Recursos lingüísticos computacionales para lenguas minoritarias

En el estudio de las lenguas minoritarias, la falta de recursos linguisticos de calidad para su consulta, sean estos referentes al escaso numero de compilaciones o a la no adaptacion de los sistemas de analisis existentes a las particularidades de las mismas, es, junto con su escasa disponibilidad y una difusion practicamente restringida al ambito cientifico, una de las principales dificultades no tan solo para el estudio de dichas lenguas, sino tambien para la creacion de instrumentos de desarrollo, como programas de software y de comunicacion, en las mismas. En esta tesis tratamos de la aplicacion de algunos recursos computacionales de libre acceso para la compilacion y estudio de aspectos linguisticos concretos en algunas de estas lenguas; con un analisis posterior de los resultados, que responde tanto a fines compilatorios y de estudio como a la finalidad de contrastar los mismos con los modelos y descripciones ya existentes para dichas lenguas. Entre los programas y recursos computacionales utilizados, priman los de caracter lexico, pero tambien se muestra un apartado especial dedicado al estudio fonetico comparativo de un rasgo prosodico suprasegmental, el topico referencial, entre el catalan y el aranes (dialecto del occitano). El estudio fonetico comparativo entre estas dos lenguas permite acercarnos a las posibilidades de procesamiento del programa de analisis fonetico PRAAT, pero aplicado esta vez a un aspecto suprasegmental de las lenguas, su prosodia. La teoria de la que se parte y que permite realizar y cuantificar el analisis del rasgo prosodico en cuestion es el modelo fonetico de M. Rossi, pensado inicialmente para la lengua francesa pero extensible a otras lenguas del ambito romanico. Para el resto de los analisis, lexico-semanticos, se parte en cambio de una perspectiva lineal, tanto para la sintaxis como para la comprension de lo que es el procesamiento automatico aplicado a la lengua de estudio. La comprension de dicha linealidad ayuda a esclarecer no tan solo las limitaciones del proceso de procesamiento-traduccion, sino a definir con nitidez los instrumentos mas validos para su estudio. El principal programa utilizado para estos estudios es NooJ, desarrollado por M. Silberztein, pero siempre desde una aproximacion y una perspectiva teorica cercana a la del Observatoire de la linguistique Sens-Texte (Montreal). Comienza, dicho analisis lexicologico, con la compilacion de un modulo lexico aranes-catalan-ingles con 17500 entradas lexicas y transformado a su vez en diccionario electronico. A esta compilacion inicial hay que anadirle la implementacion, para dicho diccionario, de los correspondientes codigos de flexion para todos los substantivos y adjetivos del aranes. Dichos codigos encuentran su base y derivacion en los codigos ya existentes y creados en el propio departamento de Filologia Francesa y Romanica por Sastre para su diccionario electronico del catalan (2007). El diccionario distingue tambien el genero natural de los sustantivos, para consideraciones sintactico-semanticas. En un segundo nivel de analisis, se incluyen unidades superiores al lema simple: En el modulo del lexico corso-frances de frases hechas se analizan estas unidades a partir de la identificacion de las mismas ya desde la propia entrada lexica del diccionario electronico. La consideracion de dichas unidades como semanticamente infragmentables encuentra su base en la teoria Sens-Texte de I. Mel'cuk. Dentro del mismo analisis de secuencias complejas se encuentra el modulo compilatorio con aproximadamente 1000 pragmatemas del catalan, asi como un subapartado con otros mas y sus respectivas equivalentes al frances. En el, se explican las restricciones, tanto semanticas como contextuales o pragmaticas que caracterizan dichas unidades lexicas, segun la base del modelo Sens-Texte. Para concluir nuestra tesis sobre el analisis computacional de unidades linguisticas, regresamos a un nivel de procesamiento mas molecular, concretamente al de la semantica y particular combinatoria sintactica de los terminos relacionados con el campo de los colores. Asi, el estudio cuantitativo y estadistico de las ocurrencias a partir del instrumento de analisis desarrollado por P. Makagonov permite una imagen global de la presencia de los terminos de color en corpus mas generales del lenguaje. Sin embargo, quiza el aspecto mas remarcable tratado en este ultimo apartado de estudio no sea tanto el de las ocurrencias de dichos terminos como la observacion de una caracteristica que les es excepcionalmente comun: su excepcional ambiguedad semantica vinculada a su contexto sintactico. La consideracion de diferentes opciones para la solucion de dicha ambiguedad a ese especifico nivel de analisis puede terminar mostrando indicios para la resolucion del que con certeza es uno de los principales problemas actuales en el procesamiento general de textos y la traduccion automatica del lenguaje natural; el de la ambiguedad textual vinculada a la combinatoria sintactica de aquellas unidades mas simples.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.