Terminometro - Ferramentas
español · français · italiano · português · româna

todo o sítio esta seção
sítio-portal temático e multiligue sobre a terminologia e disciplinas afins
Atualidades Busca avançada Busca de termos Textos fundamentais Nossas fontes






Visite nossos sítios sobre


Visite nossos
sítios associados sobre


Caso queira receber as atualidades de Terminometro personalizadas, .
Ferramentas

Corpus del Español Actual: corpus etiquetado de 540 millones de palabras

El Corpus del Español Actual (CEA) tiene 540 millones de palabras y está lematizado y etiquetado con información morfológica y/o categorial. El CEA está integrado por los siguientes textos:

- la parte española del corpus paralelo español-inglés Europarl: European Parliament Proceedings Parallel Corpus v. 6 (1996-2010),
- el módulo en lengua española del Wikicorpus v. 1.0, que contiene una parte importante de la Wikipedia (2006), y
- la sección en español del MultiUN: Multilingual UN Parallel Text 2000-2009, un corpus integrado por resoluciones de la Organización de las Naciones Unidas (ONU).

La etiquetación del CEA se ha realizado con una aplicación que utiliza un diccionario electrónico del español de 635.000 formas (http://sfn.uab.es:9080/SFN/tools/dictionary), generadas automáticamente a partir de un diccionario de 86.000 lemas simples, como p. ej., unir, inmoralidad, allí, etc., y 26.000 lemas locutivos, como p. ej., muerte cerebral, carga de profundidad, de armas tomar, etc. (Subirats 1989, 1992, 1994a, 1994b, Mogorrón 1994, Garrido 1999, Ríos 1999, Bobes 2000). La desambiguación de la etiquetación se ha llevado a cabo mediante un proceso de intersección de autómatas, que utiliza información léxica y sintáctica (Subirats 1998, Subirats y Ortega 2000, 2001, Ortega en preparación).

Las búsquedas en el corpus se realizan con la interfaz gráfica CQPweb (http://cwb.sourceforge.net/cqpweb.php). Si se desea realizar búsquedas que incluyan información morfológica y/o categorial, es necesario consultar el etiquetario del CEA (http://sfn.uab.es:9080/SFN/tools/cea/corpus-tags), el cual incluye las etiquetas categoriales y morfológicas que se han utilizado en su etiquetación.

El CEA se ha realizado en el marco del proyecto de investigación FrameNet Español (FNE http://sfn.uab.es:9080/SFN/), el cual no sólo ha puesto en la red los resultados del proyecto, concretamente, un corpus de oraciones con anotación semántica y sintáctica (http://sfn.uab.es:9080/SFN/data), sino además los recursos lingüísticos utilizados para el desarrollo de dicho proyecto:

>>>>>>>>>>>>>

 Imprimir

Voltar

Seção:
Lingüística e línguas



Fonte: Lista Infoling
http://elies.rediris.es/infoling/
infoling-request@listserv.rediris.es



Caso queira consultar os antigos números de Terminometro, clique aqui.

  União Latina   -   204 rue de Vaugirard - F-75015 Paris
(33 1) 45 49 60 62  -  +33 (0) 1 45 44 47 01  /  ISSN 1815-0543