Know T2. Procesadores lingüísticos UPV/EHU

Know.Tarea 2. PROCESADORES LINGÜÍSTICOS “UB reunirá los procesadores lingüísticos existentes para cada una de las lenguas de KNOW, y abordará el desarrollo del eslabón perdido: analizadores sintácticos de amplia cobertura para el español, catalán y euskera. Además, este subproyecto adquirirá modelos verbales, que son indispensables para dar coherencia a los análisis sintácticos y permiten la interpretación semántica.”

Know: Objetivos T2 Recursos Lingüísticos básicos. Adaptación, recopilación y enriquecimiento de las herramientas y recursos lingüísticos básicos disponibles para todas las tareas del proyecto. Esto incluye: Identificación de las unidades y límites oracionales Análisis morfológico Tratamiento de entidades referenciales Análisis sintáctico parcial Subcategorización y patrones de diátesis Análisis sintáctico profundo automático. Desarrollo de gramáticas para el análisis sintáctico profundo para las lenguas del proyecto. (UB, EHU/UPV)

Know: Objetivos T2 En el análisis sintáctico Estandarización de las anotaciones de los diferentes corpus sintácticos. Estudio de la situación actual de los analizadores sintácticos de las lenguas implicadas en el proyecto. Desarrollo de gramáticas sintácticas para las lenguas del proyecto con el objetivo de realizar un análisis sintáctico profundo. Implementación y evaluación de las versiones de la gramática

PROCESADORES LINGÜÍSTICOS UPV/EHU Recursos lingüísticos básicos (1) Chunker (Constraint Grammar, rule-based) Sintagmas nominales Cadenas verbales Tratamiento de entidades

PROCESADORES LINGÜÍSTICOS UPV/EHU Recursos lingüísticos básicos (2) Corpus etiquetado sintácticamente: Basado en dependencias 50.000 palabras actualmente (3LB) Extensión a otras 250.000

PROCESADORES LINGÜÍSTICOS UPV/EHU Análisis sintáctico (A) Analizador de dependencias (Constraint Grammar): Basado en reglas Sintaxis parcial (?) Falta evaluación

PROCESADORES LINGÜÍSTICOS UPV/EHU Análisis sintáctico (B) Statistical parsing, dependency-based. Primer año: estado del arte: Spanish (Cowan and Collins 2005); English (Bikel/Collins 2004); Charniak (2000); (Briscoe and Carroll 2006) Turkish (Oflazer 2006) CoNLL 2006/2007 MaltParser (Nivre et al. 2007) Fin del primer año: primera versión del analizador estadístico para el euskera

PROCESADORES LINGÜÍSTICOS UPV/EHU Análisis sintáctico (B) Statistical parsing, dependency-based MaltParser (Nivre et al. 2007). Determinista Basado en el treebank 3LB Experimentos: 73% (Labeled Attachment Accuracy) Tratamiento de ambigüedad morfosintáctica?

PROCESADORES LINGÜÍSTICOS UPV/EHU Análisis sintáctico (B) Statistical parsing, dependency-based. CoNLL 2007

PROCESADORES LINGÜÍSTICOS UPV/EHU Análisis sintáctico (C) Statistical parsing, dependency-based. Segundo año: añadir información léxica (subcategorización verbal, etc.; Aitziber Atutxa?)

PROCESADORES LINGÜÍSTICOS UPV/EHU Análisis sintáctico (C) RASP (rule-based + statistical training): Actualmente: ~200 reglas Entrenado sobre 100 sentencias anotadas manualmente Previsto: ?