Adquisición
Automática de Información Léxica (AAILE)
(Automatic
Acquisition of Lexical Information)
Resumen
La creación de
léxicos computacionales con un alto nivel de información
lingüística para diferentes lenguas, y, en cada una, para
todos los posibles dominios del conocimiento es un requisito para la aplicación
real de las tecnologías lingüísticas. El costo de estas
bases de información léxica, en términos de recursos
humanos, pero también en cuanto al factor tiempo, está retrasando
la aplicación de estas tecnologías.
La adquisición
automática de información léxica es una de las líneas
de trabajo que pretende solucionar el problema del desarrollo de léxicos
computacionales aplicando tecnologías de aprendizaje automático.
La aplicación de tecnología basada en probabilidad condicionada
(árboles de decisión y NaiveBayes) y redes bayesianas ha
demostrado ser viable con resultados que permiten plantear la expansión.
Basar los procesos de aprendizaje automático en información
motivada lingüísticamente, como hemos hecho en AAILE, ha dado
resultados comparables a los trabajos publicados.
En AAILE hemos fijado
la metodología y creado herramientas (plataforma gráfica,
plataforma de experimentación y la implementación del algoritmo)
para el aprendizaje automático probando que el enfoque es correcto
con resultados que igualan o superan los de los trabajos más reconocidos.
AAILE 2 ha de ir más allá de la prueba de viabilidad para
demostrar que es una técnica utilizable y provechosa en aplicaciones
concretas.
Publicaciones/Publications
Bel, Núria; Espeja, Sergio; Marimon, Montserrat (2006). "New
tools for the encoding of lexical data extracted from corpus" dins
Proceedings of the 5th International Conference on Language Resources
and Evaluation. Paris: European Language Resources Association. Pàg. 1362-1367.
ISBN 2-9517408-2-4.
Bel, Núria; Espeja, Sergio; Marimon, Montserrat (2007). "Automatic
Acquisition of Grammatical Types for Nouns" dins Human Language Technologies
2007: The Conference of the North American Chapter of the Association
for Computational Linguistics; Companion Volume, Short Papers. Rochester,
New York: Association for Computational Linguistics. Pàg. 5-8. ISBN 1-932432-94-9
(pdf)
Marimon, Montserrat; Bel, Núria; Espeja, Sergio; and Seghezzi,
Natalia (2007). "The Spanish Resource Grammar: Pre-processing Strategy
and Lexical Acquisition" dins Baldwin, Timothy et al. (ed.) Proceedings
of the ACL2007 Workshop on Deep Linguistic Processing. Stroudsburg, PA
18360: Association for Computational Linguistics. Pàg. 105-111. ISBN 978-1-932432-88.
(pdf)
Bel, Núria; Bel, Santiago (2008). "Measuring standards
in Lexical Resources (Workshop: Uses and Usage of Language Resource-related
Standards)" dins Calzolari, Nicoletta et al. (eds.) Proceedings of
the Sixth International Conference on Language Resources and Evaluation.
Paris: European Language Resources Association. Pàg. 15-20. ISBN
2-9517408-4-0
Bel, Núria; Espeja, Sergio; Marimon, Montserrat; Villegas,
Marta (2008). "COLDIC, a Lexicographic Platform for LMF compliant
lexica" dins Calzolari, Nicoletta et al. (eds.) Proceedings of the
Sixth International Conference on Language Resources and Evaluation. Paris:
European Language Resources Association. ISBN 2-9517408-4-0
Bel, Núria; Espeja, Sergio; Marimon, Montserrat (2008).
"Automatic acquisition for low frequency lexical items" dins
Calzolari, Nicoletta et al. (eds.) Proceedings of the Sixth International
Conference on Language Resources and Evaluation. Paris: European Language
Resources Association. ISBN 2-9517408-4-0
Materiales/Materials
Gold
Standards
(with
the collaboration of Eva Revilla, Natalia Seghezzi and Manuel Souto)
ADJ-ES-455
This file contains gold-standard encoding used for lexical acquisition
of Spanish adjectives. More information about features can be found HERE.
Note that non ambiguos adjectives have been selected, although feature
distribution has not been controlled. Hence most of the adjectives are
post-nominal, for instance and only few of them have a prepositional complement.
NOUN-ES-250
This file contains gold-standard enconding used for lexical acquisition
of Spanish Nouns. You can find more information in Bel, Núria; Espeja, Sergio; Marimon, Montserrat (2007)
and Bel, Núria; Espeja, Sergio; Marimon, Montserrat (2008).
Note that non ambiguos nouns have been selected, although feature distribution
has not been controlled.
Resultados/Results
AAILE - New
tools for the encoding of lexical data extracted from corpus - Lexicographical
Platform
AAILE Experimenter
- Virtual Lab for lexical acquisition
Ministerio
de Educación y Ciencia
proyectos
HUM2004-05111-C02-01
y HUM2007-61067