lento del Lenguaje Natural, boleuin n° 17, Septiembre de 1995 , Segmentaci6n y andlisis morfoldgico de textos en espafiol utilizando el sistema SMORPH: Salah Ait-Mokhtar - José Lazaro Rodrigo Mateos Groupe de Recherche dans les Industries de la Langue -GRIL- Formation Doctorale Linguistique et Informatique Université Blaise-Pascal (Clermont II) 34 avenue Camot - 63037 CLERMONT-FERRAND ‘Tél. :73 40 68 72 - Fax :73 40 63 99 salah@gril.untv-bpclermont.fr jose@gril.univ-bpclermont fr Abstract: This paper describes the SMORPH system -a tool for building electronic dictionaries, morphological analysis and tagging of running texts- and how it is currently used to build a Spanish dictionary and to process Spanish texts. The system has shown to be efficient and deals, in a declarative fashion, with several typographical and morphological phenomena (punctuation and typographical rules, prefixes and suffixes, compounds, unknown words, etc. ) which, though very usual in running texts, are not taken into account by most grammar building tools and parsers. SMORPH is part of the GRIL works on the study and development of tools for automatic linguistic processing of texts. It must be then considered as a module integrated in other projects (syntactic analysis, etc.). Keywords: text segmentation, typographical analysis, morphological analysis, text processing and tagging. Resumen: En ste articulo presentamos el sistema SMORPH, una herramienta para Ja construccién de diccionarios electrénicos para el andlisis morfolégico y el etiquetado de textos reales, asi como su utilizacién para la construccion de un diccionario para el tratamiento de textos en. espafiol. El sistema se revela eficiente para declarar los fenémenos tipograficos y morfoldgicos (reglas tipograficas y de puntuacién, prefijos y sufijos, palabras compuestas, palabras desconocidas, etc.), que pese a aparecer frecuentemente en los textos reales, no siempre se tienen suficientemente en cuenta en los analizadores sintacticos. Smorph se enmarca en los trabajos del GRIL sobre estudio y desarrollo de herramientas de tratamiento lingiiistico automatico de textos, y debe considerarse como un médulo que se integra en otros proyectos (anilisis sintactico, etc.). Palabras clave: Segmentacién, andlisis tipogréfico, andlisis morfolégico, tratamiento y etiquetado de corpus. 1 Nuestro sincero agradecimiento e Gabriel G. Bes y 2 Caroline Dafniet por su valiosa colaboracién . SMORPH 5A Mokiver-JL Rodrigo Maas / GRIL / SEPINGSProcesamiento del Lenguaje Natural, boletin n° 17, Septiembre de 1995 1 Presentacién general de Smorph Enla figura 1 se presenta el funcionamiento general de SMORPH: ‘TERMINACIONES DICCIONARIO- FUENTE ( MODELOS DE FLEXIONES ENTRADAS LEXICALES COMPILADOR, TEXTOS ANALIZADOS |EGMENTADOS Y ETIQUETADOS) Figura Podemos distinguir dos partes: el sistema que esta compuesto de un compilador y de un analizador generador; y los datos externos necesarios para que el sistema funcione, un diccionario fuente. El diccionario fuente, es un conjunto formado por tres tipos de ficheros: “terminaciones," "modelos de flexién morfoldgica” y “entradas lexicales". ‘A partir de los datos del diccionario fuente, el compilador produce un diccionario binario, compuesto por todas las formas flexivas organizadas en forma de un automata de estados finitos. Este diccionario binario seré utilizado por el analizador-generador de SMORPH para segmentar y etiquetar textos, y para generar formas flexivas. 2 Creacién de un diccionario Para crear un diccionario, el usuario debe definir tres tipos de datos: terminaciones, modelos de flexiones y entradas lexicales. Un conjunto légicamente coherente de estos datos constituye un diccionario fuente. 2.1. Terminaciones Es necesario declarar todas las terminaciones necesarias para la definicion de un modelo de flexién, en un fichero de terminaciones. SHORPH 7© Ai Morbar- JL Roarige Mateos / GRIL /SEPLNSSProcesamiento del Lenguaje Natural, boletn n° 17, Septiembre de 1995 31 # EJEMPLOS DE TERMINACIONES RE @. —#terminacion vacia °. # para nombres masculinos singulares a # para nombres femeninos singulares os # para nombres masculinos plurales as. # para nombres femeninos plurales €s. __ #para nombres plurales terminados por consonante 4# terminacién distinguida : para nombres femeninos singulares cién fst. # terminaci6n distinguida : para nombres femeninos plurales cones n/pf. figura? Las terminaciones se declaran, unas seguidas de otras, separadas por puntos. El caracter "#" permite introducir comentarios . Es posible declarar la terminacién vacia, representada con el caracter "@". Es posible asociar a una terminacin distinguida (cf. 4.4) la definicion morfolégica correspondiente. 2.2 Modelos de flexiones morfolégicas Una definicién morfolégica es una lista de valores de huellas morfolégicas como por ejemplo, el nombre, persona o genero. Un modelo de flexién retine el conjunto de flexiones de una clase de palabras. La descripcion de esta flexién consiste en asociar a un conjunto concreto de terminaciones, un conjunto de definiciones morfolégicas. # EIEMPLOS DE MODELOS NOMINALES ‘EER #MODELO@n-os: — NOMBRESTIPO—_—niio-os -a-as @n-0s-1 +0 nism +0s nfpm 4a asf. 40s ip #MODELO@nmes: NOMBRESTIPO bol -es @nm-es 0 +@ nism 45pm #MODELO @n-s: NOMBRES TIPO responsable -s @ns0 +@onis* +s mp Bewas SMORPH 7 Sai Malar “JL Rodrigo Mateos GRIL /SEPINProcesamiento de! Lenguaje Natural, boletin n° 17, Septiembre de 1995 ‘La declaracion de un modelo de flexién tiene la sintaxis siguiente: ‘ —- ‘cierminacién >, , ‘) Aetminacién >, s El primer campo < nombre del modelo> es el nombre del modelo de la flexién, (@n-os en la figura 3). Es una cadena de caracteres que no contiene espacios en blanco y que debe comenzar imperativamente por el caracter "@". El segundo campo es una cifra entre 0 y 9 que indica al compilador el ntimero de caracteres que debe sustraer a la forma lematizada de Ia palabra que sigue este modelo, para obtener la raiz, en el caso de que ésta no figure explicita en la entrada lexical, (1 en la figura 3). El tercer campo es una terminacién declarada de antemano enel fichero de terminaciones. (+os_ en Ja figura 3 para indicar la terminacién del tipo nifio.). Sino fuera asi, el compilador generaria un error. El cuarto campo es una cadena de caracteres cualquiera, con la salvedad de no contener espacios en blanco ni "@" como primer caracter (n/sm en el ejemplo, para indicar nombre, singular, masculino). {ilizamos el caracter "*" como variable, para marcar, por ejemplo, la posibilidad de un nombre o adjetivo, de ser masculino 0 femenino, como es el caso de "responsable" en el ejemplo de la figura 3. Los modelos de flexién pueden estar repartidos en diferentes ficheros. 2.3 Entradas lexicales: ‘Una entrada lexical puede definirse de tres formas: + es el lema de una palabra?. Es el caso mas simple de entrada. En primer lugar, el programa calcula la raiz del lema sustrayendo los » imos chracteres; siendo n el indice de la rafz definido en el modelo correspondiente. Genera, a continuaci6n, Jas formas flexivas afiadiendo a la raiz, las terminaciones declaradas en el modelo; les asocia sus definiciones morfol6gicas y las organiza en un autémata de estados finitos. Por ejemplo, declaramos de esta manera los lemas del tipo niifo (ver figura 4). . ‘ auimos los trios adoptados por GENELEX (GENELEX, $3) para a lenin de ema, ‘SMORDH 7 S aac Mahar JL Rowige Mateos / GRIL /SEPIN%ento del Lenguaje Natural, boletin n° 17, Septiembre de 1995 Es el tipo de entrada utilizada para los lemas cuya raiz no puede se sustrayendo un determinado numero de caracteres. Es el caso del verbo comunicar que tiene dos raices: comunic- y comuniqu- n figura 4). ‘Asi pues, la rafz esta explicitamente sefialada en el segundo campo de la trada. , , , “terminacién >, , En este tipo, la entrada no utiliza un modelo de flexién, ya sea por el = gscaso ntimero de flexiones, o por que el posible modelo, no declarado, seria co representativo. Es el caso del articulo, donde “el” es el lema de las raices el", "la "lo" "los" "las* (ver figura 4) Las entradas pueden declararse en diferentes ficheros. En la figura 4 pueden apreciarse unos ejemplos de entradas lexicales, suponiendo, claro est, que las terminaciones y los modelos han sido convenientemente declarados (cf. 3.1.1 y 3.1.2). # EJEMPLOS DE ENTRADAS LEXICALES ER animal ‘autoridad granjero niflo ‘comunicar a al 3 Compilacién de un diccionario Todos los nombres de los ficheros del diccionario fuente deben declararse en un fichero amado "data". La compilacién produce un diccionario binario llamado "dict-bin", que sera utilizado para el andlisis de textos. Una vez, preparado el fichero data, el utilizador puede lanzar la compilacién siguiendo las érdenes del ment, sabiendo que si existiese un error de sintaxis 0 de légica (por ejemplo la utilizacién de una terminacién que no ha sido declarada) el compilador se pararé, indicando un mensaje de error en el que figurarén el tipo de error, el nombre del fichero del diccionario fuente en que se produce tal error, asi como la linea donde se localiza. ‘SORPH/ SA Molivar JL Rodrigo Mateos / GRIL /SEPINS 33Procesamiento del Lenguaje Natural, boletin n° 17, Septiembre de 1995 4 ANALISIS DE TEXTOS EN ESPANOL Un anilisis morfélogico de textos presenta una serie de problemas de tipo lingiiistico y tipografico que se han intentado tener en cuenta para la concepcién de Smorph. La experiencia adquirida en el tratamiento de textos con REAL, "Programa de extraccién automatica de lemas con su contexto” (Rodrigo, 94) (Ait-Mokhtar, Rodrigo y otros 93) nos ha ayudado a repertoriar muchos de estos problemas, que sin un trabajo sobre el terreno, son dificiles de imaginar. Para la construccién del diccionario fuente del espafiol tenemos presente ademés de la literatura lingiifstica (Alarcos, 80) (Hernandez, 84) etc., manuales Practicos como, entre otros (EFE, 89) (EL PAIS, 90); para_una bibliografia de base sobre la morfologia (Varela, 92). i Para los modelos verbales, seguimos por razones practicas, (Bescherelle, 88), si bien se podrian reducir el ntimero de modelos alli presentados. 4.1 Prefijos y sufijos Las nociones de "prefijo" y "sufijo" deben de entenderse en el sentido tipogréfico ya que no se corresponden exactamente con la nocién tradicional de la lingaistica. Un prefijo es todo item que se escribe sin estar separado de la palabra siguiente por un caracter separador (un espacio en blanco, un gui6n, etc.) (Ait-Mokhtar, 94). Citemos, como ejemplo el prefijo “ex-" con sus diferentes formas: ex ex ex - (excampeén lex-campeén | ex ~ campeén) Otro ejemplo, "para", que puede ser, preposicién, verbo o prefijo: para preposicién Para verbo parar para prefijo (peramilitar | pare-militar | para ~ militar) Para distinguir el prefijo "para-" de los otros casos, declaramos para “para” una entrada en la que se especifica que no debe estar seguida de un espacio en blanco. Sin embargo, es posible encontrar “para militar" En este caso no hay posibilidad de desambigiiizacién en el nivel morfolégico. Los sufijos se tratan de la misma manera que los prefijos. Los pronombres cliticos son considerados como sufijos, ya que no hay espacio en blanco entre las formas verbales que les preceden y dichos pronombres (Castel, 94). Cuando los dos diticos aparecen juntos, la forma resultante es una palabra esdrijula, y por tanto acentuada, lo que exige normalmente una nueva rafz, que se declarard en la entrada lexical como ‘se ve en los ejemplos siguientes: ‘SMORPH 7S aie Melivar-J1-Rodnige Mates /GRIL /SEPINGSBMilenio del Lenguaje Natural, boletin n° 17, Septiembre de 1995 slo pon=10 cle di-le “10 Pén-se-lo did ~se-lo Los prefijos y sufijos se segmentan palabra que contiene un prefijo, lararlo en el diccionario; ya E§tgO definido en el diccionario. Ciertos signos de puntuacién, como el punto o la coma, son también iderados como sufijos, dado que no hay ningtin espacio en blanco entre el to y la palabra que le precede. La declaracién de un prefijo o un si observa en la figura 5. como tales. Sino se quiere segmentar como prever, simplemente basta con que el analizador da en salida el segmento mas ijo se hace con el caracter "A", como ae weggas 42 Palabras compuestas Una palabra compuesta se define como un segmento formado por varias Palabras, que pueden estar separadas por un espacio en blanco, pero que no Nenen exigencias sintacticas de orden interno (por ejemplo, exigencias de concordancia entre las palabras componentes). Por otra parte, ningiin elemento externo debe Poder intercalarse entre las Palabras componentes de una palabra compuesta: guardia marina guardia marinas Quardias marinas acerca de lo que tarjeta de crédito La declaracién de una palabra compuesta se hace remplazando los posibles espacios en blanco por el caracier "_" como se observa en la figura 6. Guardia_marina guardia_marina 7@ ons Guardia_marina guardias_marina +@ pt Guardia_marina guardig_marina +o op ilémetro-hora _kilémetro-hora +@ nism Kilomero-hora kilémedros-hora +@ rpm Temas MORPH 5 div Maktiar =] Rodrigo Mateos / GRIL7 SEPINGS 35Procesamiento de! Lenguaje Natural, boletin n° 17, Septiembre de 1995 4.3 Ambigiedad en ia segmentacion Se dan casos de palabras compuestas, y de otros tipos de palabras, que ofrecen una ambigiiedad de segmentacién que sdlo un anélisis sintdctico o seméntico puede solucionar: (2) “1a nina se tacerca] de nuevo a su mare" (2) “(acerca de] la misica popular, el ministro dice..." (3) “la pesar] de todo, Induraain correré el Tour" (4) "vuelve a (pesar] més de sesenta a cien kilos" ‘Tenemos dos lecturas posibles de la cadena de caracteres "acerca de". En (1) “acerca” es una forma flexiva del verbo “acercar" y "de" es una preposicién, mientras que en (2) “acerca de" es un adverbio. Igualmente en la cadena "a pesar"; en (3) “a pesar" es un adverbio; mientras que en (4) "a" es una preposicin y "pesar" es el infinitivo del verbo pesar. Los puntos finales de las siglas constituyen otro caso de ambigiiedad de segmentacion, ya que pueden no permitir e] reconocimiento del final de una frase: (5) 1a R.E.N.F.E. suprimira las lineas no rentables (€) Habra huelga en la R.E.N.F.E. La declaracion de un segmento ambiguo se hace con el caracter "~", como se observa en la figura 7. acerca sera de +@ prep RENFE. RENFE-. +@ nist ‘figura 7 Por tiltimo, en el caso de los homégrafos, si la declaracién hecha en el diccionario es correcta, Smorph daré todas las definiciones morfologicas posibles: objetivo @n-8 # nombre “objetivo” objetivo @a-1 # adjetivo objetivar @vbs # verbo, indicativo presente: “objetivo” 4.4 Terminaciones distinguidas y palabras desconocidas Por muy completo que sea un diccionario, el tratamiento automatic de textos presenta siempre casos de palabras desconocidas como es el caso de los neologismos, las palabras no resefiadas en el diccionario, los términos técnicos, etc. (Silberztein, 93). En ciertos casos, a partir de la terminacién morfol6gica podemos, sin embargo, describir la categoria de la palabra desconocida. Asi por ejemplo, cualquiera que sea la cadena de caracteres acabada por “sci6n" ("accién”, "traccién” "cancién"), podemos estar seguros de que dicha palabra es un nombre; e, igualmente, cualquiera que sea la cadena de caracteres acabada por "-6", podemos asegurar que dicha palabra es una forma flexiva de un verbo en pretérito indefinido. ‘SRMORPH 7S AicMotivar-[L Rodrigo Masco: 7 GRIL/ SERINENo del Lenguaje Natural, boletin n° 17, Septiembre de 1995, Smorph marca con el cardcter "t" las definiciones morfologicas obtenidas Peias a una terminacién distinguida, como se ve en el ejemplo siguiente © de un parte de prensa (cf anexo), en el que hay un error tipogragico en Jabra "poblacién” : poiblacién < poiblacién n/s£ >! Tolerancia de errores Es posible tener en cuenta un mimero de euentes en los textos, declarando como minaciones erréneas. errores tipogréficos, que son terminaciones las posibles Asi por ejemplo, en espafiol, podemos considerar ciertos acentos de formas flexivas, sopena de no reconocerlos en los textos por aparecer Beneralmente no acentuados, como "oir" y “oir” o, aunque menos frecuente, la *# de la cuarta persona del pretérito indefinido, como "vinistes" por "viniste”. El hecho de declarar ciertos signos de puntuacién como sutijos y como entradas normales, permite también el reconocimiento de las palabras Independientemente de los espacios en blanco. 5 Implementacién EI sistema esté implementado en C sobre UNIX en una estacién SPARC 2. La velocidad de anilisis y del etiquetado de textos es de 1000 palabras por segundo aproximadamenie. Es interesante sefalar la utilizaci6n del espacio de memoria. El espacio utilizado por una entrada puede Megar a 4 octetos por término medio, sobre todo si las formas can6nicas tienen una gran cantidad de formas flexivas, como es el caso de los verbos en general y del verbo espaiiol en particular, 6 Referencias bibliograticas (Ait-Mokhtar, Rodrigo y otros, 93) AIT-MOKHTAR Salah; DAFNIET Caroline; GANGUTIA Pascal; RODRIGO MATEOS José Lazaro :“REAL: A program for Searching and Extracting Lemmas”, DELIS, LRE Project 61-034. SDM-2 Meeting April 3/6. (Ait-Mokhtar, 94) AIT-MOKHITAR Salah :“SMORPH, Segmentation et analyse morphologique; guide d'utilisation", publicacién interna, GRIL. (Alarcos, 80) ALARCOS LLORACH Emilio: Estudios de gramatica funcional del espartol, Madrid, Gredos. SMORPH /S Aichi -J1L Redsgo Mateos /GRIL SPINS 37Procesamiento det Lenguaje Natural boletin r° 17, Septiembre de 1995 (Bescherelle , 88) MATEO Francis, ROJO Antonio J. : Bescherelle. El arte de conjugar en espaiiol. Diccionario de 12000 verbos. Hatier. Paris (Castel, 94) CASTEL Victor M : Paquels de clitiques de l'espagnol. Calcul de la corrélation entre roles sémantiques et propriétés morphologiques et implémentation dans une grammaire catégorielle d'unification. Tesis defendida en ja universidad de Clermont-Fd. (EFE, 89) ‘Agencia EFE, Manual del espayiol urgente, Madrid, Catedra. (EL PAIS, 90) Libro de estilo Madrid, Publicaciones El Pafs. (GENELEX, 93) Consortium GENELEX: Rapport Projet Eureka Genelex “Couche Morphologique”. (Hernéndez, 84) HERNANDEZ ALONSO César: Gramdtica funcional del espafiol, Madrid, Gredos (Rodrigo, 94) RODRIGO MATEOS José Lazaro : "Programa de extraccién automdtica de palabras con su contexto REAL". SEPLN n° 14 pags 149 - 163). (Silberztein ,93) SILBERZTEIN Max : Dictionnaires électroniques et analyse automatique de textes. Paris Masson. (Varela, 92) VARELA ORTEGA, Soledad:Fundamentos de Morfologia., Madrid, Sintesis. ‘SORPHT7 S AicMotivar- [L Rearigo Mates / GRIL /SEPINSPPbonio del Lenguaje Natural, boletin n° 17, Septiembre de 1995 FIEXO: —Andlisis morfolégico y etiquetado de un texto en espafol En este anexo presentamos, un resumen de las abreviaturas utilizadas en definiciones morfolégicas, un texto y el andlisis realizado por Smorph. 1 Resumen Palebra reconocida gracias a una terminacién distinguida 3 3S persons a aajerive: fav Adverbio. a articale. ong ace gaiée inp so ina thas ine MOF_micomne par Parva pars PE Pt Preterite indefinido re Plural masculine Pos Poserive Prep Preposicion Pro Pronenbre Pe Ponte Punt Eigne de pontuacién = Singular (masculine © femenino) a Singular fenenino to Singular, masculine, nb cubjuntive 2 Texto para analizar El texto presentado es un parte de prensa del 24 de febrero de 1993. Un total de 19 personas - 8 policias, 8 cuatreros y tres granjeros - murieron el lunes pasado en una escaramuza entre las fuerzas del orden y ladrones de ganado en el nordeste de Kenia, anunciaron el miércoles las autoridades. La policfa habia detenido en el distrito de Wajir a la banda de cuatreros responsable del robo de 260 cabezas de ganado, Las tres victimas civiles eran granjeros legados a identificar a sus animales. El sdbado Ultimo, 27 personas murieron a manos de cuatreros en el distrito de Pokot (oeste) y un centenar de cabezas de ganado desaparecieron. En enero, 8 policfas y varios paisanos murieron en incidentes con bandidos ‘en Wajir, donde la inseguridad creciente se debe a bandas armadas procedentes de la vecina Somalia, segtin el gobierno keniano. Por iltimo, ayer siete personas sospechosas de practicar la hechicerfa fueron asesinadas por la poiblacidn en el distrito de Bungoma, en la frontera de Uganda, informs Ia prensa. |SMORPH / Sait Mekivar-JL Rodrigo Mateos / GRIL / SPIN+ 2 Texto analizado por Smorph: Ue un art/sm/indt > Fetal S tetat ayer > Steel yee 5 ee a prep 5 cy £19 Betfe2 som > personas § Peveont ee ® £0 See/s*/am's policias & polieia vee > : < pei pant/com. > ‘ ea Eeeys/oun > Suatreros < cuatrero ipo > Suatzere | a/pa > x Ey “congveop 5 bees £ dean *det/Ea/mum > Sranjeror & granjero”n/em > < Sranjeroa/pa > - EN Gulén/inckeo > zurieron & morsF v/pes/ind/pi > a er art/an > Tunes = Tones nfem > pasado S pacst V/en/pax > {pasado “afm 5 Sea Sun Tetvetsinas > secaramaza < escarama, n/ef > entre < entre prep > ike Sel astipe > ‘fuerzas_del_orden < fuersac_ del orden n/pf > x ‘ Yaarones < Taeren a/pm > ae ae prep > ganado < ganar v/eut/par > < Ganado “a/en > & ganado, ayem > on én prep a Sel aren > hordeste < Rordeste n/om > ce cae prep > Kenia < Kenia p/et > 7 <2 pont/eona > ‘jnunciaron < Snunciar,v/p"3/ind/pt > a <1 art/en > miércoles < mifrcoles 2/sn > Sal are/pe > Autoridades —€ Sutoridad n/pa > <= Punt/pt > ia ca “are/ee > pelicta £ pelicia n/at > Ransa < aber v/erl/iné/imp > Sbaber v/st3/ina/imp > devenide < detenide “a/an > Sdetener” v/em*/par > on Sen prep > a Sel irevem > Gistrito < Gistrite -n/sm > ge ge. prep > Wager < Wajiz’ MOT mcomm > 2 da cen Tarver > banda < Banda n/ef > ce Shatzeros < cuatrero, /pa > costrerea/pm > responcables < Fespontable n/t > < Fecponsable _ a/p™ > dea < devel preart/en > Fobo < robo a/en > Procesamiento del Lenguaje Natural, boletin n° 17, Septiembre de 1995 Seeneissene by Sietrito Se Poot « Sete y ¥ centenar a cabezas oe ganado deraparacieron in a policias y Sartos Paizanos Eurierea Snetdenter AR AAA AA AAAAARAAARARAAAA AAA ARAAAAAARARAAAAAARAAAAAAAARAAARAAAA ABAD de prep > 260 “Get/**/oum > | fabeza n/p > do Prep > ganar’ v/ent/par > Ganado. “a/en > ganado n/en > ‘punt /pt > aa "areype > Eres ““det/*>/aun > victim a/pe > Givil aft > civil ype > fer v/ptS/ind/imp > granjere” o/pm > granjere2/pa > Glegar v/pat/par > Legace “a/pa > a prep > iaentificar v/¥*/int a Prep > 30 “pro/st3/pose > animal a/pa> S Punt /pt > or art/en > tapadon/en > Gltine | a/em > 4, Punt/eoma > a7 Fase /**/e0m > recna a/pe > Borir v/pee/ind/ps > Siatzere” n/m > Goatrere 3/Ea > ea prep > si Entvom > Sistrito "n/em > ae "prep > Sexo” “hoz _micomwo > Cpunt/pare > SantE aren > Prune fears > So “Sre/envsnar > Sentenar-n/em > ae prep > cabera fpf > Sa prep S Sanar” ¥/ax*/par > Ganado “a/an 5 Ganado o/en > Setsparecer v/p*3/s0d/p ‘Pane/pe > Soero” B/em > 7 pont foama > @ Eeey*s/oue > Policia. apt > Fcond/eop > Yarion Set /pa/indt > Pelssno ‘o/ges Eosis'” w/peivszayps > en prep > Sdesaenee n/pm > incidente | S/p" > ‘SMORPH7 S.an-Nckivar- | Rodrige Mateos /GRIL /SEPLNGScon prep > Bandide n/pm > en prep > Wagixt MO2_INCONNO > punt /eatia > donde pro/rel > el act/ef > Eneegaridsd ” n/en > ereciente a/et > fe. pro/*3/teex > fe pre/**3/dat > + punt/eoma > ayer adv >. ete det/**/aum > persona a/pe > Torpechoro 'n/pe > Sospechoro a/pE > de" prep > Practicar v/***/inf > fl art/st > Rechiceria "n/st > wer w/pi3/indy/et > iP v/pss/inaypa > aeesinar v/pt*/par > por prep > Sl are/et > Poiblacion n/st >! en prep > ei art/en > Sistrite a/em > de prep > Bangoma MOf_INCOMWD > 2 punt/eoma> eo “prep > ei art jez > Exonteza. n/ef > Seber el Ese/ez > Yecino a/st > vecine S/af > Somalia “ap/ef > ae prep > send /SB/AE,> intoEmar “w/ets/sna/pi > ei art/efs Prensa. a/st > ‘pant /pt > BREEN veh fdna/pre > keniane avem > = Bunt /pt > por Eltine "aav > : ‘MORPH /©.AicMothar- [Rodrigo Mateo / GRIL/ SINGS