización relacional empleada. Este hecho abre nuevas líneas de investigación en el modelado y procesamiento computacional metafórico.