Subproyecto de la UPF-UPV

Objetivos propios

La explotación del corpus de economía en lengua catalana.
La constitución del corpus de economía para el euskera.
La adaptación de herramientas de procesamiento existentes para el euskera.
La localización y evaluación de ontologías y tesauros existentes en economía para poder ser reutilizados.
La paralelización de corpus de traducción de las parejas inglés-castellano, catalán-inglés y castellano-catalán.
La construcción de una ontología y/o la importación de datos de ontologías existentes.
El diseño y la construcción de una base de datos terminológica multilingüe.
El ingreso de datos terminológicos (formales, semánticos y fraseológicos) resultado de la explotación de los corpus del castellano, del catalán y del euskera.

Paquetes de trabajo

Primera anualidad

PT11.- Desarrollo del corpus de economía para el euskera. Localización de textos en formato electrónico, selección de textos y partición de muestras. Procesamiento de los textos. Incorporación al corpus técnico del IULA accesible mediante BWANANET.

Resultado previsto: recurso lingüístico acabado y accesible.
Ubicación: Constitución del corpus de economía en euskera en la UPV (San Sebastián); y marcaje estándar estructural y procesamiento lingüístico en el IULA-UPF (Barcelona).
Coordinación: Dra. Zabala.
Participantes: Dr. Odriozola, Dra. Bach., Dra. Elorduy.
Colaboradores: un becario de colaboración.
Asesoría externa: profesores de economía de la UPV. Movilidad prevista: dos reuniones (una preparatoria del proyecto en Barcelona, una de seguimiento del subproyecto en San Sebastián).

PT12. – Explotación del corpus de economía en castellano y en catalán. Extracción de información del corpus procesado sobre unidades léxicas, frecuencias, concordancias, etc. mediante BWANANET. Paralelización con ALINEA de la parte del corpus que contenga textos traducidos.

Resultado previsto: Informes y representación de datos lingüísticos.
Ubicación: IULA-UPF (Barcelona). Incluye la estancia de investigación postdoctoral de la Dra. Vangehuchten en el IULA.
Coordinación: Dra. Vangehuchten.
Participantes: Dra. Mercè Lorente Dr. Lluís de Yzaguirre, Dr. Tebé.
Colaboradores: Sra. Joan, Sr. Quiroz.

PT13.- Licencia de diccionarios computacionales y de analizadores morfológicos ya existentes para el euskera. Adaptación de las herramientas licenciadas a la cadena de trabajo. Adaptación de los sistemas de etiquetado morfológico.

Resultado previsto: Herramientas licenciadas, adaptadas y disponibles.
Ubicación: UPV (San Sebastián) y UPF (Barcelona).
Coordinación: Dr. Odriozola.
Participantes del PT3: Dra. Bach, Dr. Lluís de Yzaguirre, Dra. Zabala, Dra. Elorduy.
Asesoría externa: Grupo IXA de la UPV.

PT14.- Localización de tesauros documentales, ontologías, jerarquías léxicas existentes y reutilizables con información sobre economía. Evaluación de contenidos y de posibilidades de importación. Localización de glosarios de economía en formato electrónico.

Resultado previsto: Informe.
Ubicación: IULA-UPF (Barcelona).
Coordinación: Dra. Mercè Lorente.
Participantes del PT: Dra. Vangehuchten, Dr. Tebé.
Colaboradores: Sra. Arano, Sra. Joan.
Asesoría externa: Grupo DigiDoc del IULA, dirigido por el Dr. Lluís Codina; investigadores del proyecto TEXTERM-2 (BFF2003-02111) especialistas en ontologías.

PT15.- Diseño y constitución de recursos. Importación de diccionarios de economía al sistema MERCEDES. Diseño de la ontología y de la base de datos terminológica asociada mediante Ontoterm. Diseño de la página web del proyecto. Protocolos de transferencia entre gestores de bases de datos.

Resultado previsto: Protocolos de trabajo para la constitución de la ontología y de la base de datos terminológica.
Ubicación: IULA-UPF (Barcelona).
Coordinación: Dra. Lorente.
Participantes del PT2: Dr. Lluís de Yzaguirre, Dr. Tebé.
Colaboradores: Sra. Arano, Sra. Joan, Sr. Quiroz.
Asesoría externa: Investigadores del proyecto TEXTERM (BFF2000-0841) con experiencia en el diseño y la constitución del Banco de Conocimientos de Genoma Humano.

Segunda anualidad

PT21.- Enriquecimiento de recursos léxicos. Base de datos de predicados (verbos, adjetivos y nominalizaciones) de la economía con información semántica y fraseológica para incorporar a diccionarios de procesamiento del castellano, catalán y euskera. Incorporación de datos, por importación y ad hoc, en la base de datos terminológica multilingüe.

Resultado previsto: Recursos lingüísticos acabados.
Ubicación distribuida: IULA-UPF (Barcelona), UPV, Universidad de Amberes.
Coordinación: Dra. Zabala.
Participantes del PT2: Dra. Lorente, Dra. Vangehuchten, Dr. Odriozola, Dra. Elorduy, Dra. Bach, Dr. Tebé.
Colaboradores: Sra. Joan, Sr. Quiroz, un becario de colaboración.
Asesoría externa: Grupo de investigación con experiencia en enriquecimiento de léxicos con datos semánticos: proyecto CLIPS del Istituto di Lingüística Computazionale de Pisa, dirigido por la Dra. Nicoletta Calzolari y coordinado por la Dra. Nilda Ruimy.

PT22.- Construcción de la ontología. Revisión de las importaciones de ontologías reutilizables a la ontología de base. Incorporación de sistemas de conceptos a partir de los datos resultantes del PT12.

Resultado previsto: Recursos lingüísticos acabados.
Ubicación distribuida: IULA-UPF (Barcelona), UPV, Universidad de Amberes.
Coordinación: Dra. Lorente.
Participantes del PT2: Dra. Zabala, Dra. Vangehuchten, Dr. Odriozola, Dra. Elorduy, Dra. Bach, Dr. Tebé.
Colaboradores: Sra. Arano, Sra. Joan, un becario de colaboración.
Asesoría externa: Dr. Antonio Moreno de la Universidad de Málaga, creador del gestor Ontoterm. Investigadores del proyecto TEXTERM (BFF2000-0841) con experiencia en el diseño y la constitución del Banco de Conocimientos de Genoma Humano.

Tercera anualidad

PT31.- Diseño de estrategias lingüísticas para las consultas de RI. Tipología de consultas de interacción entre la base de datos terminológica y la ontología. Estrategias basadas en fraseología específica o concordancias del corpus. Establecimiento de un corpus de consultas de prueba.

Resultado previsto: Recursos lingüísticos acabados.
Ubicación distribuida: IULA-UPF (Barcelona), UPV, Universidad de Amberes.
Coordinación: Dra. Lorente.
Participantes del PT2: Dra. Zabala, Dra. Vangehuchten, Dr. Odriozola, Dra. Elorduy, Dr. Lluís de Yzaguirre, Dra. Bach, Dr. Tebé.
Colaboradores: Sra. Joan, un becario de colaboración.
Asesoría externa: Grupo de investigación en RI del profesor Ricardo Baeza Yates (Universidad de Chile), grupo del proyecto TURSI de la Universitat Politècnica de València, dirigido por la Dra. Encarna Segarra.

PT32.- Pruebas de reelaboración de consultas con el sistema diseñado por el subproyecto de la USC. Análisis y evaluación de resultados.

Resultado previsto: Informe de evaluación.
Ubicación distribuida: IULA-UPF (Barcelona), UPV, Universidad de Amberes.
Coordinación: Dra. Lorente.
Participantes del PT2: Dra. Zabala, Dra. Vangehuchten, Dr. Odriozola, Dra. Elorduy, Dr. Lluís de Yzaguirre, Dra. Bach, Dr. Tebé.
Colaboradores: Sra. Arano, un becario de colaboración.
Otras colaboraciones: Universidad Politécnica de Madrid, doctorandos del grupo dirigido por la Dra. Guadalupe Aguado.
Asesoría externa: Grupo de investigación en RI del profesor Ricardo Baeza Yates (Universidad de Chile), grupo del proyecto TURSI de la Universitat Politècnica de València, dirigido por la Dra. Encarna Segarra.

PT33.- Implementación de todos los recursos y del sistema de reelaboración de consultas en el portal web del proyecto.

Resultado previsto: Portal del Banco de conocimientos sobre economía y del sistema de reelaboración de consultas accesible.
Ubicación: IULA-UPF
Coordinación: Dra. Lorente.
Participantes del PT2: Dra. Zabala, Dra. Vangehuchten, Dr. Odriozola, Dra. Elorduy, Dr. Lluís de Yzaguirre, Dra. Bach, Dr. Tebé.
Colaboradores: Sra. Joan, Sra. Arano, un becario de colaboración
Asesoría externa: Grupo IULATERM, dirigido por la Dra. M. Teresa Cabré; grupo DigiDoc del IULA, dirigido por el Dr. Lluís Codina; grupo de la Dra. Guadalupe Aguado de la Universidad Politécnica de Madrid.

Subproyecto de la USC

Objetivos propios

La constitución del corpus de economía para el gallego.
La adaptación de herramientas de procesamiento existentes para el gallego.
El ingreso de datos terminológicos (formales, semánticos y fraseológicos) resultado de la explotación de los corpus del castellano y del gallego.
Creación de protocolos de importación de ontologías y tesauros existentes para el enriquecimiento automático de la ontología de economía.

Paquetes de trabajo

Primera anualidad

PT11.- Localización y adaptación de herramientas de procesamiento para el gallego. Diccionario, analizador morfológico y desambiguador. Adaptación de los sistemas de etiquetado morfológico.

Resultado previsto: herramientas adaptadas y funcionales.
Coordinación: Dra. María Sol López.
Participantes: Eduardo Miguel Moscoso, M.ª Paula Santalla, Susana Sotelo, Guillermo Rojo.
Participantes no miembros del equipo: Eva Domínguez, Fco. Mario Barcala
Asesoría externa: investigadores del Centro de investigación en Humanidades Ramón Piñeiro, grupo Colo de la Universidad de Coruña.

PT12.- Desarrollo del corpus de economía para el gallego. Localización de textos en formato electrónico, selección de textos y partición de muestras. Marcaje estructural de los textos mediante SGML. Procesamiento lingüístico de los textos.

Resultado previsto: recurso lingüístico acabado y accesible.
Coordinación: Dra. María Sol López.
Participantes: Eduardo Miguel Moscoso, Guillermo Rojo (localización y diseño del corpus), M.ª Paula Santalla, Susana Sotelo (marcaje estructural y procesamiento lingüístico).
Participantes no miembros del equipo: Eva Domínguez.
Asesoría externa: investigadores del Centro de investigación en Humanidades Ramón Piñeiro.

Segunda anualidad

PT21.- Análisis de posibilidades de importación de ontologías existentes en economía. Diseño de protocolos para su importación. Pruebas de importación.

Resultado previsto: Informe. Protocolos de importación. Evaluación.
Coordinación: Dra. María Paula Santalla.
Participantes: Susana Sotelo, Guillermo Rojo.
Participantes no miembros del equipo: Fco. Mario Barcala.
Colaboradores: M.ª Sol López, Eduardo Miguel Moscoso
Asesoría: IULA-UPF, investigadores del proyecto TEXTERM (BFF2000-0841).

PT22.- Explotación de los corpus (gallego y español) para el enriquecimiento de la base de datos terminológica y de la ontología.

Resultado previsto: Informes y representación de datos lingüísticos.
Coordinación: Guillermo Rojo.
Participantes: M.ª Paula Santalla, Susana Sotelo, María Sol López, Eduardo Miguel Moscoso.
Participantes no miembros del equipo: Eva Domínguez.
Asesoría: IULA-UPF.

Tercera anualidad

PT31.- Diseño de un sistema de reelaboración de consultas, que transforme una consulta simple en una lengua en una consulta compleja y combinada multilingüe a partir de la extracción de datos de la BD terminológica y de la ontología. Salida de la consulta reelaborada hacia diversos motores de búsqueda y metabuscadores.

Resultado previsto: sistema de reelaboración de consultas (versión beta).
Coordinación: Dra. María Paula Santalla.
Participantes: Susana Sotelo.
Participantes no miembros del equipo: Fco Mario Barcala, Eva Domínguez.
Colaboradores: Guillermo Rojo, María Sol López, Eduardo Miguel Moscoso.
Asesoría externa: grupo Cole de la Universidad de Coruña.

PT32.- Fase de pruebas. Análisis y evaluación de resultados. Participación en la compleción del portal web, con el acceso al banco de conocimiento sobre economía, compuesto por corpus textual, BD terminológica y ontología y con la implementación del sistema de reelaboración de consultas.

Resultado previsto: Informes, portal web, sistema de reelaboración de consultas depurado.
Coordinador: Guillermo Rojo.
Participantes: M.ª Paula Santalla, Susana Sotelo, M.ª Sol López, Eduardo Miguel Moscoso.
Participantes no miembros del equipo: Fco Mario Barcala, Eva Domínguez.
Asesoría externa: grupo Cole de la Universidad de Coruña.