Documentos de Académico
Documentos de Profesional
Documentos de Cultura
T
Tema 2.
2 Tercera
T parte.
1. Clases de palabras: las categorías
Análisis categorial gramaticales.
q
2. Etiquetado categorial
g ((PoS-tagging).
gg g)
Ingeniería del Lenguaje Natural 3. Técnicas de desambiguación categorial.
4 El análisis categorial en aplicaciones de
4.
Departamento de Lenguajes y Sistemas Informáticos
Universidad de Alicante PLN.
http://www dlsi ua es/asignaturas/iln
http://www.dlsi.ua.es/asignaturas/iln
ILN 2
ILN 3 ILN 4
Categorías gramaticales Categorías gramaticales
• EAGLES: • EAGLES:
ILN 5 ILN 6
• EAGLES: • Corpus
p anotados con categoría
g
gramatical:
– Brown corpus (inglés)
– PennTreeBank (inglés) Æ
– CLIC-TALP
CLIC TALP (español
( ñ l y catalán)
lá )
–…
ILN 7 ILN 8
Etiquetado categorial
• PoS tagging.
• Proceso de asignar automáticamente la
categoría gramatical correspondiente a las
palabras
l b y tokens
t k d un ttexto.
de t
– Entrada Æ texto plano + lista de etiquetas
S lid Æ palabra
– Salida l b – (lema)
(l ) – etiqueta
ti t
Eti
Etiqueta
t = categoría
t í + información
i f f ló i .
ió morfológica
• Conjunto de etiquetas predefinido.
ILN 9 ILN 10
• Ambigüedad
g intracategorial:
g • Ambigüedad
g intracategorial:
g
– Un mismo token sólo pertenece a una • Ambigüedad intercategorial:
categoría, pero dentro de ésta puede tener – Un mismo token puede pertenecer a más de
diferentes rasgos. una categoría.
– Ejemplo: “cantamos”
cantamos “diría”
diría .
• Ambigüedad intercategorial:
ILN 15 ILN 16
Ambigüedad categorial Técnicas de desambiguación categorial
ILN 17 ILN 18
ILN 19 ILN 20
Basado en reglas Basado en reglas
• Modelo racionalista
• ENGTWOL (Voutilainen, 1995)):
• Arquitectura
A it t básica:
bá i
– Inglés.
1. Diccionarios: todas las palabras agrupadas
– Palabra + lema + categoría + morfología
morfología.
por categorías gramaticales.
– 110 restricciones para casos incorrectos.
j
2. Conjunto de reglas
g de desambiguación:
g
• R
Reglas
l que iindican
di llo iincorrecto, b
basado
d en
– Creación manual. Gramáticas de restricciones (Constraint
Grammar Karlsson 1995)
Grammar, 1995).
ILN 21 ILN 22
ILN 23 ILN 24
Analizadores Híbridos Analizadores Híbridos
ILN 25 ILN 26