Rogelio Nazar

Towards advanced collocation error correction in Spanish learner corpora

Collocations in the sense of idiosyncratic binary lexical co-occurrences are one of the biggest challenges for any language learner. Even advanced learners make collocation mistakes in that they literally translate collocation elements from their native tongue, create new words as collocation elements, choose a wrong subcategorization for one of the elements, etc. Therefore, automatic collocation error detection and correction is increasingly in demand. However, while state-of-the-art models predict, with a reasonable accuracy, whether a given co-occurrence is a valid collocation or not, only few of them manage to suggest appropriate corrections with an acceptable hit rate. Most often, a ranked list of correction options is offered from which the learner has then to choose. This is clearly unsatisfactory. Our proposal focuses on this critical part of the problem in the context of the acquisition of Spanish as second language. For collocation error detection, we use a frequency-based technique. To improve on collocation error correction, we discuss three different metrics with respect to their capability to select the most appropriate correction of miscollocations found in our learner corpus.

Clasificación automatizada de marcadores discursivos

Presentamos un metodo de clasificacion de marcadores del discurso. A partir de una taxonomia generada inductivamente en un trabajo anterior, desde un corpus paralelo de gran tamano y utilizando una tecnica de clustering, proponemos ahora un sistema que permite clasificar un marcador discursivo no incluido en esa taxonomia en alguna de las categorias emergentes. Esta basado en el calculo de la similitud estadistica entre el nuevo marcador y las categorias. Destacamos la naturaleza cuantitativa del enfoque, que permite la reproduccion del experimento en otras lenguas. Ademas, el sistema propuesto es un clasificador multicategoria, y esto es importante ya que representa un primer acercamiento al estudio de la polifuncionalidad de los marcadores del discurso desde un enfoque empirico e inductivo.

POL: un nuevo sistema para la detección y clasificación de nombres propios

El objetivo de este trabajo es desarrollar una metodologia para la deteccion y clasificacion de nombres propios (NP) en las categorias de antroponimo, toponimo y nombre de organizacion. La hipotesis sobre la que se basa la investigacion es que el contexto de aparicion de los NP {definido como las n palabras previas {asi como los elementos que componen el NP mismo, pueden aportar pistas para predecir el tipo de entidad. Para tal fin, se diseno un algoritmo de clasificacion supervisado que se entrena con un corpus ya anotado por otro sistema, que en el caso de nuestros experimentos fue la suite de analizadores de idiomas FreeLing anotando el corpus de la Wikipedia en castellano. En el entrenamiento, nuestro sistema aprende a relacionar tipos de entidades con palabras del contexto asi como las que componen los NP anotados. Se evaluan los resultados en el corpus CONLL-2002 y tambien con un corpus de geopolitica perteneciente a la revista Le Monde Diplomatique en su edicion en castellano. Se compara ademas el desempeno en ese corpus de distintos sistemas de extraccion y clasificacion de NP en castellano.

Estudio diacrónico de la terminología especializada utilizando métodos cuantitativos: Ejemplos de aplicación a un corpus de artículos de lingüística aplicada

Resumen es: Este articulo presenta una metodologia para el analisis de la evolucion de la terminologia de un dominio especializado, medida en variacion de frecuencia...