FrameNet

FrameNet es un recurso léxico del inglés, construido a mano y basado en evidencia de corpus, que describe el significado de las palabras a partir de las situaciones que evocan. Lo desarrolla el International Computer Science Institute (ICSI) de Berkeley, California, sobre la semántica de marcos (frame semantics) del lingüista Charles J. Fillmore. Su punto de partida es sencillo pero potente: muchas palabras no se entienden aisladas, sino frente a un marco, una escena esquemática con participantes. No se comprende «vender» sin un vendedor, un comprador, un bien y un precio.

Fundado a finales de los años noventa y coordinado hoy por Collin Baker, FrameNet convierte esa intuición en una base de datos consultable, pensada para que las máquinas —y los lingüistas— vean qué situación hay detrás de cada palabra.

Marcos, elementos y unidades léxicas

La arquitectura de FrameNet tiene tres piezas. Los marcos (frames) son las situaciones esquemáticas: «Commerce_buy» (una compra), «Apply_heat» (cocinar con calor) o «Being_born» (nacer). Cada marco define sus elementos de marco (frame elements), los papeles que intervienen: en «Commerce_buy» son el comprador, el vendedor, el bien y el dinero. Y cada marco reúne las unidades léxicas (lexical units), las palabras que lo evocan: «comprar» y «adquirir» activan «Commerce_buy»; «freír», «hornear» o «hervir» activan «Apply_heat». Una misma escena agrupa así verbos, nombres y adjetivos que comparten trasfondo, y cada uso aparece ilustrado con frases reales anotadas. La versión 1.7 del recurso reúne más de 1.200 marcos, más de 13.000 unidades léxicas y cerca de 200.000 frases de ejemplo.

Para qué sirve: los roles semánticos

El uso clásico de FrameNet es el etiquetado de roles semánticos (semantic role labeling): dada una frase, identificar quién hace qué a quién. En «Ana compró un coche a Luis por 9.000 euros», un sistema entrenado con FrameNet reconoce el marco de la compra y asigna a Ana el papel de compradora, a Luis el de vendedor, al coche el de bien y a la cifra el de precio. Esa capa de significado, más profunda que el mero análisis sintáctico, alimenta la comprensión del lenguaje, la extracción de información y los sistemas de pregunta-respuesta.

Frente a WordNet y en la era de los LLM

Conviene no confundir FrameNet con WordNet. WordNet organiza palabras en conjuntos de sinónimos y jerarquías —qué es sinónimo de qué, qué es un tipo de qué—; FrameNet organiza situaciones y los papeles que contienen. Uno mapea el vocabulario; el otro, el mundo al que el vocabulario se refiere. Como recurso curado a mano, FrameNet es preciso y transparente, pero su cobertura es limitada y su elaboración, lenta. Hoy los grandes modelos de lenguaje (LLM) resuelven muchas tareas de comprensión de principio a fin sin marcos explícitos, y a menudo los superan. Aun así, la semántica de marcos sigue siendo una lente valiosa para analizar y explicar cómo esos modelos —y las personas— reparten los papeles del significado.