El Old Spanish Textual Archive, diseño y desarrollo de un corpus de textos medievales : lematización y etiquetado gramatical
Gago Jover, Francisco (College of the Holy Cross (Estats Units d'Amèrica))
Pueyo Mena, Francisco Javier (College of the Holy Cross (Estats Units d'Amèrica))

Título variante: The Old Spanish Textual Archive, design and development of a corpus of medieval texts : lemmatization and pos tagging
Fecha: 2018
Resumen: Este trabajo expone los aspectos relacionados con el procesamiento de las formas, lemas, análisis gramatical y textos en el Old Spanish Textual Archive (OSTA), un corpus lingüístico de más de 32 millones de palabras, basado en las más de 400 transcripciones semi-paleográficas de textos medievales escritos en castellano, asturiano, leonés, navarro-aragonés y aragonés realizadas por los colaboradores del Hispanic Seminary of Medieval Studies (HSMS). Se describe además el proceso de etiquetado y lematización mediante el uso de Freeling, una herramienta de Procesamiento del Lenguaje Natural, y de HSMS-app, una herramienta de análisis textual desarrollada para este proyecto.
Resumen: This paper presents aspects related to the processing of forms, lemmas, grammatical analysis and texts in the Old Spanish Textual Archive (OSTA), a linguistic corpus of more than 32 million words, based on the more than 400 semipaleographic transcriptions of medieval texts written in Castilian, Asturian, Leonese, Navarro-Aragonese and Aragonese prepared by the collaborators of the Hispanic Seminary of Medieval Studies (HSMS). It also describes the process of tagging and lemmatization using Freeling, a Natural Language Processing tool, and HSMS-app, a textual analysis tool developed for this project.
Derechos: Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades. Creative Commons
Lengua: Castellà.
Documento: article ; recerca ; publishedVersion
Materia: Diseño de corpus electrónicos ; Anotación de corpus ; Corpus digitalizado del castellano antiguo ; Español medieval ; Electronic corpus design ; Corpus annotation ; Digital medieval Spanish corpus ; Medieval Spanish
Publicado en: Scriptum digital, Núm. 7 (2018) , p. 25-35 (Articles) , ISSN 2014-640X

Adreça original: https://www.raco.cat/index.php/scriptumdigital/article/view/343462


11 p, 1.4 MB

El registro aparece en las colecciones:
Artículos > Artículos publicados > Scriptum digital
Artículos > Artículos de investigación

 Registro creado el 2018-12-20, última modificación el 2019-01-25



   Favorit i Compartir