Search

Ikerkuntza-lan honen helburua izan da izena+aditza osaerako unitate fraseologikoak (UFak) corpusetik automatikoki eskuratzeko eta haien idiomatikotasunaren arabera karakterizatzeko teknikak garatzea eta esperimentalki testatzea. Idiomatikotasuna UFen ezaugarri definitzailetzat hartu dugu, eta haren lau propietate hauek hartu ditugu neurgai gisa: instituzionalizazioa (idiosinkrasia estatistikoa), ez-konposizionaltasun semantikoa, finkapen morfosintaktikoa eta finkapen lexikala. Ondorio nagusia da arlo honetan estandar diren agerkidetza-tekniken emaitzak modu esanguratsuan gainditu direla, batez ere teknika semantikoen bidez, baina baita malgutasun morfosintaktikoaren neurketen bidez ere. Aldiz, malgutasun lexikalaren neurketek ez dute espero izatekoa zen mailako emaitza izan. Azkenik, teoria fraseologikoaren aurresan batzuen ebidentzia esperimentalak lortu ditugu.; The goal of this research is to develop and experimentally test different techniques for the automatic extraction of phraseological units (PUs) of noun+verb structure in Basque and for their characterization according to the idiomaticity level. Idiomaticity is considered the defining feature of the concept of phraseological unit (PU), ande we have measured its following components: institutionalization (statistical idiosyncrasy), semantic non-compositionality, morphosyntact ic fixedness and lexical fixedness. The results show that the standard cooccurence techniques are significantly ourtperformed by semantic measures, and, to a lower extent, by measures of morphosyntactic flexibility. The results of lexical flexibility are poorer than expected. Finally, we obtain experimental evidence for several predictions of phraseological theory.

AWA es una arquitectura general para representar información lingüística producida por procesadores lingüísticos. Nuestro objetivo es definir un esquema de representación coherente y flexible que sea la base del intercambio de información entre herramientas lingüísticas de cualquier tipo. Los análisis lingüísticos se representan por medio de estructuras de rasgos según las directrices de TEI-P4. Estas estructuras y su relación con los demás elementos que componen el análisis forman parte de un modelo de datos diseñado bajo el paradigma de orientación a objetos. AWA se encarga de la representación de la información dentro de una arquitectura más amplia para gestionar todo el proceso de análisis de un corpus. Como ejemplo de la utilidad del modelo presentado explicaremos cómo se ha aplicado dicho modelo en el procesamiento de dos corpus. In this paper we present AWA, a general architecture for representing the linguistic information produced by diverse linguistic processors. Our aim is to establish a coherent and flexible representation scheme that will be the basis for the exchange of information. We use TEI-P4 conformant feature structures as a representation schema for linguistic analyses. A consistent underlying data model, which captures the structure and relations contained in the information to be manipulated, has been identified and implemented by a set of classes following the object-oriented paradigm. As an example of the usefulness of the model, we will show the usage of the framework in a real context: two corpora have been annotated by means of an application which aim is to exploit and manipulate the data created by the linguistic processors developed so far.

Lan honetan konputagailuen agerpenak irakaskuntza munduan izan duen eragina azaldu, eta irakaste-sistema automatikoen posibilitateak eta bilakaera aurkezten ditugu laburki. Horretaz gain, sistema automatiko horien artean dauden Sistema Tutore Adimentsuak deskribatzen dira.

This paper presents the methodology followed in the construction of a surface-based morphosyntactic parsing grammar as well as the results obtained. It is based on the Constraint Grammar formalism which we find suitable for our project of analysing unrestricted texts. Besides, we will present a description of the main types of morphosyntactic ambiguity that we have identified for Basque and the disambiguation rules designed for their treatment. This work is the first step in the computational treatment of syntax. This work is supported by a grant of the Basque Government.

El propósito de la siguiente comunicación es el de dar a conocer la labor desarrollada en el proceso de análisis del Hauta-Lanerako Euskal Hiztegia (HLEH) [Sarasola 84/95]. Para ello se describirán las características más importantes del mismo, para pasar a continuación a detallar las fases concernientes a la preparación del diccionario fuente en MRD y la confección de la gramática que refleje la estructura del mismo.

Resumen de la Tesis Doctoral presentada en la Facultad de Informática de San Sebastián de la Universidad del País Vasco en mayo de 1993.

Proiektu honek bi helburu nagusi ditu: batetik, web-aplikazioak garatzeko gertaeretan oinarritutako teknologia aztertzea eta, bestetik, paradigma hau jarraitzen duten garapen-inguruneetatik bat aukeratzea web-aplikazio erreal bat garatzeko. Gertaeretan oinarritutako zerbitzarien kontzeptua web-aplikazioen ikuspegitik aztertuko da lehenik, berori erabiltzen duten teknologien analisia egiteko ondoren. Azterketa honetan, teknologia honek beste batzuekin konparatuz web-aplikazioen garapenerako dakartzan hobekuntza eta berezitasunetan sakonduko da, eta jarraian, teknologia hori erabiltzen duten hainbat frameworkenarteko konparaketa egingo da, interesgarriena edota abantaila gehien eskaintzen dituena zein den aztertuz. Amaitzeko, eta azterketa biribiltzeko, aukeratutako garapen-ingurunearen aplikazio praktikoa egingo da, aplikazio erreal bat garatuz: GAUTENA Gipuzkoako Autismo Erakundearentzako “Gune Pribatua”. Web-aplikazio honen inplementazioaren bitartez, gertaeretan oinarritutako zerbitzariak erabiltzen dituzten garapen-inguruneetako batek praktikan nola funtzionatzen duen aztertu ahal izango da, egindako aukeraketaren egokitasuna frogatzeaz batera. Laburbilduz, teknologia zehatz bat erabiltzen duen garapen-ingurune “onenaren” bilaketa egingo da, ondoren web-aplikazio erreal baten garapenaren bidez aukeraketaren egokitasuna frogatzeko.

179 p., Tesi-lan honetan hizkuntzaren prozesamenduko tresnen integrazioa landudugu, datu handien teknikei arreta berezia eskainiz. Tresnenintegrazioa, izatez, bi mailatan landu dugu: anotazio-eskemen mailaneta prozesuen mailan.Anotazio-eskemen mailako integrazioan tresnen artekoelkarreragingarritasuna lortzeko lehenbiziko pausoak aurkeztea izandugu helburu. Horrekin lotuta, bi anotazio-eskema aurkeztu ditugu:Anotazio-Amaraunen Arkitektura (AWA, Annotation Web Architecture) etaNLP Annotation Format (NAF). AWA tesi-lan honekin hasi aurretik sortuaizan zen, eta orain formalizazio-lan bat egin dugu berarekin,elkarreragingarritasunari arreta berezia jarriz. NAF, bere aldetik,eskema praktikoa eta sinplea izateko helburuekin sortu dugu. Bianotazio-eskema horietatik abiatuz, eskemarekiko independentea deneredu abstraktu bat diseinatu dugu. Abstrakzio horri esker,elkarreragingarritasunerantz jotzeko bidea zabaldu nahi izan dugu,eredu abstraktua edozein eskemarekin bateragarria dela argudiatuz.Bestalde, tresnen prozesu mailako integrazioa ere landudugu. Horretarako, analisi-kateak modu malguan eta deklaratiboaneraikitzeko azpiegitura bat diseinatu eta inplementatu dugu. Gainera,azpiegitura horretan oinarrituz eta datu handien teknikak aplikatuz,testu-dokumentuen bilduma erraldoiak modu banatuan eta eskalagarrianprozesatzeko arkitektura bat diseinatu eta inplementatu dugu. Sistemahori hainbat nodoz osatutako terminal talde batean ezarriz, baianalisi-kateko tresnak eta bai prozesatu beharreko dokumentuak,automatikoki, eskura dauden nodoetan zehar banatuko dira, sistemaosoaren ahalmenari ahalik eta etekin handiena ateraz.

Proiektu honetan testu bilduma oso handien gainean (corpusak) kontsulta aurreratuak egiteko web-aplikazio bat garatu da. Testuak informazio linguistikoaz aberastuta daude, eta kontsultak ezaugarri linguistiko horietan oinarritu dira. Arreta handia jarri zaio aplikazioaren eraginkortasunari, hots, emaitzak jasotzeko denbora laburra behar izateari. Informazioaren berreskurapenean (IR, Information Retrieval) erabili den tresna Lucenen oinarritutako Elasticsearch da.

Jakina da informatika oso gai zabala dela. Horregatik, oro har, sistema informatikoen garatzaileak sistemaren osagai bakan batzuetaz soilik arduratzen dira. Proiektu honek hardwarearen eta softwarearen munduak uztartzea du helburu; hardware- eta softwareosagaiak dituen sistema bat sortu, behar diren osagai guztiak garatuz. Horretaz gain, garatutakoa erabilgarria izatea bilatu da, hau da, funtzio praktiko eta erreal bat edukitzea. Horretarako, Android eta Arduino plataformak aztertu dira: Android erabiltzaileari interfaze grafikoa eskaini eta elkarrekintza burutzeko erabili da; Arduino, berriz, hardwarearen kontrolatzailea izateko. Horrekin, eragingailuak kontrolatuz, time-lapseak egiteko sistema automatizatua garatu da; D-Lappse Android aplikazioarekin sistema kontrolatu daiteke eta dollyari aginduak bidali, argazki-sekuentziak era automatizatu batean egiteko.

Gradu-amaierako proiektu hau anotazio linguistiko konplexuen testuinguruan kokatzen da. Proiektuaren helburuak hiru zatitan bereizi dira. Lehena, Armiarma web-aplikazioa eta LibiXaML liburutegia egokitzea bilaketa konplexuagoak onartu ahal izateko; horretarako Relax NG eskemen erabilpena errazten duen JavaScript liburutegia garatu da. Ondoren, LibiXaML liburutegiak bilaketarako erabiltzen dituen XPath-en sorkuntza automatizatzea, Relax NG eskematik abiatuz. Eta amaitzeko, analisi-sorkuntzako prototipoa hobetzea, hasieran sortutako liburutegia berrerabiliz eta Relax NG eskemak erabiliz.