nireEHU 
Materia
Lingüística de Corpus
Datos generales de la materia
- Modalidad
- Presencial
- Idioma
- Inglés
Descripción y contextualización de la asignatura
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).Profesorado
| Nombre | Institución | Categoría | Doctor/a | Perfil docente | Área | |
|---|---|---|---|---|---|---|
| SOROA ECHAVE, AITOR | Universidad del País Vasco/Euskal Herriko Unibertsitatea | Profesorado Agregado | Doctor | Bilingüe | Ciencia de la Computación e Inteligencia Artificial | a.soroa@ehu.eus |
Competencias
| Denominación | Peso |
|---|---|
| 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 % |
Tipos de docencia
| Tipo | Horas presenciales | Horas no presenciales | Horas totales |
|---|---|---|---|
| Magistral | 10 | 15 | 25 |
| P. Ordenador | 20 | 30 | 50 |
Actividades formativas
| Denominación | Horas | Porcentaje de presencialidad |
|---|---|---|
| Clases magistrales | 25.0 | 40 % |
| Prácticas con ordenador, laboratorio, salidas de campo, visitas externas | 50.0 | 40 % |
Sistemas de evaluación
| Denominación | Ponderación mínima | Ponderación máxima |
|---|---|---|
| Asistencia y Participación | 20.0 % | 20.0 % |
| Exposiciones | 20.0 % | 20.0 % |
| Portafolio | 20.0 % | 20.0 % |
| Trabajos Prácticos | 40.0 % | 40.0 % |
Resultados del aprendizaje de la asignatura
En este curso el estudiante adquirirá conocimiento de los fundamentos de corpus lingüisticos 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 lingüisticos basándose en análisis estadísticos.Temario
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)
Bibliografía
Bibliografía básica
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.