Overview de GUA-SPA en IberLEF 2023: Análisis de Cambio de Código en Guaraní-Español

• Autores: Thamar Solorio, Luis Chiruzzo, Marvin Matías Agüero Torales, Gustavo Giménez Lugo, Aldo Alvarez, Yliana Rodriguez, Santiago Góngora
• Localización: Procesamiento del lenguaje natural, ISSN 1135-5948, Nº. 71, 2023, págs. 321-328
• Idioma: español
• Títulos paralelos:
  • Overview of GUA-SPA at IberLEF 2023: Guarani-Spanish Code Switching Analysis
• Enlaces
  • Texto completo
• Dialnet Métricas: 2 Citas
• Resumen
  • Multiple

    Presentamos la primera competencia de detección y análisis de cambio de código en guaraní y español, GUA-SPA en IberLEF 2023. La competencia constó de tres tareas: identificar el idioma de cada token, NER, y una nueva tarea de clasificar la forma en que se usan los segmentos en español en el contexto del cambio de código. Anotamos un corpus de 1500 textos extraídos de artículos de prensa y tweets, alrededor de 25 mil tokens, con la información necesaria para las tareas. Tres equipos participaron de la fase de evaluación, obteniendo en general buenos resultados para la tarea 1, y resultados más dispares para las tareas 2 y 3.

  • English

    We present the first shared task for detecting and analyzing codeswitching in Guarani and Spanish, GUA-SPA at IberLEF 2023. The challenge consisted of three tasks: identifying the language of a token, NER, and a novel task of classifying the way a Spanish span is used in the code-switched context. We annotated a corpus of 1500 texts extracted from news articles and tweets, around 25 thousand tokens, with the information for the tasks. Three teams took part in the evaluation phase, obtaining in general good results for Task 1, and more mixed results for Tasks 2 and 3.

• Referencias bibliográficas
  • Aguero-Torales, M., D. Vilares, and A. Lopez-Herrera. 2021. On the logistical difficulties and findings of jopara sentiment analysis. In Proceedings...
  • Aguero-Torales, M. M., A. G. Lopez-Herrera, and D. Vilares. 2023. Multidimensional affective analysis for low-resource languages: A use case...
  • Aguilar, G., S. Kar, and T. Solorio. 2020. LinCE: A centralized benchmark for lin- guistic code-switching evaluation. Proceedings of The 12th...
  • Al-Rfou’, R., B. Perozzi, and S. Skiena. 2013. Polyglot: Distributed word representations for multilingual NLP. In Proceedings of the Seventeenth...
  • Bird, S., E. Klein, and E. Loper. 2009. Natural language processing with Python: analyzing text with the natural language toolkit. .O’Reilly...
  • Cavnar, W. B. and J. M. Trenkle. 1994. Ngram- based text categorization. Chen, S., G. Aguilar, A. Srinivasan, M. Diab, and T. Solorio. 2022....
  • Chiruzzo, L., P. Amarilla, A. Rıos, and G. Gimenez-Lugo. 2020. Development of a guarani-spanish parallel corpus. In Proceedings of the Twelfth...
  • Chiruzzo, L., S. Gongora, A. Alvarez, G. Gimenez-Lugo, M. Ag¨uero-Torales, and Y. Rodrıguez. 2022. Jojajovai: A Parallel Guarani-Spanish Corpus...
  • Fandiño, A. G., J. A. Estape, M. Pamies, J. L. Palao, J. S. Ocampo, C. P. Carrino, C. A. Oller, C. R. Penagos, A. G. Agirre, and M. Villegas....
  • Gongora, S., N. Giossa, and L. Chiruzzo. 2021. Experiments on a guarani corpus of news and social media. In Proceedings of the First Workshop...
  • Gongora, S., N. Giossa, and L. Chiruzzo. 2022. Can we use word embeddings for enhancing Guarani-Spanish machine translation? In Proceedings...
  • Jauhiainen, T., H. Jauhiainen, and K. Linden. 2022. HeLI-OTS, offthe- shelf language identifier for text. In Proceedings of the Thirteenth...
  • Jauhiainen, T., H. Jauhiainen, and K. Linden. 2023. Tuning heli-ots for guarani-spanish code switching analysis. In Procesamiento del Lenguaje...
  • Jauhiainen, T., K. Linden, and H. Jauhiainen. 2016. HeLI, a word-based backoff method for language identification. In Proceedings of the Third...
  • Jimenez-Zafra, S. M., F. Rangel, and M. Montes-y Gomez. 2023. Overview of IberLEF 2023: Natural Language Processing Challenges for Spanish...
  • Joshi, A. 1982. Processing of sentences with intra-sentential code-switching. In Coling 1982: Proceedings of the Ninth International Conference...
  • Joulin, A., E. Grave, P. Bojanowski, and T. Mikolov. 2016. Bag of tricks for efficient text classification.
  • Kallfell, G. 2016. .Como hablan los paraguayos con dos lenguas?: gramática del jopara. Centro de Estudios Antropológicos de la Universidad...
  • Ley de Lenguas 4251. 2010. Ley Nº 4251 / DE LENGUAS. In https://www.bacn.gov.py/leyesparaguayas/ 2895/ley-n-4251-de-lenguas.
  • Mager, M., A. Oncevay, A. Ebrahimi, J. Ortega, A. R. Gonzales, A. Fan, X. Gutierrez- Vasques, L. Chiruzzo, G. Gimenez-Lugo, R. Ramos, et al....
  • Muñoz-Ortiz, A. and D. Vilares. 2023. Lys a coruña at gua-spa@iberlef2023: Multi-task learning with large language model encoders for...
  • NLLB Team, M. R. Costa-jussa, J. Cross, O. C， elebi, M. Elbayad, K. Heafield, K. Heffernan, E. Kalbassi, J. Lam, D. Licht, J. Maillard,...
  • Pavao, A., I. Guyon, A.-C. Letournel, X. Baro, H. Escalante, S. Escalera, T. Thomas, and Z. Xu. 2022. Codalab competitions: An open source...
  • Pugh, R. and F. Tyers. 2023. The itml submission to the iberlef2023 shared task on guarani-spanish code switching analysis. In Procesamiento...
  • Rıos, A. A., P. J. Amarilla, and G. A. G. Lugo. 2014. Sentiment categorization on a creole language with lexicon-based and machine learning...
  • Rodrıguez Gutierrez, Y. and E. Nuñez Mendez. 2018. Language contact and the indigenous languages of Uruguay. Biculturalism and Spanish in contact:...
  • Solorio, T., E. Blair, S. Maharjan, S. Bethard, M. Diab, M. Ghoneim, A. Hawwari, F. AlGhamdi, J. Hirschberg, A. Chang, et al. 2014. Overview...