10 - Ejemplo práctico: generador de oraciones (PLN)

Cuando diseñamos lenguajes de programación o DSLs nos apoyamos en gramáticas generativas, las mismas ideas que utiliza el PLN. En este ejemplo creamos un motor de oraciones inspirado en la documentación de un lenguaje ficticio: cada frase describe lo que hace un caminante virtual y, para mantener variedad, las palabras se eligen desde un árbol gramatical.

10.1 Concepto

Modelaremos una gramática simple con las reglas:

  • Oracion -> Sujeto + Predicado
  • Sujeto -> Articulo + Sustantivo
  • Predicado -> Verbo + Complemento
  • Complemento -> Articulo + Sustantivo o Complemento -> Preposicion + Sustantivo

Cada nodo del árbol representa una categoría gramatical y las hojas contienen palabras reales que remiten a conceptos de lenguajes de programación (intérprete, compilador, framework).

10.2 Estructura del árbol

Usaremos la representación LCRS para enlazar todas las variantes: el primer hijo apunta al primer elemento de la producción y los hermanos siguientes completan la lista. Además, cada nodo indica si representa una secuencia (recorrer todos sus hijos) o un conjunto de alternativas (elegir un hijo al azar).

class Nodo:
  def __init__(self, etiqueta, palabra=None, es_hoja=False, es_alternativa=False):
    self.etiqueta = etiqueta
    self.palabra = palabra or ""
    self.es_hoja = es_hoja
    self.es_alternativa = es_alternativa
    self.primer_hijo = None
    self.siguiente_hermano = None


def agregar_hijo(padre, hijo):
  if padre is None or hijo is None:
    return
  if padre.primer_hijo is None:
    padre.primer_hijo = hijo
    return
  actual = padre.primer_hijo
  while actual.siguiente_hermano:
    actual = actual.siguiente_hermano
  actual.siguiente_hermano = hijo

10.3 Construcción de la gramática

El siguiente bloque arma la gramática con palabras relacionadas a herramientas de programación:

def crear_gramatica():
  oracion = Nodo("Oracion")
  sujeto = Nodo("Sujeto")
  predicado = Nodo("Predicado")
  agregar_hijo(oracion, sujeto)
  agregar_hijo(oracion, predicado)

  articulo = Nodo("Articulo", es_alternativa=True)
  sustantivo = Nodo("Sustantivo", es_alternativa=True)
  agregar_hijo(sujeto, articulo)
  agregar_hijo(sujeto, sustantivo)

  verbo = Nodo("Verbo", es_alternativa=True)
  complemento = Nodo("Complemento", es_alternativa=True)
  agregar_hijo(predicado, verbo)
  agregar_hijo(predicado, complemento)

  agregar_hijo(articulo, Nodo("Articulo", "el", es_hoja=True))
  agregar_hijo(articulo, Nodo("Articulo", "la", es_hoja=True))
  agregar_hijo(articulo, Nodo("Articulo", "un", es_hoja=True))

  agregar_hijo(sustantivo, Nodo("Sustantivo", "intérprete", es_hoja=True))
  agregar_hijo(sustantivo, Nodo("Sustantivo", "compilador", es_hoja=True))
  agregar_hijo(sustantivo, Nodo("Sustantivo", "framework", es_hoja=True))

  agregar_hijo(verbo, Nodo("Verbo", "configura", es_hoja=True))
  agregar_hijo(verbo, Nodo("Verbo", "ejecuta", es_hoja=True))
  agregar_hijo(verbo, Nodo("Verbo", "optimiza", es_hoja=True))

  comp_nominal = Nodo("ComplementoNominal")
  comp_prepo = Nodo("ComplementoPreposicional")
  agregar_hijo(complemento, comp_nominal)
  agregar_hijo(complemento, comp_prepo)

  art_nom = Nodo("Articulo", es_alternativa=True)
  sus_nom = Nodo("Sustantivo", es_alternativa=True)
  agregar_hijo(comp_nominal, art_nom)
  agregar_hijo(comp_nominal, sus_nom)
  agregar_hijo(art_nom, Nodo("Articulo", "el", es_hoja=True))
  agregar_hijo(art_nom, Nodo("Articulo", "su", es_hoja=True))
  agregar_hijo(sus_nom, Nodo("Sustantivo", "analizador", es_hoja=True))
  agregar_hijo(sus_nom, Nodo("Sustantivo", "módulo", es_hoja=True))
  agregar_hijo(sus_nom, Nodo("Sustantivo", "pipeline", es_hoja=True))

  prep_comp = Nodo("Preposicion", es_alternativa=True)
  sus_comp = Nodo("Sustantivo", es_alternativa=True)
  agregar_hijo(comp_prepo, prep_comp)
  agregar_hijo(comp_prepo, sus_comp)
  agregar_hijo(prep_comp, Nodo("Preposicion", "sobre microservicios", es_hoja=True))
  agregar_hijo(prep_comp, Nodo("Preposicion", "para despliegues", es_hoja=True))
  agregar_hijo(prep_comp, Nodo("Preposicion", "con monitoreo", es_hoja=True))
  agregar_hijo(sus_comp, Nodo("Sustantivo", "orquestador", es_hoja=True))
  agregar_hijo(sus_comp, Nodo("Sustantivo", "servicio", es_hoja=True))
  agregar_hijo(sus_comp, Nodo("Sustantivo", "cluster", es_hoja=True))
  return oracion

La rama de Complemento alterna entre dos patrones: un complemento nominal (artículo + sustantivo) o un complemento preposicional (preposición + sustantivo). De esta forma obtenemos frases como “el compilador optimiza el analizador” o “un framework ejecuta su pipeline sobre microservicios”.

10.4 Generación aleatoria

Para generar una frase recorremos el árbol desde la raíz, eligiendo al azar alguno de los hijos en cada nivel hasta llegar a una hoja.

import random


def contar_hijos(nodo):
  total = 0
  hijo = nodo.primer_hijo if nodo else None
  while hijo:
    total += 1
    hijo = hijo.siguiente_hermano
  return total


def hijo_aleatorio(nodo):
  total = contar_hijos(nodo)
  if total == 0:
    return None
  indice = random.randrange(total)
  actual = nodo.primer_hijo
  while indice > 0 and actual:
    actual = actual.siguiente_hermano
    indice -= 1
  return actual


def generar_frase(nodo, tokens):
  if nodo is None:
    return
  if nodo.es_hoja:
    tokens.append(nodo.palabra)
    return
  if nodo.es_alternativa:
    seleccion = hijo_aleatorio(nodo)
    if seleccion:
      generar_frase(seleccion, tokens)
    return
  actual = nodo.primer_hijo
  while actual:
    generar_frase(actual, tokens)
    actual = actual.siguiente_hermano

10.5 Pruebas sugeridas

  • Ejecutar varias veces y confirmar que aparecen todas las variantes de sustantivo y preposición.
  • Extender la gramática con un nodo Adjetivo para validar que el recorrido conserva el orden.
  • Persistir las frases en un archivo y usarlas para poblar scripts de prueba de tu lenguaje.

10.6 Código completo en Python

Programa autocontenido que genera cinco frases y muestra el mapa del árbol.

import random


class Nodo:
  def __init__(self, etiqueta, palabra=None, es_hoja=False, es_alternativa=False):
    self.etiqueta = etiqueta
    self.palabra = palabra or ""
    self.es_hoja = es_hoja
    self.es_alternativa = es_alternativa
    self.primer_hijo = None
    self.siguiente_hermano = None


def agregar_hijo(padre, hijo):
  if padre is None or hijo is None:
    return
  if padre.primer_hijo is None:
    padre.primer_hijo = hijo
    return
  actual = padre.primer_hijo
  while actual.siguiente_hermano:
    actual = actual.siguiente_hermano
  actual.siguiente_hermano = hijo


def contar_hijos(nodo):
  total = 0
  hijo = nodo.primer_hijo if nodo else None
  while hijo:
    total += 1
    hijo = hijo.siguiente_hermano
  return total


def hijo_aleatorio(nodo):
  total = contar_hijos(nodo)
  if total == 0:
    return None
  indice = random.randrange(total)
  actual = nodo.primer_hijo
  while indice > 0 and actual:
    actual = actual.siguiente_hermano
    indice -= 1
  return actual


def generar_frase(nodo, tokens):
  if nodo is None:
    return
  if nodo.es_hoja:
    tokens.append(nodo.palabra)
    return
  if nodo.es_alternativa:
    seleccion = hijo_aleatorio(nodo)
    if seleccion:
      generar_frase(seleccion, tokens)
    return
  actual = nodo.primer_hijo
  while actual:
    generar_frase(actual, tokens)
    actual = actual.siguiente_hermano


def mostrar_mapa(nodo, nivel=0):
  if nodo is None:
    return
  marca = " (alt)" if nodo.es_alternativa else ""
  print("  " * nivel + f"- {nodo.etiqueta}{marca}")
  if nodo.es_hoja:
    print("  " * (nivel + 1) + f"` {nodo.palabra}")
  hijo = nodo.primer_hijo
  while hijo:
    mostrar_mapa(hijo, nivel + 1)
    hijo = hijo.siguiente_hermano


def crear_gramatica():
  oracion = Nodo("Oracion")
  sujeto = Nodo("Sujeto")
  predicado = Nodo("Predicado")
  agregar_hijo(oracion, sujeto)
  agregar_hijo(oracion, predicado)

  articulo = Nodo("Articulo", es_alternativa=True)
  sustantivo = Nodo("Sustantivo", es_alternativa=True)
  agregar_hijo(sujeto, articulo)
  agregar_hijo(sujeto, sustantivo)

  verbo = Nodo("Verbo", es_alternativa=True)
  complemento = Nodo("Complemento", es_alternativa=True)
  agregar_hijo(predicado, verbo)
  agregar_hijo(predicado, complemento)

  agregar_hijo(articulo, Nodo("Articulo", "el", es_hoja=True))
  agregar_hijo(articulo, Nodo("Articulo", "la", es_hoja=True))
  agregar_hijo(articulo, Nodo("Articulo", "un", es_hoja=True))

  agregar_hijo(sustantivo, Nodo("Sustantivo", "intérprete", es_hoja=True))
  agregar_hijo(sustantivo, Nodo("Sustantivo", "compilador", es_hoja=True))
  agregar_hijo(sustantivo, Nodo("Sustantivo", "framework", es_hoja=True))

  agregar_hijo(verbo, Nodo("Verbo", "configura", es_hoja=True))
  agregar_hijo(verbo, Nodo("Verbo", "ejecuta", es_hoja=True))
  agregar_hijo(verbo, Nodo("Verbo", "optimiza", es_hoja=True))

  comp_nominal = Nodo("ComplementoNominal")
  comp_prepo = Nodo("ComplementoPreposicional")
  agregar_hijo(complemento, comp_nominal)
  agregar_hijo(complemento, comp_prepo)

  art_nom = Nodo("Articulo", es_alternativa=True)
  sus_nom = Nodo("Sustantivo", es_alternativa=True)
  agregar_hijo(comp_nominal, art_nom)
  agregar_hijo(comp_nominal, sus_nom)
  agregar_hijo(art_nom, Nodo("Articulo", "el", es_hoja=True))
  agregar_hijo(art_nom, Nodo("Articulo", "su", es_hoja=True))
  agregar_hijo(sus_nom, Nodo("Sustantivo", "analizador", es_hoja=True))
  agregar_hijo(sus_nom, Nodo("Sustantivo", "módulo", es_hoja=True))
  agregar_hijo(sus_nom, Nodo("Sustantivo", "pipeline", es_hoja=True))

  prep_comp = Nodo("Preposicion", es_alternativa=True)
  sus_comp = Nodo("Sustantivo", es_alternativa=True)
  agregar_hijo(comp_prepo, prep_comp)
  agregar_hijo(comp_prepo, sus_comp)
  agregar_hijo(prep_comp, Nodo("Preposicion", "sobre microservicios", es_hoja=True))
  agregar_hijo(prep_comp, Nodo("Preposicion", "para despliegues", es_hoja=True))
  agregar_hijo(prep_comp, Nodo("Preposicion", "con monitoreo", es_hoja=True))
  agregar_hijo(sus_comp, Nodo("Sustantivo", "orquestador", es_hoja=True))
  agregar_hijo(sus_comp, Nodo("Sustantivo", "servicio", es_hoja=True))
  agregar_hijo(sus_comp, Nodo("Sustantivo", "cluster", es_hoja=True))

  return oracion


if __name__ == "__main__":
  random.seed()
  gramatica = crear_gramatica()

  print("=== Frases generadas ===")
  for i in range(5):
    tokens = []
    generar_frase(gramatica, tokens)
    frase = " ".join(tokens).strip()
    print(f"{i + 1}) {frase}.")

  print("\n=== Vista del árbol ===")
  mostrar_mapa(gramatica)
Abrir editor online
Retornar