Lematización de los datos de CODEA y su utilización en análisis cuantitativos sobre la eñe y la hache muda

• Hiroto Ueda ^[1]
  1. [1] University of Tokyo

     University of Tokyo

     Japón

     
• Localización: Philologia hispalensis, ISSN-e 2253-8321, ISSN 1132-0265, Vol. 33, Nº 1, 2019, págs. 161-178
• Idioma: español
• DOI: 10.12795/PH.2019.v33.i01.10
• Títulos paralelos:
  • Lemmatization of CODEA data and its use in quantitative analyzes on the eñe and the silent hache
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    En este artículo explicaremos un método de lematización de los documentos antiguos españoles utilizando los datos de «CODEA» Corpus de Documentos Españoles Anteriores a 1800 (Sánchez-Prieto et al., 2009) y la herramienta de análisis «LYNEAL» (Letras y Números en Análisis Lingüísticos). Nuestro objetivo es presentar el método más sencillo posible de lematización y fácil de realizar con alto grado de precisión. Seguidamente, expondremos dos ejemplos de su utilización en el estudio histórico de la ortografía española: sobre la eñe y la hache muda.

  • English

    In this article we will explain a method of lemmatization of Spanish old documents using the data of «CODEA» Corpus de Documentos Españoles Anteriores a 1800 (Sánchez-Prieto et al., 2009) and the analysis tool «LYNEAL» (Letras y Números en Análisis Lingüísticos). Our goal is to present the simplest possible method of lemmatization, easy to perform with high degree of accuracy. Next, we will expose two examples of its use in the historical study of Spanish spelling: on the eñe and the silent hache.

• Referencias bibliográficas
  • Ávila Muñoz, A. (1999). Léxico de frecuencia del español hablado en la Ciudad de Málaga. Málaga, España: Universidad de Málaga.
  • Buckley, C., Salton, G., Allen, J., y Singhal, A. (1995). Automatic query expansion using SMART. Proceedings of the TREC’3 Conference, 69-80....
  • Gómez Díaz, R. (2005). La lematización en español: una aplicación para la recuperación de información. Gijón, España: Ediciones Trea.
  • Halliday, M. A. K. (1991). Corpus studies and probabilistic grammar. En Aijmer y B. Altenberg (Eds.), English corpus linguistics. Studies...
  • Hockett, C. F. (1954). Two models of grammatical description. Word, 10, 210-231. https://doi.org/10.1080/00437956.1954.11659524
  • Marcet Rodríguez, V. J. (2010). De nuevo sobre los usos y valores de la grafía h en la escritura medieval leonesa. En M. T. Encinas Manterola...
  • McEnery, T. & Hardie, A. (2012). Corpus linguistics. Cambridge, UK: Cambridge University Press. https://doi.org/10.1093/oxfordhb/9780199276349.013.0024
  • Moreno Sandoval, A. (2019). Lenguas y computación. Madrid, España: Editorial Síntesis.
  • Real Academia Española. (2010). Ortografía de la lengua española. Madrid, España: Espasa Libros.
  • Salvador, G. y Lodares, J. R. (2001). Historia de las letras. Madrid, España: Espasa.
  • Sánchez-Prieto, P., Paredes García, F. R., Martínez Sánchez, Miguel Franco, R. Simón Parra, M. y Vicente Miguel, I. (2009). El Corpus de Documentos...
  • Savoy, J. (1999). A stemming procedure and stopword list for general French corpora. Journal of the American Society for Information Science,...
  • Sinclair, J. (1991). Corpus, concordance, collocation. Oxford, UK: Oxford University Press.
  • Stubbs, M. (2007). On texts, corpora and models of language. En Hoey, E., Mahlberg, M., y Teubert, W (Eds.), Text, discourse and corpora....
  • Torrens Álvarez, M. J. (2018). Evolución e historia de la lengua española. 2a edición. Madrid, España: Arco / Libros.
  • Ueda, H. (2017). Unilateral correspondence analysis applied to Spanish linguistic data in time and space. Sixteenth International Conference...
  • Ueda, H. (2018). Tratamiento lingüístico y matemático de textos digitales españoles. Presentación del Programa LEXIS-web. Actas del IX Congreso...