Inteligencia artificial y análisis de rasgos lingüísticos en corpus de textos híbridos. El caso del castellano y el asturiano

• Autores: Cristina Bleortu, Miguel Cuevas Alonso
• Localización: Dialectologia, ISSN-e 2013-2247, Nº. Extra 13, 2024, págs. 47-70
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Resumen

  • El objetivo de este trabajo es explicar cómo los algoritmos lingüísticos pueden simplificar eficientemente las tareas realizadas por los lingüistas en el análisis de corpus. Para ilustrarlo, utilizaremos el corpus La Pola Siero, un conjunto de datos de un área situada en el norte de España; será el punto de partida previo al abordaje de corpus más amplios. Recopilado en 2014, se caracteriza por su naturaleza híbrida, pues incorpora textos que presentan rasgos tanto del asturiano central como del castellano. Aunque es común presentar algoritmos basados en redes neuronales, hemos optado por utilizar un clasificador bayesiano ingenuo. Esta decisión, aunque pueda considerarse algo anticuada por algunos investigadores, está justificada por varias razones: este clasificador abordará de manera efectiva la complejidad del corpus mencionado y arrojará luz sobre la relevancia y utilidad de los clasificadores bayesianos ingenuos en entornos lingüísticos específicos.

• Referencias bibliográficas
  • ANDRÉS, Ramón d’ (2002) “L’asturianu mínimu urbanu. Delles hipótesis”, Lletres Asturianes, 81, 21-38.
  • ANDRÉS, Ramón d’ (2017) “Índiz d’asturianidá de dos testos falaos: un ensayu”, Archivum, 67, 41-88.
  • AUNG, Nwe Than, Khin Mar SOE & Ni Lar THEIN (2011) “A word sense disambiguation system using naïve Bayesian algorithm for Myanmar language”,...
  • BARNES, Sonia (2016a) “Negotiating local identity: rural migration and sociolinguistic perception in urban Asturias”, Lengua y migración,...
  • BLEORÈTU, Cristina (2021) Aproximación al habla de La Pola Siero. Variación lingüística: descripción y percepción, Uviéu: Academia de la Llingua...
  • BLEORÈTU, Cristina & Miguel CUEVAS-ALONSO (2023a) “Actitudes lingüísticas entre los jóvenes de La Pola Siero”, en Avelino Corral Esteban...
  • BLEORÈTU, Cristina & Miguel CUEVAS-ALONSO (2023b) “Las realizaciones de /-d/ y /-d-/ en La La Pola Siero”, en Covadonga Lamar Prieto y...
  • BLEORÈTU, Cristina, Miguel CUEVAS-ALONSO, Míriam VILLAZÓN VALBUENA & Covadonga LAMAR PRIETO (en prensa) “Lingüística e inteligencia artificial....
  • BLOMMAERT, Jan (2012) Sociolinguistics of globalization, Cambridge: Cambridge University Press.
  • CAHYO UNTORO, Meida, Mugi PRASEPTIAWAN, Mastuti WIDIANINGSIH, Ilham Firman ASHARI, Aidil
  • AFRIANSYAH & OKTAFIANTO (2020) “Evaluation of Decision Tree, K-NN, Naive Bayes and SWM with MWNOTE on UCI Dataset”, Journal of Physics:...
  • COECKELBERGH, Mark (2021) Ética de la inteligencia artificial, Barcelona: Cátedra.
  • DUE, Brian L. & Thomas TOFT (2021) “Phygital highlighting: Achieving joint visual attention when physically co-editing a digital text”,...
  • ESCUDERO, G., L. MÁRQUEZ & G. RIGAU (2000) “A comparison between supervised learning algorithms for Word Sense Disambiguation”, en Actas...
  • FULMARI, Abhishek & Manoj CHANDAK (2014) An approach for Word Sense Disambiguation using modified naïve bayes classifier, International...
  • GUPTA, Brij & MAMTA (2024) Big data: Management and analytics, New Jersey / Beijing: World Scientific.
  • JENKS, Christopher Joseph (2023) New frontiers in language and technology, Cambridge: Cambridge University Press.
  • JINDAL, Rajni, Ruchika MALHOTRA & Abha JAIN (2015) “Techniques for text classification: Literature review and current trends”, Webology,...
  • KELLEHER, John D. & Brendan TIERNEY (2018) Data science, Massachussets: The MIT Press.
  • LANEY, Doug (2001) 3D Data Management: Controlling Data Volume, Velocity, and Variety, Application Delivery Strategies, Stanford: META Group...
  • LEE, Kai-Fu (2021) Superputerile inteligentei artificiale. China, Silicon Valley Èsi noua ordine mondiala, Bucuresti: Corint.
  • MATTER, Ulrich (2024) Big data analytics: A guide to data science practitioners making the transition to big data, New York: CRC Press, Taylor...
  • GAMALLO, Pablo, Susana SOTELO & José PICHEL (2014) “Comparing ranking-based and naive bayes approaches to language detection on tweets”,...
  • GOSAL, G. (2015) “A naïve bayes approach for Word Sense Disambiguation”, International Journal of Advanced Research in Computer Science and...
  • KABATEK, Johannes (2018) “Slow linguistics: a manifiesto”, recuperado de https://www.rose.uzh.ch/de/seminar/wersindwir/mitarbeitende/kabatek.html,...
  • MOOR, J. (2006) “The Dartmouth College Artificial Intelligence conference: the next fifty years”, AI Magazine, 27(4), 87-91. doi: 10.1609/aimag.v27i4.1911.
  • NUÑEZ TORRES, Fredy & María Beatriz PÉREZ CABELLO DE ALBA (2022) “Desarrollo de un sistema de aprendizaje automático supervisado para...
  • ORGEIRA-CRESPO, Pedro, Carla MÍGUEZ-ÁLVAREZ, Miguel CUEVAS-ALONSO & Elena RIVO-LÓPEZ (2021) “An analysis of unconscious gender bias in...
  • OTTER, Daniel W., Julián R. MEDINA & Jugal K. KALITA (2021) “A survey of the usages of deep learning for natural language processing”,...
  • PADRÓ, Lluís & Evgeny STANILOVSKY (2012) “FreeLing 3.0: Towards Wider Multilinguality”, Proceedings of the Language Resources and Evaluation...
  • SANCHEZ STOCKHAMMER, Christina (2012) “Hybridization in language”, en Philipp W. Stockhammer (ed.), Conceptualizing cultural hybridization:...
  • SCHUTT, Rachel & Cathy O’NEIL (2013) Doing data science, Massachussetts: O’Reilly Media.
  • WANG Shasha, Liangxiao JIANG & Chaoqun LI (2016) “Adapting naive Bayes tree for text classification”, Knowledge and Information Systems,...
  • WEINREICH, Uriel (1968) Languages in contact: Findings and problems, New York: Mouton Publishers.