SCAP-TT: Tagging and lemmatising Spanish tourism discourse, and beyond

• Patrick Goethals ^[1] ; Els Lefever ^[1] ; Lieve Macken ^[1]
  1. [1] Ghent University

     Ghent University

     Arrondissement Gent, Bélgica

     
• Localización: Ibérica: Revista de la Asociación Europea de Lenguas para Fines Específicos ( AELFE ), ISSN-e 2340-2784, ISSN 1139-7241, Nº. 33, 2017, págs. 279-288
• Idioma: inglés
• Títulos paralelos:
  • SCAP-TT: El etiquetado gramatical y la lematización del discurso turístico español, y más allá
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    En esta nota de investigación describimos los primeros resultados de SCAP, el Spanish Corpus Annotation Project, aplicado al discurso turístico. Presentaremos y evaluaremos una nueva versión para el español del etiquetador TreeTagger (SCAPTT), diseñado específicamente para el etiquetado y la lematización de textos turísticos promocionales en español. Si bien SCAP-TT ha sido diseñado para el discurso especializado del turismo, mostraremos también resultados muy prometedores para la anotación de otros tipos de discursos, como ensayos y textos literarios

  • English

    In this research note we report on the first results of SCAP, the Spanish Corpus Annotation Project, applied to tourism discourse. In particular, we present and assess a new TreeTagger parameter set for Spanish (SCAP-TT), which has been trained for the Part-of-Speech tagging (POS-tagging) and lemmatisation of Spanish promotional tourism texts. Although SCAP-TT has been trained for specialized tourism discourse, we also show promising results for the annotation of other text genres such as essays and literary text

• Referencias bibliográficas
  • Argüelles Álvarez, I. & A. Muñoz Muñoz (2012). “An insight into Twitter: A corpus based contrastive study in English and Spanish”. Revista...
  • Carreras, X., I. Chao, L. Padró & M. Padró (2004). “FreeLing: An open-source suite of language analyzers” in Proceedings of _The Fourth...
  • Crespo, M. & A. Frías (2015). “Stylistic authorship comparison and attribution of Spanish news forum messages based on the TreeTagger...
  • Durán Muñoz, I. (2010). “A corpus-based ontoterminological tool for tourist translations”. International Journal of Translation 22: 149-165.
  • Göhring, A. (2009). Spanish Expansion of a Parallel Treebank. MaThesis. University of Zurich.
  • Martínez, H., J. Vivaldi & M. Villegas (2010). “Text handling as a Web Service for the IULA processing pipeline”. In Proceedings of LREC...
  • Moreno, A. & J.M. Goni (1995). “GRAMPAL: A morphological processor for Spanish implemented in PROLOG” in arXiv preprint cmp-lg/9507004.
  • Parra Escartín, C. & H. Martínez Alonso (2015). “Choosing a Spanish Part-of-Speech tagger for a lexically sensitive task”. Procesamiento...
  • Schmid, H. (1994). “Probabilistic part-of-speech tagging using decision trees” in Proceedings of The International Conference on New Methods...
  • Schmid, H. (1995). “Improvements in part-ofspeech tagging with an application to German” in Proceedings of The ACL SIGDAT-Workshop, 1-9.