Las palabras vacías

En un tiempo muy, muy lejano, cuando era estudiante (no, el latín no era usado como lengua moderna), en la Escuela de Biblioteconomía y Documentación de la Complu (gloriosa primera promoción) estudiamos las palabras vacías en las clases, creo recordar, de Lenguajes Documentales al hablar de la indización.

Eran tiempo (primeros noventa) donde el hipertexto era más una teoría que una realidad (al menos para pardillos que lo estudiabamos), y donde muchas cosas que nos sonaban a ciencia ficción, pocos años después vimos plasmadas en la red.

Y allí volvieron a aparecer las palabras vacias (termino tam vago como el inglés stop words). No son más que los artículos, preposiciones, pronombres, numerales, interjecciones que hay en un texto, y que al indizarlo, carecen de valor semántico (ojo, pero si de valor para contextualizar). Volvieron a aparecer (en mi trayectoria) al hablar de tesauros e indización automática en los añorados tiempos de Teknoland.

El proyecto, entonces era extraer información de artículos y contenidos varios para contextualizarlos automáticamente (eran tiempos pre-google) y para ello había que eliminar “lo que sobraba”, es decir, nuestras stop words o palabras clave.

Y es que cualquier herramienta que precise extraer información de un texto debe contar con estos términos para elimiarlos al realizar, por ejemplo, una indización automática (basada en la estadística o en cualquier criterio interno).

Y me topo años después de nuevo con las palabras vacías. Las nubes de tags o las nubes de palabras (otro día hablamos de taxedo y wordle) necesitan de estas herramientas (en cada idioma) para mostrar la información correcta.

¿Cuales son?

Os dejo un listado en español tomado del blog Outbook.

a, acuerdo, adelante, ademas, además, adrede, ahi, ahí, ahora, al, alli, allí, alrededor, antano, antaño, ante, antes, apenas, aproximadamente, aquel, aquél, aquella, aquélla, aquellas, aquéllas, aquello, aquellos, aquéllos, aqui, aquí, arriba, abajo, asi, así, aun, aún, aunque, b, bajo, bastante, bien, breve, c, casi, cerca, claro, como, cómo, con, conmigo, contigo, contra, cual, cuál, cuales, cuáles, cuando, cuándo, cuanta, cuánta, cuantas, cuántas, cuanto, cuánto, cuantos, cuántos, d, de, debajo, del, delante, demasiado, dentro, deprisa, desde, despacio, despues, después, detras, detrás, dia, día, dias, días, donde, dónde, dos, durante, e, el, él, ella, ellas, ellos, en, encima, enfrente, enseguida, entre, es, esa, ésa, esas, ésas, ese, ése, eso, esos, ésos, esta, está, ésta, estado, estados, estan, están, estar, estas, éstas, este, éste, esto, estos, éstos, ex, excepto, f, final, fue, fuera, fueron, g, general, gran, h, ha, habia, había, habla, hablan, hace, hacia, han, hasta, hay, horas, hoy, i, incluso, informo, informó, j, junto, k, l, la, lado, las, le, lejos, lo, los, luego, m, mal, mas, más, mayor, me, medio, mejor, menos, menudo, mi, mí, mia, mía, mias, mías, mientras, mio, mío, mios, míos, mis, mismo, mucho, muy, n, nada, nadie, ninguna, no, nos, nosotras, nosotros, nuestra, nuestras, nuestro, nuestros, nueva, nuevo, nunca, o, os, otra, otros, p, pais, paìs, para, parte, pasado, peor, pero, poco, por, porque, pronto, proximo, próximo, puede, q, qeu, que, qué, quien, quién, quienes, quiénes, quiza, quizá, quizas, quizás, r, raras, repente, s, salvo, se, sé, segun, según, ser, sera, será, si, sí, sido, siempre, sin, sobre, solamente, solo, sólo, son, soyos, su, supuesto, sus, suya, suyas, suyo, t, tal, tambien, también, tampoco, tarde, te, temprano, ti, tiene, todavia, todavía, todo, todos, tras, tu, tú, tus, tuya, tuyas, tuyo, tuyos, u, un, una, unas, uno, unos, usted, ustedes, v, veces, vez, vosotras, vosotros, vuestra, vuestras, vuestro, vuestros, w, x, y, ya, yo, z

En estas páginas de code.google hay un proyecto con palabras vacías en varios idiomas. El zip contiene ficheros txt en varios idiomas.

Seguro que sabes más sobre palabras vacías, ¿nos lo cuentas en los comentarios?

email

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *