Palabras vacías. Semejanza y diferencias entre el español y el checo

 PILAR DEL CAMPO PUERTA

Palabra vacía es aquella expresión, en cualquier idioma, que no aporta ningún dato o información para la búsqueda y recuperación de la información. Por tanto, van a ser filtradas del lenguaje natural, antes o después de que se realice la operación de búsqueda en la red.

Agrupadas estas palabras forman las denominadas Listas de palabras vacías, compuestas por artículos, preposiciones, pronombres, conjunciones, verbos auxiliares… considerados todos ellos términos de indización pobre, lo que hace que al ser identificados, se eliminen inmediatamente. Ahora bien, si la expresión se encierra entre comillas (“palabra”), las palabras vacías dejan de ser ignoradas.

Uno de los primeros en detectar la repercusión de estas palabras en la recuperación de la información fue Hans Meter Luhn, quien acuñó el nombre genérico de stop words para definir al listado.

Puede decirse que las listas de palabras vacías estás compuestas entre 250 y 400 términos, de modo que cuanto más genérica sea la colección, de menor número de palabras vacías constará la lista y viceversa. Será al contrario cuando la colección es más específica. Por ejemplo, el término “ciencias” será considerado palabra vacía en una colección sobre Ciencias.

El uso de un algoritmo de stemmnig, o proceso de reducción morfológica, cuya función básica es “identificar conjuntos de palabras relacionadas semánticamente, de manera que se recuperen todos los documentos que contengan alguna de dichas palabras”, permite reducir la dependencia de una lista de palabras vacías a filtrar.

Las listas de palabras vacías se deben ajustar a cada colección en particular y además, debemos perseguir un poder de resolución alto, es decir, eliminar las palabras vacías que no nos sirvan en un SRI.

PALABRAS VACIAS EN ESPAÑOL

Las palabras que los motores de búsqueda ignoran en español por considerarlas vacías son: artículos determinados e indeterminados, preposiciones, conjunciones, adverbios, pronombres y verbos auxiliares en todos sus tiempos.

Se presentan sin acentos porque para la búsqueda de información no es significativo dicho signo diacrítico, por muy importante que sea en su función fonética.

En algunos casos, la forma más rápida de realizar una búsqueda es eliminando las palabras vacías al introducir la consulta.

Lo más común es que en español se utilice Google para la realización de consultas.

 

 PALABRAS VACIAS EN CHECO (Česká stopslova) 

V češtině mezi stopslova mohou být zařazeny např. spojky (a, aby, ale, ani, …), předložky (na, pro, u, …), zájmena (její, my, on), málovýznamová slovesa (být, mít).

En checo, entre palabras vacías pueden encontrarse, por ejemplo, las conjunciones (y, que, pero, ni,…) las preposiciones (en, para,  cerca,…), los pronombres (su,  nosotros,  él), los verbos auxiliares (ser, tener).

 

Z českých vyhledávačů se k ignorování slov hlásí pouze Jyxo (zda to dělá Seznam nebo Morfeo, není známo), a tak jsem zkusil, která slova Jyxo v dotazu ignoruje.

De los buscadores checos que ignoren palabras se puede citar a Jyxo (no se sabe si Seznam o Morfeo lo hacen).

 

Vyhledávač Jyxo v některých dotazech určitá stopslova ignoruje.

El buscador Jyxo ante cualquier pregunta establecida ignora palabras vacías.

 

Lista de palabras en español con traducción en checo

un = jeden (adj. num.) una = jedna (adj. num.) unas = několik (adj. num.) unos = několik (adj. num.) uno = jedno (adj. num.) sobre = na, o (asunto) (3) todo = všechen, všechno también = také tras = po, za otro = nějaký algún = nějaký alguno = některý alguna = nějaká algunos = nějaki, několik algunas = nějaké, několik ser = být es = je soy = jsem eres = jši somos = jsme sois = jste estoy = jsem está = je estamos = jsme estais = jste estan = jsou como = jak en = v, ve, na para = pro (1) atras = vzadu porque = protože por qué = proč estado = byl estaba = byl, byla, bylo ante = před antes = dříve, dřív siendo = když je, jestli je ambos = oba pero = ale por = pro, za, po, kvůli, u poder = moct puede = může puedo = můžu podemos = můžeme podeis = můžete pueden = můžou fui = byl-a jsem fue = byl, byla, bylo fuimos = byli-y jsme fueron = byli-y jsou hacer = dělat hago = dělám hace = dělá hacemos = děláme haceis = děláte hacen = dělají cada = kazdý, kazdá, kazdé fin = konec incluso = dokonce primero = první

de= od (2) desde = od conseguir = získat, dostat consigo = dostám consigue = dostá consigues = dostaš conseguimos = dostáme consiguen = dostají ir = jít (a pie), jet (vehículo) voy = jdu, jedu va = jde, jede vamos = jdeme, jedeme vais = jdete, jedete van = jdou, jedou vaya = bud’te, měj se... gueno = dobrý, dobré ha = je tener = mít tengo = mám tiene = má tenemos = máme teneis = máte tienen = mají el (art.)= NO HAY la = NO HAY lo = NO HAY las = NO HAY los = NO HAY su = jeho, její aqui = tady mio = můj, moje (neutro) tuyo = tvůj, tvoje (neutro) ellos = oni ellas = ony nos = nás nosotros = my vosotros = vy vosotras = vy si = jestli, jestlize dentro = za, do, u, ve, v solo = jen, jenom solamente = jen, jenom saber = vědet sabes = viš sabe = ví sabemos = víme sabeis = víte saben = vědejí ultimo = poslední largo = dlouhý, dlouhé bastante = stači haces = děláš muchos = mnohi aquellos = tamti aquellas = tamty sus = jejich entonces = tehdy tiempo = čas verdad = pravda verdadero = opravdový/é verdadera = opravdová

cierto = nějaký, nějaké ciertos = nějaki cierta = nějaká ciertas = nějake intentar = zkusit intento = zkusím intenta = zkusí intentas = zkusíš intentamos = zkusíme intentais = zkusíte intentan = zkusí dos = dvá, dvě bajo = dole arriba = nahoře encima = na, nad usar = užít, použít uso = užím usas= užíš usa = uží usamos = užíme usais = užíte usan = uží emplear = užít, použít empleo = užím empleas = užíš emplean= uží empleamos= užíme empleais= užíte valor = hodnota muy = velmi, mnoho era = byl-a jsem eras = byl-a jsi eramos = byli-y jsme eran = byli, byly modo = způsob bien = dobře cual = který, která, které cuando = kdy donde = kde mientras = zatímco quien = kdo con = s, se entre = mezi sin = bez trabajo = pracuju trabajar = pracovat trabajas = pracuješ trabaja = pracuje trabajamos = pracujeme trabajais = pracujete trabajan = pracujou podria = mohl-a by podrias = mohl-a byš podriamos = mohli/y bychom podrian = mohli/y by podriais = mohli/y bychte yo  = já aquel = tamten

Lista de palabras vacías en checo con traducción en español

dnes = día cz = abreviatura de Chequía timto = con este budeš  = serás, estarás budeme = fuimos, estuvimos byli = fueron, estuvieron jseš = eres, estás můj = mi svým = a su ta = esa (adj) tomto = en este tohle = esto (adj. neutro) tuto = a esa tyto = estas jej = le, lo zda = si proč = por qué máte = teneis, (Vd.) tiene tato = esta kam = a donde tohoto = a éste kdo = quien kteri = cuáles (masculino) mi = me, a mi nám = para nosotros tom = en ese tomuto = para éste mít = tener, haber nič = nada proto = por eso kterou = a cuál (femenino) byla = era, estaba (3ª pers. femenino) toho = a ese protože = porque asi = sobre, más o menos ho = a él, a ello, lo nasi = nuestros napište = escribe (imper.) ze = de, desde coz = lo que, lo cual tím = con ese takze = de modo que svych = en sus její = su, suyo, sus, de ella, la suya svymi = con sus jste = sois, estáis a = y a jak! = ¡mucho! tu = a esa

bylo = era (neutro) kde = donde ke = a, al, adonde právě = exactamente, ni más ni menos ji = a ella nad = encima de, sobre nejsou = no son či = de quien pod = debajo de, bajo téma = tema mezi = entre přes = por encima de ty = tú pak = después, luego vám = a vosotros ani = ni když = cuando, si, en caso de que však = sin embargo ne = no jsem = soy tento = este článku = del artículo články =  para el artículo aby = que, para que jsme = somos před = antes de, delante de ptá = pregunta (él, ella) jejich = con sus byl = era, estaba (3ª pers. masculino) ještě = todavía až = cuando, hasta bez = sin také = también pouze = sólo, solamente první = primero vase = vuestra/s která = cuál (femenino) nás = a nuestro (cosa) nový = nuevo (masculino) tipy = tipos, modelos pokud = mientras může = puede strana = parte, lado, página jeho = su (masculino) své = su, vuestro, a mi jiné = distinto (neutro) zprávy = noticias nové = nuevo (género neutro)

vás = vuestro jen = sólo, solamente podle = según zde = aquí članek = artículo de (3) revista uz = ya email = email, electroniká posta být = ser, estar více = más bude = será již = ya, más než = antes que, que no který = cuál (masculino) by = sea, estuviera které = cuál (neutro) co = qué, eso nebo = o ten = ese (adj.) tak = así, pues, entonces má = tiene při = durante, a partir de od = de, desde (2) po = a, después de, tras, por jsou = son jak = como další = otro, siguiente ale = pero si = me, te, se, nos, os ve = en to = eso jako = como za = dentro de (tiempo) zpět = de vuelta že = que do = a, hasta pro = para (1) je = es, está, hay na = en, encima de, sobre tedy = entonces teto = de esa není = no es

Nota:  (1) (2) (3) indican las palabras vacías que se han considerado en ambas listas y su relación en los ejemplos, siendo (1) para, (2) de, (3) sobre.

A tenor de las siguientes  listas de palabras vacías se pueden hacer búsquedas en Google 

y Jyxo y comparar los resultados.     

BIBLIOGRAFÍA

http://www.gedlc.ulpgc.es/docencia/seminarios/rit/Analisis_lexico/tsld004.htm

http://es.wikipedia.org/wiki/Palabras_vac%C3%ADas

http://biblio.uah.es/iBistro_helps/Castellano/tip7104.html

http://www.seznam.cz/  -  (Es un buscador checo, de los más conocidos y usados en la República Checa. Ofrece, al igual que Yahoo o Google,  multitud de servicios: noticias, correo electrónico, búsquedas, enlaces clasificados por secciones (cultura, la tienda en casa, prensa, viajes, etc.). Pero además, entre otras secciones peculiares tiene un diccionario multilingüe (http://slovnik.seznam.cz/) del checo al inglés, alemán, francés, italiano, español y ruso ; y viceversa.

http://jyxo.cz/ - (Buscador checo, menos usado que Sezznam, pero donde se han realizado varias búsquedas para el presente trabajo)

ČECHOVÁ, Elga ; TRABELSIOVÁ, Helena ; PUTZ, Harry. ¿Quiere usted hablar checo? = Chcete mluvit česky? : checo para principiantes . Liberec: Harry Putz, 1994. 397 p. ; 21 cm. ISBN 80-901119-6-3.

NOTA:
Recuerda que siempre hay que citar la fuente de información. Para citar este post, puedes hacerlo de la siguiente manera, por el método Harvard:

Apellido, Inicial del nombre (Año de publicación): "Título de la entrada del post del blog". Título del blog en cursiva, día y mes del post. Disponible en: URL del recurso [Consulta: día-mes-año].