Towards a Rich Dependency Annotation of Spanish Corpora

• Autores: Simon Mille, Alicia Burga, Vanesa Vidal, Leo Wanner
• Localización: Procesamiento del lenguaje natural, ISSN 1135-5948, Nº. 43, 2009, págs. 325-333
• Idioma: inglés
• Títulos paralelos:
  • Hacia una anotación de dependencias enriquecida de corpus españoles
• Enlaces
  • Texto completo
• Dialnet Métricas: 3 Citas
• Resumen
  • español

    En este artículo presentamos una estrategia de bajo coste para la creación de un corpus de estructuras sintácticas (tanto superficiales como profundas) y semánticas, tal y como son definidas en la Teoría Sentido-Texto. El corpus es de tamaño medio, pero muy preciso y detallado. La estrategia parte de un pequeño corpus de dependencias, el corpus AnCora, cuya anotación es mucho menos detallada que la nuestra. Mostramos que la discrepancia entre ambas anotaciones se puede salvar en gran medida a través de medios automáticos, lo cual permite que los recursos necesarios se desarrollen en poco tiempo y con un esfuerzo humano limitado. Asimismo, proponemos una evaluación preliminar de la cantidad de trabajo requerido en términos reales en el proceso de anotación.

  • English

    We present a cost-effective strategy for the creation of a mid-size fine-grained Spanish dependency tree bank of surface-, deep-syntactic and semantic structures as defined in the Meaning-Text Theory. The strategy starts from a small seed dependency corpus, the AnCora corpus, whose annotation is considerably more coarse-grained than our target annotation. We show that this discrepancy can be bridged largely by automatic means. This allows us to develop the resources with limited human effort within a limited period of time. We also propose a preliminary evaluation of the actual amount of work that the annotation process requires.