nireEHU 
Gaia
Testu-corpusak
Gaiari buruzko datu orokorrak
- Modalitatea
- Ikasgelakoa
- Hizkuntza
- Ingelesa
Irakasgaiaren azalpena eta testuingurua
En este curso estudiaremos el uso de corpus textuales en la lingüística computacional. Empezaremos con una breve introducción a corpus lingüísticos, incluyendo las anotaciones lingüísticas y los esquemas de representación. A continuación, trabajaremos la extracción de información relevante del corpus, como pueden ser colocaciones o la extracción de palabras clave utilizando técnicas estadísticas y distribucionales. Por último, aprenderemos el lenguaje de etiquetado XML. A lo largo del curso trabajaremos con corpus en varios idiomas (inglés, español, euskera, etc).Irakasleak
| Izena | Erakundea | Kategoria | Doktorea | Irakaskuntza-profila | Arloa | Helbide elektronikoa |
|---|---|---|---|---|---|---|
| ARBELAIZ GALLEGO, OLATZ | Euskal Herriko Unibertsitatea | Irakaslego Agregatua | Doktorea | Elebiduna | Konputagailuen Arkitektura eta Teknologia | olatz.arbelaitz@ehu.eus |
| PEREZ RAMIREZ, ALICIA | Euskal Herriko Unibertsitatea | Irakaslego Agregatua | Doktorea | Elebiduna | Hizkuntza eta Sistema Informatikoak | alicia.perez@ehu.eus |
| SOROA ECHAVE, AITOR | Euskal Herriko Unibertsitatea | Irakaslego Agregatua | Doktorea | Elebiduna | Konputazio Zientzia eta Adimen Artifiziala | a.soroa@ehu.eus |
Gaitasunak
| Izena | Pisua |
|---|---|
| Capacidad para diseñar y gestionar recursos lingüísticos masivos (corpus textual y de voz sean monolingües, bases de datos léxicas, bases de conocimientos léxico-semánticas). | 40.0 % |
| Habilidad para el manejo y adaptación de los métodos simbólicos más relevantes para la investigación en la tecnología de la lengua. | 20.0 % |
| Capacidad para gestionar y diseñar sistemas basados en lenguajes estándares para el etiquetado de información lingüística (por ejemplo: XML y TEI). | 40.0 % |
Irakaskuntza motak
| Mota | Ikasgelako orduak | Ikasgelaz kanpoko orduak | Orduak guztira |
|---|---|---|---|
| Magistrala | 10 | 15 | 25 |
| Laborategiko p. | 20 | 30 | 50 |
Irakaskuntza motak
| Izena | Orduak | Ikasgelako orduen ehunekoa |
|---|---|---|
| Eskola magistralak | 25.0 | 40 % |
| Ordenagailuko praktikak, irteerak, bisitak | 50.0 | 40 % |
Ebaluazio-sistemak
| Izena | Gutxieneko ponderazioa | Gehieneko ponderazioa |
|---|---|---|
| Bertaratzea eta Parte-hartzea | 20.0 % | 20.0 % |
| Azalpenak | 20.0 % | 20.0 % |
| Lan praktikoak | 40.0 % | 40.0 % |
| Portafolioa | 20.0 % | 20.0 % |
Irakasgaia ikastean lortuko diren emaitzak
El objetivo del curso es ofrecer al estudiante la capacidad de identificar problemas del procesamiento del lenguaje natural como problemas de análisis de datos y poder resolverlos. El estudiante adquirirá conocimiento de los fundamentos de corpus lingüísticos y anotación de los mismos, incluyendo lenguajes de etiquetado como XML. Al finalizar el curso el estudiante será capaz de extraer información relevante de corpus lingüísticos basándose en análisis estadísticos.Irakasgai-zerrenda
1. Introducción a corpus lingüísticos.2. Características y tipos de corpus.
- Ejemplos de corpus
3. Anotación de corpus.
- Etiquetas comunes y análisis de niveles
4. Representación lingüística
- El lenguaje XML
- Estándares de la representación (TEI, NAF, AWA)
Bibliografia
Oinarrizko bibliografia
Aarts, J. And Meijs, W. (eds.) (1986) Corpus Linguistics II, Amsterdam: Rodopi.Aijmer, K. and Altenberg, B. (Eds) (1991) English Corpus Linguistics: Studies In Honour Of Jan Svari. London: Longman.
Anthony, L. (2013) ¿A critical look at software tools in corpus linguistics¿, Linguistic Research, Volume 30, Issue 2, pp. 141-161.
Baker, P. (2010) Sociolinguistics and Corpus Linguistics. Edinburgh University Press, Edinburgh.
Garside, R., Leech, G. and McEnery, T. (1997) Corpus Annotation. Longman, Harlow.
Jurafsky D., Martin J.H. (2000) Speech and Language Processing. An Introduction To Natural Language Processing Computational Linguistics and Speech Recognition. Prentice-Hall.
Lawler J., Aristar H. (1998) Using Computers In Linguistics. A Practical Guide. Routledge.
Leech, G. And Fallon, R. (1992) "Computer Corpora - What Do They Tell Us About Culture". Icame Journal, 29-50.
McEnery, T. and Hardie, A (2012) Corpus Linguistics: Method, Theory and Practice. Cambridge University Press, Cambridge.
Text Encoding And Interchange, TEI P5 (2016) Chicago And Oxford: Text Encoding Initiative.