Choosing a Spanish Part-of-Speech tagger for a lexically sensitive task

• Autores: Carla Parra Escartín, Héctor Martínez Alonso
• Localización: Procesamiento del lenguaje natural, ISSN 1135-5948, Nº. 54, 2015, págs. 29-36
• Idioma: inglés
• Títulos paralelos:
  • Selección de un etiquetador morfosintáctico primando la precisión en las categorías léxicas
• Enlaces
  • Texto completo
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    En este artículo se comparan cuatro etiquetadores morfosintácticos para el español. La evaluación se ha realizado sin entrenamiento ni adaptación previa de los etiquetadores. Para poder realizar la comparación, los etiquetarios se han convertido al etiquetario universal (Petrov, Das, and McDonald, 2012). También se han comparado los etiquetadores en cuanto a la información que facilitan y cómo tratan características intrínsecas del idioma español como los clíticos verbales y las contracciones.

  • English

    In this article, four Part-of-Speech (PoS) taggers for Spanish are compared. The evaluation has been carried out without prior training or tuning of the PoS taggers. To allow for a comparison across PoS taggers, their tagsets have been mapped to the universal PoS tagset (Petrov, Das, and McDonald, 2012). The PoS taggers have also been compared as regards the information they provide and how they treat special features of the Spanish language such as verbal clitics and portmanteaux.

• Referencias bibliográficas
  • Agerri, R., J. Bermudez, and G. Rigau. 2014. IXA pipeline: Efficient and Ready to Use Multilingual NLP tools. In LREC’14. ELRA.
  • Brants, T . 2000. TnT: A Statistical Part-ofspeech Tagger. In ANLP’00, pages 224–231, Sheattle, Washington.
  • Carreras, X., I. Chao, L. Padró, and M. Padró. 2004. Freeling: An Open-Source Suite of Language Analyzers. In LREC’04. ELRA.
  • Collins, M. 2002. Discriminative Training Methods for Hidden Markov Models: Theory and Experiments with Perceptron Algorithms. In EMNLP’02,...
  • Dridan, R. and S. Oepen. 2012. Tokenization: Returning to a Long Solved Problem a Survey, Contrastive experiment, Recommendations, and Toolkit....
  • Fares, M., S. Oepen, and Y. Zhang. 2013. Machine Learning for High-Quality Tokenization Replicating Variable Tokenization Schemes. In Computational...
  • Fokkens, A., A. Soroa, Z. Beloki, N. Ockeloen, G. Rigau, W. R. van Hage, and P. Vossen. 2014. NAF and GAF: Linking Linguistic Annotations....
  • Gonzalez-Agirre, A., E. Laparra, and G. Rigau. 2012. Multilingual Central Repository version 3.0. In LREC’12, pages 2525–2529. ELRA.
  • Kullback, S. and R. A. Leibler. 1951. On Information and Sufficiency. The Annals of Mathematical Statistics, 22(1):79–86.
  • Manning, C. D. 2011. Part-of-speech Tagging from 97Linguistics? In CICLing’11, pages 171–189. Springer-Verlag.
  • Márquez, L., L. Padró, and H. Rodríguez. 2000. A machine learning approach to POS tagging. Machine Learning, (39):59– 91. Martínez, H., J....
  • Moreno, A. and J. M. Goñi. 1995. GRAMPAL: A Morphological Processor for Spanish implemented in Prolog. In GULPPRODE’ 95.
  • Orosz, G., A. Novák, and G. Prószéky. 2013. Hybrid Text Segmentation for Hungarian Clinical Records. In MICAI (1), volume 8265 of Lecture...
  • Padró, L. and E. Stanilovsky. 2012. FreeLing 3.0: Towards Wider Multilinguality. In LREC’12. ELRA.
  • Parra, C. 2012. Design and compilation of a specialized Spanish-German parallel corpus. In LREC’12, pages 2199–2206. ELRA.
  • Petrov, S., D. Das, and R. McDonald. 2012. A Universal Part-of-Speech Tagset. In LREC’12. ELRA.
  • Ratnaparkhi, A. 1999. Learning to Parse Natural Language with Maximum Entropy Models. Machine Learning, 34(1–3):151–175.
  • Schmid, H. 1994. Probabilistic Part-of-Speech Tagging Using Decision Trees. In International Conference on New Methods in Language Processing,...
  • Sebastián, N., M. A. Martí, and M. F. Carreiras. 2000. Léxico informatizado del español. Edicions Universitat de Barcelona.
  • Taulé, M., M. A. Martí, and M. Recasens. 2008. AnCora: Multilevel Annotated Corpora for Catalan and Spanish. In LREC’08. ELRA.