Search

In the last decade, factuality has undeniably been an area of growing interest in Natural Language Processing. This paper describes a rule-based tool to automatically identify the factual status of events in Spanish text, understood with respect to the degree of commitment with which a narrator presents situations. Factuality is represented compositionally, considering the following semantic categories: commitment, polarity, event structure, and time. In contrast with neural machine learning approaches, this tool is entirely based on manually created lexico-syntactic rules that systematize semantic and syntactic patterns of factuality. Thus, it is able to provide explanations for automatic decisions, which are very valuable to guarantee accountability of the system. We evaluate the performance of the system by comparison with a manually annotated Gold Standard, obtaining results that are comparable, if not better, to machine learning approaches for a related task, the FACT 2019 challenge at the IBERLEF evaluation forum. La información factual es un área de investigación de creciente interés en el Procesamiento del Lenguaje Natural. Este artículo describe una herramienta basada en reglas para la identificación automática en español de la clase factual de los eventos en un texto, entendida con respecto al grado de compromiso con el que un narrador presenta las situaciones. En esta aproximación la información factual se representa compositivamente, considerando las siguientes categorías semánticas: compromiso, polaridad, estructura del evento y tiempo. A diferencia de los enfoques de Machine Learning, esta herramienta se basa por completo en reglas léxico-sintácticas y semánticas creadas manualmente que sistematizan los patrones semánticos y sintácticos de la información factual. Así, este sistema es capaz de proporcionar explicaciones para las decisiones automáticas, que son muy valiosas para garantía de la responsabilidad del sistema. Evaluamos el rendimiento del sistema mediante la comparación con un Gold Standard anotado manualmente, obteniendo resultados que son comparables, si no mejores, a los enfoques de aprendizaje automático para una tarea relacionada: el reto FACT 2019 del foro de evaluación IBERLEF.

Una de las tareas fundamentales para la resolución de la ambigüedad en el ámbito del Procesamiento del Lenguaje Natural es la Desambiguación Semántica Automática; especialmente la tarea específica de Desambiguación Verbal Automática (DVA). En la presente investigación se lleva a cabo una tarea experimental con la finalidad de comprobar la viabilidad de una aproximación a la DVA basada en la información semántica de los argumentos verbales. Los buenos resultados obtenidos indicarían la necesidad de tener en cuenta este tipo de información en futuras propuestas de DVA. One of the key tasks for resolving the ambiguity in the field of Natural Language Processing is Word Sense Disambiguation; especially the specific task of Verb Sense Disambiguation (VSD). In the present study an experimental task is performed in order to test the feasibility of an approach to VSD based on semantic information about verbal arguments. The good results obtained indicate the need to take into account this information in future proposals for VSD. Esta investigación se ha llevado a cabo gracias al proyecto ReTeLe (TIN 2015-68955-REDT).

Despite the recent advances in parsing, significant efforts are needed to improve the current parsers performance, such as the enhancement of the argument/adjunct recognition. There is evidence that verb subcategorization frames can contribute to parser accuracy, but a number of issues remain open. The main aim of this paper is to show how subcategorization frames acquired from a syntactically annotated corpus and organized into fine-grained classes can improve the performance of two rulebased dependency grammars

Parsers have evolved significantly in the last decades, but currently big and accurate improvements are needed to enhance their performance. ParTes, a test suite in Spanish and Catalan for parsing evaluation, aims to contribute to this situation by pointing to the main factors that can decisively improve the parser performance

En este trabajo nos centramos en la adquisición de clasificaciones verbales automáticas para el español. Para ello realizamos una serie de experimentos con 20 sentidos verbales del corpus Sensem. Empleamos diferentes tipos de atributos que abarcan información lingüística diversa y un método de clustering jerárquico aglomerativo para generar varias clasificaciones. Comparamos cada una de estas clasificaciones automáticas con un gold standard creado semiautomáticamente teniendo en cuenta construcciones lingüísticas propuestas desde la lingüística teórica. Esta comparación nos permite saber qué atributos son más adecuados para crear de forma automática una clasificación coherente con la teoría sobre construcciones y cuales son las similitudes y diferencias entre la clasificación verbal automática y la que se basa en la teoría sobre construcciones lingüísticas. In this work we focus on the automatic acquisition of verbal classifications for Spanish. To do so, we perform a series of experiments with 20 verbal senses that belong to the Sensem corpus. We use different kinds of features that include diverse linguistic information and an agglomerative hierarchical clustering method to generate a number of classifications. We compare each of these automatic classifications with a semi-automatically created gold standard, which is built on the basis of linguistic constructions proposed by theoretical linguistics. This comparison allows us to investigate which features are adequate to build a verb classification coherent with linguistic constructions theory and which are the similarities and differences between an automatic verbal classification and a verb classification based on the theory of linguistic constructions.

La extracción de eventos consiste en la obtención de conocimiento factual a partir de textos, lo que requiere delimitar el evento ofreciendo una interpretación precisa de las entidades y relaciones presentes en él. Abordamos esta tarea caracterizando estos dos elementos a partir de la información morfológica, sintáctica y semántica de los constituyentes que los realizan. Para ello introducimos la aplicación de kybots, heurísticas que permiten explorar el contexto verbal y determinar las relaciones semánticas entre los elementos de la oración. Con el objetivo de simplificar su desarrollo, realizamos un experimento consistente en aplicar kybots diseñados para verbos concretos, que tomamos como modelos, a verbos similares en cuanto a su comportamiento sintáctico-semántico. Los resultados muestran que esta estrategia es viable, aunque es necesario seguir trabajando en la determinación de parámetros para establecer los grupos de verbos similares. Event extraction consists in obtaining factual knowledge from texts and requires an accurate interpretation of the contribution of linguistic constituents that are used to define both the participants in the event and the relationships established between them. In this work we use kybots (extraction profiles) to carry out this task. Kybots are heuristic tools that explore the verbal context and determine the semantic relationships established among the elements in the sentence. To simplify its development we investigate through an experiment the application of kybots developed for specific verbs to similar verbs. Results show that this strategy is suitable, but it is necessary to refine the parameters used to define groups of similar verbs.

[cat] L'objectiu d'aquest article és investigar l'estructura eventiva i la coerció aspectual en els predicats verbals que incorporen perífrasis de fase inicial o incoatives. D'una banda, es presenta l'anàlisi teòrica i la representació d'aquest tipus de perífrasi des del marc de la lingüística cognitiva. D'altra banda, es realitza un estudi empíric per observar el comportament de les perífrasis incoatives en un corpus real de la llengua. Els resultats indiquen que les perífrasis incoatives mostren preferències estadísticament significatives en la selecció de la classe aspectual del verb amb el qual coapareixen. A més, les dades demostren que les perífrasis incoatives estudiades no són sinònimes, sinó que apliquen diferents graus de preferències sobre la classe eventiva del verb infinitiu., [eng] The aim of this paper is to investigate the event structure and aspectual coercion in verbal predicates incorporating initial phase or inchoative periphrases. On the one hand, the theoretical analysis and the representation of such periphrases from the framework of cognitive linguistics are presented. On the other hand, an empirical study to observe the behaviour of the inchoative periphrases in a real corpus of language is carried out. The results indicate that the inchoative periphrases show statistically significant preferences in the selection of the aspectual class of the verb with which appear. Furthermore, the data show that the inchoative periphrases studied are not synonymous,but apply different degrees of preferences to the event class of the infinitive verb.

Coordinadors: M. Antònia Martí i Mariona Taulé, Aquest volum és un recull d’articles publicats en homenatge a Sebastià Serrano, catedràtic de lingüística general i teoria de la comunicació a la Universitat de Barcelona, amb motiu de la seva jubilació. S’hi apleguen treballs de temàtica molt diversa, de la morfologia del català, el castellà o el basc, a la semàntica, de la poesia galaicoportuguesa a la literatura russa o a l’òpera wagneriana. Són contribucions escrites per companys de professió des de l’admiració i el reconeixement cap a la figura de Serrano, lingüista i matemàtic, pensador polièdric i gran comunicador. En aquesta àmplia variació de temes i de punts de vista es reflecteix el mestratge que ha exercit en els seus col·legues: una visió interdisciplinària i transversal no només de la lingüística, sinó del coneixement humà.

En este trabajo presentamos un clasificador que resuelve cierta clase de ambigüedades de estructura sintáctica en español, concretamente, la ambigüedad de adjunción de un sintagma preposicional (PP attachment). Como punto de partida, utilizamos la gramática de dependencias Txala para el español integrada dentro de FreeLing, con una precisión del 61 % en la adjunción de sintagma preposicional. Nuestro objetivo es desarrollar un módulo especializado para la adjunción del sintagma preposicional tal que el analizador sintáctico combine las reglas gramaticales hechas a mano con información estadística inferida por el clasificador. Hemos evaluado diferentes clasificadores y diferentes rasgos para caracterizar las ambigüedades de adjunción de sintagma preposicional. Nuestra mejor propuesta mejora el rendimiento de EsTxala en 20 puntos, aunque aún se encuentra por debajo de otros métodos no supervisados, que alcanzan un 94 % de precisión. Sin embargo, hemos obtenido una mejor comprensión de los factores que intervienen en la desambiguación de la adjunción del sintagma preposicional, lo cual nos permitirá construir modelos más ligeros que puedan ser fácilmente integrados en un analizador de uso general como FreeLing. In this paper we present a classifier that solves a certain kind of ambiguities in syntactic structure for Spanish, namely, ambiguities as to the point of adjunction of a prepositional phrase in the syntactic structure of a sentence (PP attachment). As a starting point, we used EsTxala dependency grammar for Spanish, integrated within FreeLing, with an accuracy score of 61 % on PP adjunction. Our target is to develop a specialized module for for PP attachment, so that the syntactic analyzer combines dependency grammar’s manual rules with statistical information infered out of a classifier. We have evaluated different classifiers and different features to characterize PP-attachment ambiguities. Our best approaches improve the performance of EsTxala by 20 points, but are still far from the performance of unsupervised methods reporting 94 % accuracy. We gained insight on the factors governing the disambiguation of PP attachment ambiguities, which will arguably let us build lighter models that can be easily integrated within a general-purpose analyzer as FreeLing. This work has been partially funded by the Spanish Science and Innovation Ministry, via the KNOW2 project (TIN2009-14715-C04). Nora Aguilar was funded by a scholarship from Spanish MAEC-AECID 00536854 Program II.E, and by a postgraduate studies grant from the Secretary of Public Education of the Mexican Government.

En este trabajo presentamos un clasificador que resuelve cierta clase de ambigüedades de estructura sintáctica en español, concretamente, la ambigüedad de adjunción de un sintagma preposicional (PP attachment). Como punto de partida, utilizamos la gramática de dependencias Txala para el español integrada dentro de FreeLing, con una precisión del 61 % en la adjunción de sintagma preposicional. Nuestro objetivo es desarrollar un módulo especializado para la adjunción del sintagma preposicional tal que el analizador sintáctico combine las reglas gramaticales hechas a mano con información estadística inferida por el clasificador. Hemos evaluado diferentes clasificadores y diferentes rasgos para caracterizar las ambigüedades de adjunción de sintagma preposicional. Nuestra mejor propuesta mejora el rendimiento de EsTxala en 20 puntos, aunque aún se encuentra por debajo de otros métodos no supervisados, que alcanzan un 94 % de precisión. Sin embargo, hemos obtenido una mejor comprensión de los factores que intervienen en la desambiguación de la adjunción del sintagma preposicional, lo cual nos permitirá construir modelos más ligeros que puedan ser fácilmente integrados en un analizador de uso general como FreeLing. In this paper we present a classifier that solves a certain kind of ambiguities in syntactic structure for Spanish, namely, ambiguities as to the point of adjunction of a prepositional phrase in the syntactic structure of a sentence (PP attachment). As a starting point, we used EsTxala dependency grammar for Spanish, integrated within FreeLing, with an accuracy score of 61 % on PP adjunction. Our target is to develop a specialized module for for PP attachment, so that the syntactic analyzer combines dependency grammar’s manual rules with statistical information infered out of a classifier. We have evaluated different classifiers and different features to characterize PP-attachment ambiguities. Our best approaches improve the performance of EsTxala by 20 points, but are still far from the performance of unsupervised methods reporting 94 % accuracy. We gained insight on the factors governing the disambiguation of PP attachment ambiguities, which will arguably let us build lighter models that can be easily integrated within a general-purpose analyzer as FreeLing. This work has been partially funded by the Spanish Science and Innovation Ministry, via the KNOW2 project (TIN2009-14715-C04). Nora Aguilar was funded by a scholarship from Spanish MAEC-AECID 00536854 Program II.E, and by a postgraduate studies grant from the Secretary of Public Education of the Mexican Government.

El presente trabajo muestra la evaluación cuantitativa y cualitativa de un grupo de analizadores de constituyentes y de dependencias con el objetivo de ser usados en el desarrollo de una métrica automática basada en conocimiento para evaluar la salida de sistemas de traducción automática. Primero se describe la metodología seguida en ambos tipos de evaluación y a continuación se muestran los resultados obtenidos y las conclusiones alcanzadas. This work presents the quantitative and qualitative evaluation of a set of both constituency and dependency parsers which are to be used in the development of a knowledge-based automatic MT metric. Firstly, the methodology used in both types of evaluation is described; secondly, we show the results obtained, and finally we draw some conclusions. This work has been funded by the Spanish Government project KNOW, TIN2009-14715-C0403.

The goal of the project is to explore integrated environments allowing the cost-effective deployment of vertical information access portals for specific domains. The project started in January 2010, and will last three years.

El objetivo de KNOW2 es avanzar en el desarrollo de un entorno integrado que permita la implantación a bajo coste de portales verticales de acceso a la información para dominios concretos. El proyecto tiene una duración de tres años y acaba de comenzar en enero del 2010. The goal of the project is to explore integrated environments allowing the cost-effective deployment of vertical information access portals for specific domains. The project started in January 2010, and will last three years. The project is funded by the Ministerio de Ciencia e Innovación TIN2009-14715-C04.

El objetivo principal del proyecto es la anotación semántica de los sustantivos argumentales del corpus SenSem con los sentidos de WordNet. El objetivo último de la investigación es la adquisición de preferencias semánticas. The main goal of this project is the semantic annotation of argument nouns of SenSem corpus with synsets of WordNet. The final objective of research is the acquisition of semantic preferences. Esta investigación se ha llevado a cabo gracias a los proyectos FFI2008-02579-E/FILO y TIN2009-14715-C04 del Ministerio de Ciencia e Innovación.

Hoy en día el análisis discursivo automático es un tema de investigación relevante. Sin embargo, no existen analizadores del discurso para textos en español. El primer paso para desarrollar esta herramienta es la segmentación discursiva. En este artículo presentamos DiSeg, el primer segmentador discursivo para el español que utiliza el marco de la Rhetorical Structure Theory (Mann y Thompson, 1988) y se basa en reglas léxicas y sintácticas. Describimos el sistema y evaluamos sus resultados con un corpus gold standard, obteniendo resultados prometedores. Nowadays discourse parsing is a very prominent research topic. However, there is not a discourse parser for Spanish texts. The first stage in order to develop this tool is discourse segmentation. In this work, we present DiSeg, the first discourse segmenter for Spanish that uses the framework of the Rhetorical Structure Theory (Mann and Thompson, 1988) and is based on lexical and syntactic rules. We describe the system and we evaluate its performance with a gold standard corpus, obtaining promising results. Parte de este trabajo ha sido financiado mediante una ayuda de movilidad posdoctoral otorgada por el Ministerio de Ciencia e Innovación de España (Programa Nacional de Movilidad de Recursos Humanos de Investigación; Plan Nacional de Investigación Científica, Desarrollo e Innovación 2008-2011) a Iria da Cunha.

En este artículo se presenta una aproximación a la conexión automática de modelos predicativos en castellano e inglés. El objetivo es establecer la dificultad de la tarea y medir el rendimiento de diferentes técnicas y métodos semi-automáticos. Por un lado perseguimos la reducción del esfuerzo para el enriquecimiento de dichos recursos y por otro al aumento de su cobertura y de su consistencia. Para ello combinamos la anotación manual con dos métodos automáticos para establecer correspondencias entre las distintas unidades semánticas. This paper presents an approach for the automatic connection between predicate model resources in Spanish and English. The objective is to assess the difficulty of the task and to evaluate the performance of different techniques and semi-automated methods. On the one hand we are pursuing a reduction in the effort for the enrichment of these resources, on the other, to increase their coverage and consistency. Thus, we combine manual annotation and two automatic methods in order to establish correspondences between the various semantic units. Esta investigación se ha llevado a cabo gracias a los proyectos TIN2006-1549-C03-02 del Ministerio de Educación y Ciencia y FFI2008-02579-E/FILO del Ministerio de Ciencia e Innovación.

El proyecto KNOW pretende añadir significado, conocimiento y razonamiento a las tecnologías actuales de Procesamiento del Lenguaje Natural. The KNOW project aims to add meaning, knowledge and reasoning to current Natural Language Processing technologies. TIN2006-15049-C03.

En el marco del área del PLN, obtener análisis sintácticos profundos de manera automática es indispensable de cara a desarrollar aplicaciones que puedan hacer uso de representaciones semánticas de cualquier nivel. Uno de los objetivos del proyecto KNOW es poner a disposición de la comunidad científica gramáticas de segmentación profunda de amplia cobertura. En este artículo presentamos la implementación en el entorno FreeLing de las gramáticas del castellano, catalán e inglés, lenguas que, junto con el vasco, constituyen las lenguas objeto de interés del proyecto KNOW. Automatic deep parsing is necessary for any NLP applications requiring a certain level of semantic representation. One of the goals of the KNOW project is the development of wide-coverage deep parsing grammars whose outcome will be open to the scientific community. In this article we present a implementation of Spanish, Catalan and English grammars in the FreeLing environment. These three languages, together with Basque, are those we work on in KNOW. This research has been funded by the Spanish Industry Ministry with the projects: KNOW (TIN MEC 2006-1549-C03-02), and OpenTrad (PROFIT FIT-350401-2006-5) and by a Predoctoral Scholarship FI-IQUC granted by the Generalitat de Catalunya to Nevena Tinkova (2004FIIQUC1/ 00084).

En este artículo presentamos la construcción de un clasificador con el objetivo final de asignar automáticamente patrones de subcategorización a piezas verbales no conocidas previamente, partiendo de una generalización de patrones anotados manualmente. A partir del banco de datos SENSEM (Fernández et al 2004) se han adquirido los esquemas de subcategorización de 1161 sentidos verbales. Estos esquemas se han agrupado en clases de equivalencia mediante técnicas de clustering. Cada clase representa una generalización sobre el comportamiento sintáctico-semántico de los verbos que contiene. Nuestro objetivo final es enriquecer un lexicón verbal con esquemas de subcategorización, asignando automáticamente cada pieza verbal a una de estas clases, a partir de ejemplos de corpus anotados automáticamente. Presentamos una evaluación preliminar de un clasificador que lleva a cabo esta tarea. In this paper we present the construction of a classifier with the final objective of automatically assigning subcategorization frames to previously unseen verb senses of Spanish, starting from a generalization of manually annotated frames. Taking as a departure point the data base SENSEM (Fernández et al 2004), the subcategorization frames of 1161 verbal senses have been acquired. These frames have been grouped in equivalence classes by clustering techniques. Each class represents a generalization over the syntactico-semantic behaviour of the verbs in it. Our final target is to enrich a verbal lexicon with subcategorization frames, automatically assigning each verbal piece to one of these classes based on examples from corpus that have been automatically analyzed. We present a preliminary evaluation of a classifier that carries out this task. Esta investigación ha sido posible gracias al proyecto KNOW (TIN2006-1549-C03-02) del Ministerio de Educación y Ciencia, a una beca Postdoctoral Beatriu de Pinós de la Generalitat de Catalunya otorgada a Laura Alonso y a la beca Predoctoral FI-IQUC también de la Generalitat de Catalunya, otorgada a Nevena Tinkova, con número de expediente 2004FI-IQUC1/00084.

En este artículo presentamos el desarrollo del proyecto SenSem (BFF2003-06456), que tiene como objetivo describir y representar el comportamiento léxico, sintáctico y semántico de los verbos del español. En el desarrollo de este proyecto se están construyendo dos recursos: un corpus de oraciones asociadas a su interpretación sintáctico-semántica y un léxico donde cada sentido verbal se asocia a un conjunto de ejemplos anotados del corpus. This paper presents the development of the SenSem project (BFF2003-06456), which aims at describing and representing the lexical, semantic, and syntactical behaviour of Spanish verbs. Two resources are being developed in the course of this project: a corpus of sentences associated to their syntactic-semantic interpretation, and a lexicon where each verb meaning is linked to a number of annotated examples from the corpus.

En este artíiculo presentamos una metodología para la adquisición de recursos léxicos a partir de corpus sin anotar. Esta metodología está demostrando ser de una gran eficacia para lenguas que, como el ruso, presentan una morfología rica y de tipo predominantemente concatenativa. La metodología puede aplicarse tanto a la creación de nuevos recursos léxicos como en la ampliación de recursos léxicos ya existentes. Presentamos asimismo una extensión de la metodología que realiza consultas automáticas a Internet para adquirir aquellas entradas para las cuales no existe suficiente información en nuestro corpus. This paper present a methodology for the automatic acquisition of lexical resources from raw corpora. This methodology has proved to be efficient for those languages that, like Russian, present a rich and mainly concatenative morphology. This method can be applied in the creation of new resources, as well as in the enrichment of existing resources. We also present an extension of the system that uses automatic querying to Internet to acquire those entries for which we have not enough information in our corpus. Esta investigación se ha llevado a cabo con el apoyo de los proyectos INTERLINGUA (Universitat Oberta de Catalunya e IN3-IR266) y HERMES (TIC2000-0335-C03-02).

En este artículo presentamos una metodología para la adquisición de recursos léxicos a partir de corpus sin anotar. Esta metodología está demostrando ser de una gran eficacia para lenguas que, como el ruso, presentan una morfología rica y de tipo predominantemente concatenativa. La metodología puede aplicarse tanto a la creación de nuevos recursos léxicos como en la ampliación de recursos léxicos ya existentes. Presentamos asimismo una extensión de la metodología que realiza consultas automáticas a Internet para adquirir aquellas entradas para las cuales no existe suficiente información en nuestro corpus. This paper presents a methodology for the automatic acquisition of lexical resources from raw corpora. This methodology has proved to be efficient for those languages that, like Russian, present a rich and mainly concatenative morphology. This method can be applied in the creation of new resources, as well as in the enrichment of existing resources. We also present an extension of the system that uses automatic querying to Internet to acquire those entries for which we have not enough information in our corpus.

Presentamos CARPANTA, un sistema de resumen automático de correo electrónico que aplica técnicas de conocimiento intensivo para obtener resúmenes coherentes. El uso de herramientas de PLN de amplia cobertura garantiza la robusteza y portabilidad del sistema, pero también se explota conocimiento dependiente de lengua y dominio. CARPANTA ha sido evaluado por comparación con un corpus de resúmenes confeccionados por jueces humanos, con resultados satisfactorios. We present CARPANTA, an e-mail summarization system that applies a knowledge intensive approach to obtain highly coherent summaries. Robustness and portability are guaranteed by the use of general-purpose NLP, but it also exploits language- and domain-dependent knowledge. The system is evaluated against a corpus of human-judged summaries, reaching, satisfactory levels of performance. This research has been conducted thanks to a grant associated to the X-TRACT project, PB98-1226 of the Spanish Research Department. It has also been partially funded by projects HERMES (TIC2000-0335-C03-02), PETRA (TIC2000-1735-C02-02) and by CLiC (Centre de Llenguatge i Computació).

En este artículo presentamos una metodología para la adquisición automática de información léxica y morfosintáctica a partir de corpus sin anotar. El sistema utiliza información sobre la morfología flexiva de la lengua a tratar, así como información léxica y morfosintáctica de las palabras pertenecientes a clases no flexivas y de las palabras cuya flexión no corresponde a paradigmas regulares. Se trata de un sistema en desarrollo por lo que las evaluaciones que incluímos son preliminares. This paper presents a methodology for the automatic acquisition of lexical and morpho-syntactic information from raw corpora. The system uses information about the inflectional morohology of the language and lexical and morho-syntactic information of the words belonging to non-inflectional categories and of the words not belonging to regular paradigms. En aquest article presentem una metodologia per a l'adquisició automàtica d'informació lèxica i morfosintàctica a partir de corpus sense anotar. El sistema utilitza informació sobre la morfologia flexiva de la llengua a tractar, així com informació lèxica i morfosintàctica de les paraules pertanyents a classes no flexives i de les paraules la flexió de les quals no correspon a paradigmes regulars. Es tracta d'un sistema en desenvolupament pel que les avaluacions que incloem són preliminars.

Presentamos la construcción de un lexicón computacional de marcadores del discurso orientado a resumen automático. Hemos realizado un análisis de una primera versión del mismo mediante métodos empíricos e implementación en un sistema de resumen. Este análisis ha dirigido una nueva configuración del lexicón, más adecuada descriptivamente y proceduralmente. Asimismo, hemos identificado algunas características generales de los marcadores como operadores discursivos. We present the construction of a computational lexicon of discourse markers oriented to text summarization. We have carried out an analysis of a first version of this lexicon with empirical methods and by implementation in a text summarization system. This analysis has directed a new configuration of the lexicon, more adequate both descriptively and procedurally. Moreover, we have identified some general features of discourse markers as discourse operators. Este trabajo se ha realizado gracias a una beca pre-doctoral asociada al proyecto X-Tract, PB98-1226 del Ministerio de Educación y Cultura. Parte de esta investigación se inscribe en el marco de los proyectos HERMES (TIC2000-0335-C03-02) y PETRA (TIC2000-1735-C02-02).

En este artículo mostraremos cómo las técnicas de clustering pueden aportar evidencia empírica para una caracterización de los Marcadores del Discurso (DMs) que contribuya a superar la falta de consenso y reduzca el coste de construcción de los recursos de PLN basados en DMs. Hemos establecido una noción de prototipicalidad de DMs comparando las clasificaciones de corpus anotado manualmente y automáticamente, a partir de la cual podemos obtener clasificaciones fiables a partir de corpus anotado automáticamente. In this paper we will show how clustering techniques provide empirical evidence for a characterisation of Discourse Markers (DMs) that helps in overcoming the lack of consensus and reduces the cost of building NLP resources based on DMs. By comparison of classifications from hand-tagged and unsupervised corpora we are capable of grounding a notion of DM prototypicality, from which reliable classifications can be obtained from fully unsupervised corpora. This research has been conducted thanks to a grant associated to the X-TRACT project, PB98-1226 of the Spanish Research Department. It has also been partially funded by projects HERMES (TIC2000-0335-C03-02) and PETRA (TIC2000-1735-C02-02).

In this paper we will show how clustering techniques provide empirical evidence for a characterisation of Discourse Markers (DMs) that helps in overcoming the lack of consensus and reduces the cost of building NLP resources based on DMs. By comparison of classifications from hand-tagged and unsupervised corpora we are capable of grounding a notion of DM prototypicality, from which reliable classifications can be obtained from fully unsupervised corpora.

En este artículo presentamos los criterios para la anotación y desambiguación morfosintáctica de un corpus de referencia del español que será de libre disposición, proponiendo respuestas concretas a casos problemáticos de ambas tareas. El objetivo final es disponer de una colección escrita de 1 millón de palabras desambiguadas manualmente a nivel tanto morfológico como sintáctico, que pueda utilizarse para el aprendizaje automático así como para la consulta lingüística. Discutimos detalladamente la categorización de las palabras del español así como los criterios lingüísticos de desambigüación. Este trabajo ha sido parcialmente financiado por una beca FPU (AP98-39864555), por la CICYT TIC98-0423-C06 y por X-Tract (PB98-1226).

En este artículo presentamos los criterios para la anotación y desambiguación morfosintáctica de un corpus de referencia del español que será de libre disposición, proponiendo respuestas concretas a casos problemáticos de ambas tareas. El objetivo final es disponer de una colección escrita de 1 millón de palabras desambiguadas manualmente a nivel tanto morfológico como sintáctico, que pueda utilizarse para el aprendizaje automático así como para la consulta lingüística. Discutimos detalladamente la categorización de las palabras del español así como los criterios lingüísticos de desambigüación.

En este artículo se presenta una clase de predicados, la de cambio, a partir de los elementos que hemos definido como básicos para la descripción del comportamiento verbal (componentes de significado, diátesis y estructura eventual). Se parte de la hipótesis de que los tres aspectos citados interaccionan entre sí y que son fundamentales a la hora de dar cuenta del uso real de los predicados. Esta información ha sido incorporada en la entrada léxica de una base de conocimiento léxico, de la cual presentamos la implementación. Este trabajo ha sido realizado gracias a los recursos obtenidos con los proyectos PB-94 0830 de la DGICYT, la acción APC-96 0125 de la DGICYT, ITEM TIC-96 1243-C03-02, el proyecto Lvbac (03.04.98) de la Universitat de Lleida y la beca predoctoral del Comissionat per a Universitats i Recerca de la Generalitat de Catalunya (ref. FI 96/6008 PG).

In this article we present our conception of diathesis alternations and how they intervene in the definition of a model of lexical entries. We consider that diathesis alternations are the syntactic realizations of oppositions of a more general semantic nature. We will see how they interact with other components such as event structure and how different semantic classes of predicates arise from that interaction.

En este artículo se presenta una clase de predicados, la de cambio, a partir de los elementos que hemos definido como básicos para la descripción del comportamiento verbal (componentes de significado, diátesis y estructura eventual). Se parte de la hipótesis de que los tres aspectos citados interaccionan entre sí y que son fundamentales a la hora de dar cuenta del uso real de los predicados. Esta información ha sido incorporada en la entrada léxica de una base de conocimiento léxico, de la cual presentamos la implementación.