Search

El objetivo del proyecto europeo LC-STAR (Lexica and Corpora for Speech-to-Speech Translation Components) es la realización de córpora y lexicones para reconocimiento automático del habla y conversión texto a voz necesarios para un sistema de traducción automática voz-voz. Durante el proyecto (2002-2005) los lexicones serán especificados, realizados y validados. Los lexicones serán realizados en trece idiomas distintos y contienen información fonética, prosódica y morfosintáctica. En este artículo se presenta una breve descripción del proyecto. The objective of the EU-project LC-STAR (Lexica and Corpora for Speech-to-Speech Translation Components) is corpora collection and lexica creation for the purposes of Automatic Speech Recognition (ASR) and Text-to-speech (TTS) that are needed in speech-to-speech translation (SST). During the lifetime of the project (2002-2005) these lexica will be specified, built and validated. Large lexica consisting of phonetic, prosodic and morpho-syntactic content will be provided with welldocumented specifications for at least 13 languages. This project description provides a short overview of the speech-to-speech translation lexica in general as well as a summary of the LC-STAR project itself.

Uno de los componentes esenciales de un sistema de extracción de información es el diccionario de patrones necesarios para identificar la información relevante de un documento. Construir un diccionario manualmente además de ser costoso, incide negativamente en la portabilidad del sistema a nuevos dominios. La automatización del proceso de obtención de diccionarios para sistemas de extracción resuelve en parte este problema, aunque sigue precisando la intervención de un experto. En este artículo se propone una metodología para el aprendizaje automático de patrones de extracción partiendo de corpus textuales sin anotaciones, representativos del dominio de trabajo. La metodología incluye diversas etapas, de las cuales destaca la generalización de patrones específicos para obtener patrones de mayor cobertura manteniendo la relevancia de la información extraída. La generalización conlleva además la compactación del diccionario y por tanto reduce el volumen de información a validar por parte del experto.