El Diccionario de uso del español de María Moliner: estructura, convenciones y datos

1. El proyecto

El Diccionario de uso del español (DUE) fue redactado por María Moliner entre 1952 y 1967 como un innovador diccionario de uso vivo del idioma. A diferencia del diccionario académico tradicional —que define palabras de forma aislada y con criterio normativo—, el DUE es un tesauro que no solo explica qué significa cada palabra, sino cómo se emplea, con qué preposiciones se construye, qué adjetivos la acompañan habitualmente y a qué conceptos afines y sinónimos pertenece.

El diccionario fue redactado íntegramente por María Moliner en solitario durante quince años, trabajando en su casa fuera de su jornada laboral. A base de fichas manuscritas y máquina de escribir, reunió un caudal léxico que duplicaba en extensión al diccionario oficial de la época, labor recogida en detalle en su biografía.

Las dos ediciones de la web

Del María Moliner existen cuatro ediciones, siendo únicamente la primera revisada por su autora, recogiendo el contenido y estructura de manera fiel. Esta primera edición no se publica en ningún formato, por lo que se ha recurrido a una versión escaneada disponible en Internet Archive.

Pese a la importancia lexicográfica del DUE, por su contenido e historia, los esfuerzos de la editorial que actualmente dispone de los derechos de autor son mínimos. Por eso, se ha decidido hacer accesible el contenido del diccionario a través de una versión digitalizada, gratuita y permanente.

Con el fin de ofrecer la obra original de forma fácil y accesible, siendo conscientes de las restricciones de calidad que supone el formato original, se ha optado por facilitar dos versiones del diccionario mediante el selector v1 / v3 de la cabecera:

• 1.ª edición (1966-1967) · v1: Es el texto original de María Moliner publicado por la Editorial Gredos en dos volúmenes (A–G, 1966; H–Z, 1967). Conserva la ordenación etimológica original por familias léxicas. Se ha digitalizado a partir de los tomos impresos escaneados mediante un proceso de reconocimiento y estructuración que se detalla (más abajo).
• 3.ª edición (2007) · v3: Edición revisada y ampliada por la editorial tras el fallecimiento de Moliner. Incluye 88.112 entradas con ordenación alfabética estricta y vocabulario contemporáneo. Existió una aplicación de escritorio oficial para Windows (DUE 3.0, Gredos, 2008); el texto de v3 se ha obtenido por ingeniería inversa de ese programa. La calidad es superior a la de v1 por partir de un fichero electrónico, aunque no es la obra original de la autora.

Si buscas un término en una edición que no lo contiene pero sí la otra, se muestra un aviso para poder consultarlo.

Digitalización y uso de inteligencia artificial

La digitalización de la primera versión del DUE es un proceso muy complejo si tenemos en cuenta la extensión —un total de 3106 páginas— y la estructura de la información: doble columna, con abreviaturas, cursivas, versalitas y una estructura de artículo muy densa. Convertir eso en datos estructurados y consultables exige un reconocimiento de texto y un análisis de la estructura de cada entrada inabordable a mano y donde la tasa de fallo de los procesos computacionales sencillos es demasiado alta. Para esa fase se han empleado modelos de inteligencia artificial, con criterios explícitos:

• Modelos abiertos. El reconocimiento se apoya casi por completo en modelos de pesos abiertos y ejecutables en hardware convencional. Un pequeño conjunto de páginas —las de estructura más difícil, un 3 % del total— se revisó además con un modelo comercial (Claude Sonnet de Anthropic) a partir de la imagen.
• Reutilización. Teniendo en cuenta las implicaciones del uso de LLM para la fase de reconocimiento, con el fin de minimizar su impacto es fundamental que los datos obtenidos puedan ser reutilizados por cualquiera. El corpus se deposita en Zenodo con licencia CC BY 4.0 y DOI permanente. Cualquiera puede reutilizarlo directamente —investigación, docencia, procesamiento del lenguaje— sin repetir el proceso. El coste computacional y energético de digitalizar el DUE se paga una sola vez y queda disponible para todos.

Cómo funciona el proceso. Cada página del facsímil se rinde a imagen y se divide por columnas. Un modelo multimodal (visión) transcribe cada columna conservando las marcas que definen la estructura del artículo: negrita del lema, cursiva, número de homógrafo, el símbolo que separa cada acepción y los bloques de catálogo (V.: / T.,). Una segunda etapa determinista, basada en reglas, convierte esa transcripción marcada en el esquema de datos —lema, homólogo, etimología, categoría gramatical, acepciones con su epígrafe, área y nivel de uso, subacepciones, catálogo, expresiones pluriverbales y notas—, apoyándose en el repertorio de abreviaturas y signos de la propia edición, tomado de sus páginas preliminares. El trabajo avanza por bloques reanudables y una capa de validación por reglas marca como dudosa toda entrada que no encaje (catálogo mezclado con la definición, longitud anómala, texto no encontrado en la transcripción), para su revisión posterior.

Estrategias para una fidelidad mayor. El resultado actual es un compromiso entre fidelidad y coste. Con más presupuesto de cómputo, la fidelidad puede subir por varias vías, pero los costes asociados son inasumibles para un proyecto voluntario sin ánimo de lucro.

El reconocimiento automático nunca es perfecto: pueden subsistir erratas de lectura, guiones mal resueltos o divisiones de acepción imperfectas, sobre todo en los artículos más largos. El texto es fiel en su contenido; para una referencia sin errores de digitalización conviene la 3.ª edición (v3), que parte de un fichero electrónico. Las correcciones y observaciones son bienvenidas, y con ese fin se han habilitado formularios de reporte en cada entrada, así como el acceso a las versiones escaneadas y transcritas.

Extracción de la 3.ª edición. A diferencia de la edición facsímil, el texto de la 3.ª edición (v3) no dependió de modelos probabilísticos ni visión artificial: se obtuvo de forma determinista mediante ingeniería inversa sobre los índices de la aplicación oficial de escritorio, garantizando una fidelidad textual del 100 %:

Datasets abiertos y descarga

Los corpus de ambas ediciones se publican de forma abierta y permanente, para que cualquiera pueda usarlos:

Cifras y comparativa de las ediciones

El paso de la primera a la tercera edición refleja la transformación de una obra de autor artesanal —articulada por familias de palabras afines— en un repertorio lexicográfico ampliado y adaptado a la consulta alfabética convencional.

2. Convenciones lexicográficas

Estructura del artículo

Cada entrada del diccionario se compone de los siguientes elementos tipográficos:

Ordenación y familias de palabras

En la 1.ª edición, Moliner agrupó las palabras por familias etimológicas bajo la voz matriz. Así, los derivados de árbol (como arboleda, arbolillo o arboricultura) aparecen dentro del mismo artículo general. En esta edición web, cada término cuenta además con acceso directo mediante el buscador general.

Género en los lemas

Los adjetivos y sustantivos con flexión de género se enuncian con terminación abreviada (ej. abogado, -da o bueno, -na). El buscador reconoce automáticamente cualquiera de las formas flexivas (masculino, femenino, singular o plural).

Prefijos y sufijos

Los afijos llevan guion delimitador (ej. des-, -ción, -ismo). Moliner redactó para ellos amplios inventarios explicativos con sus reglas de formación en español.

Remisiones e hipervínculos

El texto del diccionario contiene miles de remisiones cruzadas precedidas de V. («Véase») o con asterisco *. En esta versión digital, todas estas referencias se han enlazado automáticamente para facilitar la navegación léxica continua.

Catálogos de términos afines

Una de las aportaciones más originales del DUE son los catálogos sinónimos y semánticos incluidos al final de los artículos fundamentales. Por ejemplo, en planta se incluye una exhaustiva clasificación botánica; en color, la lista completa de matices cromáticos; y en mano, casi doscientas locuciones y frases hechas.

Construcción de verbos

Moliner presta especial atención a la sintaxis verbal: indica si el verbo rige preposición (tr. constr. con «de»), si admite uso intransitivo o si cambia de significado al construirse como pronominal.

3. Tabla de abreviaturas

Principales abreviaturas gramaticales, estilísticas y geográficas empleadas en el diccionario: