Dependency parsing: la técnica que revela quién hace qué en una frase

El etiquetado de categorías gramaticales (POS tagging) dice que "perro" es un sustantivo y "morder" un verbo, pero no quién muerde a quién. Para eso está el dependency parsing: una técnica que establece conexiones dirigidas entre las palabras de una oración, asignando a cada una un rol concreto respecto a otra.

La base es la gramática de dependencias, una teoría que describe las frases como redes de relaciones entre palabras. Salvo una, cada palabra depende de otra, llamada su cabeza (head). Esa relación tiene una etiqueta que indica su función gramatical: sujeto (nsubj), objeto (obj), determinante (det), etc. En "El perro mordió al hombre", "mordió" es la raíz; "perro" depende de ella como sujeto y "hombre" como objeto. El resultado visual es un árbol de dependencias, donde cada nodo es una palabra y cada arista una relación etiquetada, sin ciclos y sin ambigüedad.

Existen dos enfoques de análisis sintáctico. El de dependencias, que conecta palabras individuales, y el de constituyentes (constituency parsing), que agrupa palabras en sintagmas anidados. En producción, el primero es más habitual: es más rápido de computar y suficiente para la mayoría de tareas posteriores. El segundo aporta más jerarquía, pero a costa de mayor complejidad.

La implementación actual se basa en redes neuronales. Dos familias de algoritmos dominan: el transition-based, que recorre la frase de izquierda a derecha con una pila y decide en cada paso qué arco crear (lineal y veloz), y el graph-based, que puntúa todas las aristas posibles entre cada par de palabras y elige el árbol óptimo (más lento pero más preciso). Los parsers modernos combinan representaciones Transformer con el segundo enfoque para lograr el estado del arte.

Entender cómo funcionan estos parsers importa si trabajas con NLP: son el paso intermedio entre el texto crudo y la comprensión semántica. La elección entre dependencias o constituyentes condiciona qué información extraes y cómo la explotas en tareas como la extracción de relaciones o la respuesta a preguntas. Aunque los grandes modelos de lenguaje generan texto con fluidez, siguen apoyándose en análisis sintáctico cuando necesitan estructurar el significado de forma explícita.