Según esta terminología, entiendo que estamos proponiendo un modelo híbrido. Hay que tener en cuenta que una misma palabra de diccionario estaría representada en el small KG (paradigma derivativo) y en el large KG (paradigma flexivo). Si es más fácil de entender, el large KG no haría referencia a contextos concretos mientras que el small KG haría referencia a contextos concretos.

La división entre large KGs y small KGs que estoy proponiendo se basa en una distinción bien establecida en la teoría lingüística entre la paradigmática y la sintagmática. La paradigmática es la dimensión sistemática, donde todos los elementos están en potencia; la sintagmática es la dimensión contextual, donde los elementos se presentan en su uso. Por lo tanto, si los large KGs sirven para las relaciones paradigmáticas (el paradigma derivativo) los small KGS deben servir para las relaciones sintagmáticas (el paradigma flexivo). En el paradigma flexivo, se deben especificar las distintas formas de una palabra de diccionario (lema), sus funciones (el caso morfológico o la conjugación del verbo). Las variaciones ortográficas deben estar recogidas aquí también.

De acuerdo con las notas anteriores, se me ocurre un esquema en el cual el paradigma derivativo (una palabra básica junto con todas sus derivadas) forman un large knowledge graph. Cada palabra, básica o derivada, se incluye con los significados y acepciones que nos dan los diccionarios. Esto lo tenemos hecho. En una fase posterior, cada palabra se incluye con todos sus patrones de sintaxis oracional (esto no lo tenemos hecho).

Las relaciones ocultas en una lengua histórica flexiva son de dos tipos. Como lengua histórica, previa a la aparición de la imprenta y la regulación de la ortografía, una misma palabra se escribe de manera distinta por distintos autores y en distintos textos (a veces, en el mismo texto). Es necesario, por tanto, agrupar todas las ortografías distintas de una misma palabra. El otro tipo de relación oculta tiene que ver con la morfología flexiva. Una misma palabra tiene distintas formas dependiendo de la función (esto sucede en español contemporáneo, por ejemplo, con las formas de los verbos que dependen del tiempo, número, persona, etc. por ejemplo en series como canté, cantaste, canto, cantarían, cantan, etc.). En realidad, ambas fuentes de relaciones ocultas se combinan puesto que las variaciones ortográficas se dan en las varias formas posibles de una misma palabra (es como si en español modeno tuviéramos canté/cantte, cantaste/kastaste, canto/cantu, cantarían/canntaryan, cantan/kanttan). Todo esto debe llevarnos a la palabra de diccionario cantar.

Hay al menos dos maneras de hacer una semántica más fina. La primera es la que he explicado en la nota anterior, basada en la formación de palabras derivadas a partir de palabras básicas. La segunda es el reconocimiento de la polisemia. Una misma palabra tiene distintas acepciones en distintos contextos, aunque el significado principal que nos da el diccionario sea el mismo. Un grafo semántico debería contener las distintas acepciones, de acuerdo con la información que nos dan los diccionarios.