Unha mellora do CORGA extrapolable a outros corpus e linguas: a etiquetaxe da nomenclatura científica binomial

Estudos de Lingüística Galega Pub Date : 2022-12-07 DOI:10.15304/elg.14.8452

Eva María Domínguez Noya, Vítor Míguez

{"title":"Unha mellora do CORGA extrapolable a outros corpus e linguas: a etiquetaxe da nomenclatura científica binomial","authors":"Eva María Domínguez Noya, Vítor Míguez","doi":"10.15304/elg.14.8452","DOIUrl":null,"url":null,"abstract":"O tratamento das unidades multipalabra é unha tarefa inconclusa no procesamento da linguaxe natural. Neste contexto, illámo-las denominacións de nomenclatura científica binomial, cuxas principais características —expresións multipalabra latinas ou latinizadas e aceptación internacional— as afastan do acervo léxico do galego e converten o seu tratamento en extrapolable a outras linguas. Tras revisa-la súa caracterización no CORGA e noutros corpus peninsulares, propoñemos analizalas como un subtipo específico de substantivos, nomenclatura científica, sen concretar valores de xénero nin número. Describimos logo as actuacións desenvolvidas no kérnel ou núcleo e mais no corpus de adestramento para integra-la nova etiqueta no sistema XIADA e, a continuación, avaliamos dúas estratexias para a detección de candidatos: unha ferramenta específica para a súa extracción e inventarios dispoñibles en Internet. Por último, á luz dos datos que proporciona o CORGA, constatamos unha presenza notable de termos científicos binomiais e demostrámo-la importancia da nova etiqueta para a súa identificación e distribución.","PeriodicalId":393852,"journal":{"name":"Estudos de Lingüística Galega","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2022-12-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Estudos de Lingüística Galega","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.15304/elg.14.8452","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

O tratamento das unidades multipalabra é unha tarefa inconclusa no procesamento da linguaxe natural. Neste contexto, illámo-las denominacións de nomenclatura científica binomial, cuxas principais características —expresións multipalabra latinas ou latinizadas e aceptación internacional— as afastan do acervo léxico do galego e converten o seu tratamento en extrapolable a outras linguas. Tras revisa-la súa caracterización no CORGA e noutros corpus peninsulares, propoñemos analizalas como un subtipo específico de substantivos, nomenclatura científica, sen concretar valores de xénero nin número. Describimos logo as actuacións desenvolvidas no kérnel ou núcleo e mais no corpus de adestramento para integra-la nova etiqueta no sistema XIADA e, a continuación, avaliamos dúas estratexias para a detección de candidatos: unha ferramenta específica para a súa extracción e inventarios dispoñibles en Internet. Por último, á luz dos datos que proporciona o CORGA, constatamos unha presenza notable de termos científicos binomiais e demostrámo-la importancia da nova etiqueta para a súa identificación e distribución.

查看原文本刊更多论文

多词单位的处理是自然语言处理中一项尚未完成的任务。在这种情况下，我们对二项式科学命名法名称进行了说明，其主要特征--拉丁语或拉丁化多词表达和国际认可--使其成为加利西亚语词汇遗产的一部分，并使其处理方法可推广到其他语言。在回顾了 CORGA 和其他半岛语料库中的特征后，我们建议将其作为名词的一个特定子类型进行分析，即科学术语，不指定性别或数字值。然后，我们描述了为将新标签整合到 XIADA 系统而在内核或核心以及训练语料库中开发的操作，接下来，我们评估了两种检测候选标签的策略：用于提取的特定工具和互联网上可用的清单。最后，根据 CORGA 提供的数据，我们证实了二项式科学术语的显著存在，并证明了新标签对其识别和分布的重要性。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Estudos de Lingüística Galega

自引率

0.00%

发文量