Desambiguación y enlazado de entidades en la poesía de Catulo: hacia una edición digital enriquecida y un grafo de conocimiento
Palabras clave:
reconocimiento de entidades nombradas, enlazado de entidades, modelos de lenguaje de gran tamaño, poesía latina, Cayo Valerio Catulo, Wikidata, XML-TEI, grafo de conocimientoResumen
Este trabajo se inscribe en un proyecto más amplio orientado al estudio del discurso amoroso mediante herramientas computacionales. En esta oportunidad, nos concentramos en un corpus de poesía latina del período clásico, la obra de Cayo Valerio Catulo, cuya densidad semántica e histórica vuelve especialmente relevante la identificación y desambiguación de referencias a personas, lugares y grupos. Dada la naturaleza de los textos poéticos, estas entidades suelen aparecer en contextos altamente alusivos, con variación morfológica, ambigüedad semántica y recursos estilísticos como el hipérbaton, lo que dificulta su tratamiento automático. Para abordar este problema, evaluamos comparativamente dos enfoques de entity linking sobre Wikidata: un pipeline modular basado en reconocimiento de entidades, generación de candidatos y ranking semántico, y un enfoque generativo basado en GPT-4.1, utilizado tanto para la detección de menciones como para la selección final de entidades. La evaluación se apoya en un ground truth manual y distingue entre reconocimiento de entidades y enlazado semántico. Los resultados muestran comportamientos complementarios: el pipeline tradicional ofrece mayor trazabilidad y mejor cobertura del espacio de candidatos, mientras que el enfoque generativo alcanza mayor precisión en detección y mejor desempeño en la selección final de entidades, aunque con una estrategia más conservadora. En conjunto, el trabajo aporta una evaluación comparativa de métodos para poesía latina y sienta las bases para el enriquecimiento de una edición digital en XML-TEI con identificadores auditables y el diseño de un grafo de conocimiento literario.
Descargas
Referencias
Aguilar, S. T., Tannier, X., & Chastang, P. (2016). Named entity recognition applied on a data base of Medieval Latin charters. The case of chartae burgundiae. 3rd International Workshop on Computational History (HistoInformatics 2016). https://hal.science/hal-02407159/
Bamman, D., & Burns, P. J. (2020). Latin BERT: A Contextual Language Model for Classical Philology (arXiv:2009.10053). arXiv. https://doi.org/10.48550/arXiv.2009.10053
Bizer, C., Heath, T., & Berners-Lee, T. (2009). Linked Data—The Story So Far. International Journal on Semantic Web and Information Systems (IJSWIS), 5(3), 1–22. https://doi.org/10.4018/jswis.2009081901
Burns, P. J. (2023). LatinCy: Synthetic Trained Pipelines for Latin NLP (arXiv:2305.04365). arXiv. https://doi.org/10.48550/arXiv.2305.04365
Cao, N. D., Izacard, G., Riedel, S., & Petroni, F. (2021). Autoregressive Entity Retrieval (arXiv:2010.00904). arXiv. https://doi.org/10.48550/arXiv.2010.00904
Ciotti, F., Lana, M., & Tomasi, F. (2014). TEI, Ontologies, Linked Open Data: Geolat and Beyond. Journal of the Text Encoding Initiative, (Issue 8), Article Issue 8. https://doi.org/10.4000/jtei.1365
Craig, C., Goyal, K., Crane, G., Shamsian, F., & Smith, D. A. (2023). Testing the limits of neural sentence alignment models on classical greek and latin texts and translations. Proceedings CEUR-WS, 1613, 0073. https://ceur-ws.org/Vol-3558/paper6193.pdf
Erdmann, A., Brown, C., Joseph, B., Janse, M., Ajaka, P., Elsner, M., & de Marneffe, M.-C. (2016). Challenges and Solutions for Latin Named Entity Recognition. En E. Hinrichs, M. Hinrichs, & T. Trippel (Eds.), Proceedings of the Workshop on Language Technology Resources and Tools for Digital Humanities (LT4DH) (pp. 85–93). The COLING 2016 Organizing Committee. https://aclanthology.org/W16-4012/
Feng, F., Yang, Y., Cer, D., Arivazhagan, N., & Wang, W. (2022). Language-agnostic BERT Sentence Embedding (arXiv:2007.01852). arXiv. https://doi.org/10.48550/arXiv.2007.01852
Fordyce, C. J. (1961). Catullus: A Commentary. Oxford University Press.
Galán, L. (2013). Catulo, Cayo Valerio. Poesía Completa. Colihue.
Hogan, A., Blomqvist, E., Cochez, M., D’amato, C., Melo, G. D., Gutierrez, C., Kirrane, S., Gayo, J. E. L., Navigli, R., Neumaier, S., Ngomo, A.-C. N., Polleres, A., Rashid, S. M., Rula, A., Schmelzeisen, L., Sequeda, J., Staab, S., & Zimmermann, A. (2021). Knowledge Graphs. ACM Comput. Surv., 54(4), 71:1-71:37. https://doi.org/10.1145/3447772
Jockers, M. L. (2013). Macroanalysis: Digital Methods and Literary History. University of Illinois Press.
Kolitsas, N., Ganea, O.-E., & Hofmann, T. (2018). End-to-End Neural Entity Linking. En A. Korhonen & I. Titov (Eds.), Proceedings of the 22nd Conference on Computational Natural Language Learning (pp. 519–529). Association for Computational Linguistics. https://doi.org/10.18653/v1/K18-1050
Lewis, C. S. (1936). La alegoría del amor: Un estudio sobre tradición medieval (2015a ed.). Encuentro.
Mambrini, F., & Passarotti, M. C. (2023). The LiLa Lemma Bank: A Knowledge Base of Latin Canonical Forms. Journal of Open Humanities Data, 9, 28. https://doi.org/10.5334/johd.145
Merrill, E. T. (with Robarts - University of Toronto). (1893). Catullus; edited by Elmer Truesdell Merrill. Boston Ginn. http://archive.org/details/catulluseditedby00catuuoft
Moretti, F. (2013). Distant Reading. Verso.
Moro, A., Raganato, A., & Navigli, R. (2014). Entity Linking meets Word Sense Disambiguation: A Unified Approach. Transactions of the Association for Computational Linguistics, 2, 231–244. https://doi.org/10.1162/tacl_a_00179
Nadeau, D., & Sekine, S. (2007). A survey of named entity recognition and classification. Lingvisticæ Investigationes, 30(1), 3–26. https://doi.org/10.1075/li.30.1.03nad
Nusch, C. J., Calarco, G. A., Del Rio Riande, G., Cagnina, L. C., Antonelli, R. L., & Errecalde, M. L. (2026). De Catulo a Wikidata: Automatización de tareas de codificación utilizando modelos de lenguaje, esquemas de metadatos y ontologías para un borrador de edición digital con el estándar XML-TEI. Journal of the Text Encoding Initiative, 19.
Nusch, C. J., del Rio Riande, G., Cagnina, L. C. C., Errecalde, M. L., & Antonelli, L. (2024a). Initial Explorations for Document Clustering Tasks in Latin Elegiac Poets. Decisioning. Decisioning 2024.
Nusch, C. J., del Rio Riande, M. G., Cagnina, L., Errecalde, M. L., & Antonelli, R. L. (2024b). Clustering Tasks and Decision Trees with Augustan Love Poets: Cohesion and Separation in Feature Importance Extraction. CEUR Workshop Proceedings, 3834. http://sedici.unlp.edu.ar/handle/10915/175050
Passarotti, M., Mambrini, F., Franzini, G., Cecchini, F. M., Litta, E., Moretti, G., Ruffolo, P., & Sprugnoli, R. (2020). Interlinking through Lemmas. The Lexical Collection of the LiLa Knowledge Base of Linguistic Resources for Latin. Studi e Saggi Linguistici, 58(1), 177–212. https://doi.org/10.4454/ssl.v58i1.277
Pierazzo, E., & Driscoll, M. J. (2016). Digital Scholarly Editing: Theories and Practices. Open Book Publishers. http://archive.org/details/43d96298-a683-4098-9492-bba1466cb8e0
Ramsay, S. (2011). Reading Machines: Toward and Algorithmic Criticism. University of Illinois Press.
Riande, G. D. R. (2022). Humanidades Digitales o las Humanidades en la intersección de lo digital, lo público, lo mínimo y lo abierto. Publicaciones de la Asociación Argentina de Humanidades Digitales, 3, e038–e038. https://doi.org/10.24215/27187470e038
Riesgo, G. Á. (2024). Dionisio Areopagita y el legado de Jámblico. Patristica et Mediævalia, 45(2), 117–136. https://doi.org/10.34096/petm.v45.n2.16116
Sawada, Y., Fujita, T., Sakai, Y., & Watanabe, T. (2026). entity-linkings: A Unified Library for Entity Linking. En D. Croce, J. Leidner, & N. S. Moosavi (Eds.), Proceedings of the 19th Conference of the European Chapter of the Association for Computational Linguistics (Volume 3: System Demonstrations) (pp. 591–601). Association for Computational Linguistics. https://doi.org/10.18653/v1/2026.eacl-demo.42
Soler Ruiz, A. (2000). Catulo. Poemas. Tibulo. Elegías. Gredos.
Sommerschield, T., Assael, Y., Pavlopoulos, J., Stefanak, V., Senior, A., Dyer, C., Bodel, J., Prag, J., Androutsopoulos, I., & de Freitas, N. (2023). Machine Learning for Ancient Languages: A Survey. Computational Linguistics, 1–44. https://doi.org/10.1162/coli_a_00481
Vrandečić, D., & Krötzsch, M. (2014). Wikidata: A free collaborative knowledgebase. Commun. ACM, 57(10), 78–85. https://doi.org/10.1145/2629489
Wei Shen, Jianyong Wang, & Jiawei Han. (2015). Entity Linking with a Knowledge Base: Issues, Techniques, and Solutions. IEEE Transactions on Knowledge & Data Engineering. https://ieeexplore.ieee.org/document/6823700
Xiao, Z., Gong, M., Wu, J., Zhang, X., Shou, L., Pei, J., & Jiang, D. (2023). Instructed Language Models with Retrievers Are Powerful Entity Linkers (arXiv:2311.03250). arXiv. https://doi.org/10.48550/arXiv.2311.03250
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Carlos Javier Nusch, Luciana Tanevitch, Diego Torres, Gimena del Rio Riande, Leticia Cecilia Cagnina, Leandro Antonelli, Marcelo Luis Errecalde
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Acorde a estos términos, el material se puede compartir (copiar y redistribuir en cualquier medio o formato) y adaptar (remezclar, transformar y crear a partir del material otra obra), siempre que a) se cite la autoría y la fuente original de su publicación (revista y URL de la obra), b) no se use para fines comerciales y c) se mantengan los mismos términos de la licencia.
