Identificação e classificação de entidades mencionadas em galego

Barra lateral del artículo

PDF (Galego)

Contenido principal del artículo

Marcos Garcia
Universidade de Santiago de Compostela
España
Iria Gayo
Universidade de Santiago de Compostela
España
Isaac González López
Cilenis Language Technology
España
Vol. 4 (2012), Pescuda
Recibido: 14-09-2012 Aceptado: 14-09-2012
Derechos de autoría Cómo citar

Resumen

A identificação e a classificação semântica automáticas de entidades mencionadas são tarefas de especial relevância para variadas aplicações do processamento da língua natural, tais como a tradução automática, a extracção de informação ou os sistemas de resposta a perguntas. O presente artigo descreve a adaptação e implementação de diversas ferramentas de código aberto para a identificação e classificação dos seguintes tipos de entidades em galego: (i) datas, (ii) numerais, (iii) quantidades e (iv) nomes próprios. A análise dos três primeiros tipos de entidades realiza-se com o software FreeLing através de máquinas de estados finitos. Para a identificação de nomes próprios comparam-se duas estratégias: (i) a utilização de máquinas de estados finitos e (ii) métodos de aprendizagem automática. Finalmente, a classificação semântica dos nomes próprios é realizada com um sistema baseado em regras e recursos obtidos automaticamente. O artigo mostra um conjunto de avaliações para cada um dos módulos apresentados, disponibilizados com licenças livres.

Palabras clave:

Processamento da língua natural, reconhecimento de entidades mencionadas, galego

Detalles del artículo

Referencias

Barcala, Francisco Mario et al. (2007): “A corpus and lexical resources for multi-word terminology extraction in the field of economy in a minority language”, em Zygmunt Vetulani (ed.), Human Language Technology as a Challenge for Computer Science and Linguistics. Proceedings of the 3rd Language and Technology Conference. Poznand: Wydawnictwo Poznańskie, 359-363 (http://www.grupocole.org/cole/library/ps/BarDomGamLopMosRojSanSot2007b.pdf ).

Bick, Eckhard (2006): “Functional aspects on Portuguese NER”, em Renata Vieira et al. (eds.), Proceedings of the 7th Workshop on Computational Processing of Written and Spoken Language (PROPOR 2006). Lecture Notes in Computer Science, vol. 3960. Berlin / Heidelberg: Springer-Verlag, 260- 263 (http://193.136.2.105/aval_conjunta/LivroHAREM/Cap12-SantosCardoso2007-Bick.pdf ).

Carreras, Xavier et al. (2002): “Named entity extraction using AdaBoost”, em Proceedings of the 6th Conference on Computational Natural Language Learning (CoNLL 2002). Taipei: Association for Computational Linguistics (ACL), 167-170 (http://acl.ldc.upenn.edu/W/W02/W02-2004.pdf ).

Ferrández, Óscar et al. (2007): “Tackling HAREM’s portuguese named entity recognition task with spanish resources”, em Diana Santos / Nuno Cardoso (eds.), Reconhecimento de entidades mencionadas em português: Documentação e actas do HAREM, a primeira avaliação conjunta na área. Linguateca (http://www.linguateca.pt/aval_conjunta/LivroHAREM/Cap11-SantosCardoso2007-Ferrandezetal.pdf ).

Ferreira, Eduardo / João Balsa / António Branco (2007): “Combining rule-based and statistical methods for named entity recognition in Portuguese”, em V Workshop em Tecnologia da Informação e da Linguagem Humana (TIL 2007). Anais do XXVII Congresso da Sociedade Brasileira de Computação. Salvador: Sociedade Brasileira de Computação (SBC), 1615-1624 (http://www.di.fc.ul.pt/%7Eahb/FerreiraBalsaBranco2007.pdf ).

Finkel, Jenny Rose / Trond Grenager / Christopher Manning (2005): “Incorporating Non-local Information into Information Extraction Systems by Gibbs Sampling”, em Proceedings of the 43rd Annual Meeting of the Association for Computational Linguistics (ACL 2005). Ann Arbor: Association for Computational Linguistics (ACL), 363- 370 (http://acl.ldc.upenn.edu/P/P05/P05-1045.pdf ).

Gamallo, Pablo / Marcos Garcia (2011): “A ResourceBased Method for Named Entity Extraction and Classification”, em Luís Antunes / H. Sofia Pinto (eds.), Proceedings of the XV Portuguese Conference on Artificial Intelligence (EPIA 2011). Progress in Artificial Intelligence. Lecture Notes in Computer Science (LNAI), vol. 7026. Berlin / Heidelberg: Springer-Verlag, 610-623.

Garcia, Marcos / Pablo Gamallo (2010): “Análise morfossintáctica para Português Europeu e Galego. Problemas, Soluções e Avaliação”, Linguamática. Revista para o Processamento Automático das Línguas Ibéricas 2(2), 59-67 (http://linguamatica.com/index.php/linguamatica/article/download/56/87 ).

Leach, Geoffrey / Andrew Wilson (1996): “Recommendations for the Morphosyntactic Annotation of Corpora”. Relatório Técnico. Expert Advisory Group on Language Engineering Standards (EAGLES) (http://tagmatica.fr/doc/EaglesAnnotate.pdf ).

Malvar, Paulo et al. (2010): “Vencendo a escassez de recursos computacionais. Carvalho: Tradutor Automático Estatístico Inglês-Galego a partir do corpus paralelo Europarl Inglês-Português”, Linguamática. Revista para o Processamento Automático das Línguas Ibéricas 2(2), 31-38 (http://linguamatica.com/index.php/linguamatica/article/download/57/81 ).

Mika, Peter et al. (2008): “Learning to tag and tagging to learn: A case study on Wikipedia”, IEEE Inteligent Systems 23(5), 26-33 (http://research.yahoo.com/files/wikipedia-ieee.pdf ).

Mikheev, Andrei / Claire Grover / Marc Moens (1998): “Description of the LTG system used for MUC7”, em Proceedings of the 7th Message Understanding Conference. Morgan Kaufman (http://www.nlpir.nist.gov/related_projects/muc/proceedings/muc_7_proceedings/ltg_muc7.pdf).

Mota, Cristina / Diana Santos (eds.) (2008): Desafios na avaliação conjunta do reconhecimento de entidades mencionadas: O Segundo HAREM. Linguateca (http://www.linguateca.pt/LivroSegundoHAREM/).

Nothman, Joel / James R. Curran / Tara Murphy (2008): “Transforming Wikipedia into Named Entity Training Data”, em Nicola Stokes / David Powers (eds.), Proceedings of the Australasian Language Technology Workshop, vol. 6. Hobart: Australasian Language Technology Association, 124-132 (http://aclweb.org/anthology/U/U08/U08-1016.pdf

Padró, Lluís et al. (2010): “FreeLing 2.1: Five Years of Open-Source Language Processing Tools”, em Nicoletta Calzolari et al. (eds.), Proceedings of 7th Language Resources and Evaluation Conference (LREC 2010). Valletta: European Language Resources Association (ELRA) (http://www.lsi.upc.edu/~nlp/papers/padro10b.pdf).

Santos, Diana / Nuno Cardoso (eds.) (2007): Reconhecimento de entidades mencionadas em português: Documentação e actas do HAREM, a primeira avaliação conjunta na área. Linguateca (http://www.linguateca.pt/LivroHAREM/ ).

Tjong Kim Sang, Erik F. / Fien de Meulder (2003). “Introduction to the CoNLL-2003 Shared Task: Language-Independent Named Entity Recognition”, em WalterDaelemans / Miles Osborne (eds.), Proceedings of the 7th Conference on Natural Language Learning (CoNLL 2003). Edmonton: Association for Computational Linguistics (ACL), 142-147 (http://acl.ldc.upenn.edu/W/W03/W03-0419.pdf).