Littera Deusto

Hiru fasetan bereizten da corpus baten burutzea:
1. Testuen hautaketa: autore eta obra errepertorioa.
2. Testuen egiaztatze eta sartzea. Kodeak erabilita, hitz-mota zehaztu egiten da: +…+ (izen berezia); $…$ (extanjerismoak, erdarakadak); <…>(izen arruntak); etab.
3. Lematizazioa: hitz bakoitzari lema bat ezartzen zaio. Morfologiko eta gramatikalki sailkatzen dira eta kategoria zehaztu egiten da.

[Lee más →]

Question Answering system is a method based on natural language, whose aim is to locate a piece of information within a large document. We could describe it as a method to rescue answers to specific questions made by a user (“Who was The Lord Of The Rings written by?” “Which is the capital of Russia?”).
This […]

[Lee más →]

British National Corpus-a (BNC) 100 milioiko hitz-bilduma da, Erresuma Batuan hitz egiten den ingelesaren erakusgarri dena. BNC-k 4.054 testu ditu; hots, inprimatuz gero 100 metro-paper izango litzateke, eta osorik irakurtzeko 4 urte beharko genituzke. BNC-a 1990ean sortu zuten eta hurrengo urterako dagoeneko martxan zegoen, lehenengo hiru urteetan ehunka hitz bilduz. 100 milioi horietatik, ehuneko laurogeita […]

[Lee más →]

Soy una persona muy apasoinada. Muchos pensais que en exceso. A mi, por ejemplo, cuando me gusta una película no se queda en gustarme, a mi me apasiona y me vuelve loca, la veo mañana y tarde hasta aprendérmela de memoria. Si me gusta una canción, otro ejemplo, la escucho con el “repeat” sacando humo […]

[Lee más →]

Europako Giza hizkuntza Teknologia zentroen artean hiru aipatu behar ditugu: Dublineko Hizkuntzen Teknologia Zentrua, Euskal Herriko IXA taldea eta Alemaniako Hizkuntza Teknologien Laborategia.
Aipatuko dudan lehenengo zentrua, Dublineko “Hizkuntzen Teknologia Zentrua” da, bertako Unibertsitatean dagoena. Zentru honek ikerkuntza arrunta eta aplikatua du eremu hauetan: itzulpen automatikoan, hizkuntza naturalen analisi sintaktikoan, indukzio gramatikan, erantzun galderetan, analisiaren sentimenduan, ordenagailu bidezko hizkuntzen ikasketa, software […]

[Lee más →]

“Corpus” linguistiko bat hizkuntza batetik ateratako adibide multzo bat da. Adibide hauek guztiak testuak izaten dira normalean, baina ahozko formatoan ere egon daitezke. Hizkuntzalaraitzak badu adar bat hizkuntzak ikertzen dituena adibide hauen bidez.  Adar honi “Corpus-linguistika” deitzen zaio. Pentsaera honek  talka egiten du Chomsky-k esandakoarekin, hizkuntza hiztunaren intuizioaren bidez ikertu behar baita haren ustez. “Corpus […]

[Lee más →]

Itzulpengintza automatikoa informatika bezain zaharra edo gehiago da. Segur aski, giza zein ekonomia baliabide gehien jaso duen aplikazioetako bat da. Merkatuak gaur egun, makina bat produktu eskaintzen ditu eta benetan zaila da aditua ez denarentzat dituen beharretarako aproposena zein den erabakitzea. Artikulu honetan funtsezko gakoak emango dira teknologia honetara jotzearen aukera gutxieneko ezagutza izanik landu […]

[Lee más →]

As Jim Cowie and Yorick Wilks said in one article, “Information Extraction (IE) is the name given to any process which selectively structures and combines data which is found, explicitly stated or implied, in one or more texts”. We have to add that Information Extraction is a technology based on analyzing Natural Language, and when […]

[Lee más →]

Multiword expression (MWE): we called like this to the prases that focusing on the basis of stadard grammar rules and lexicar entries are not entirely predictable.
Nevertheless, we can´t think that any expression that can be realised hyphenated,as a single lexeme or alternatively with spaces, for instance: mailman/postman vs. mail/postmant, is a MWE. This could be used […]

[Lee más →]

And it’s the same decision I made two years ago. I’ve been sick the entire day, now, after making up my mind I’m completely treated.”
P.D.: Arreglado ha quedado el ordenador, un error que casi me deja sin mi enano, sniif!!

[Lee más →]

It has been published today by the local media:
The Bilbao Chamber of Comerse and DigipPen USA are honoured to present DigiPen Institute of Technology Europe-Bilbao, a project the goal of which is to boost a new strategic sector in Euskadi: Videogames and Virtual Reality. To this end, we will create high-performance training and research in […]

[Lee más →]

The most frequently used words in English are highly ambiguous; for example, Webster’s Ninth New Collegiate Dictionary lists 94 meanings for the word “run” as a verb alone. Yet people rarely notice this ambiguity. Solving this puzzle has commanded the efforts of cognitive scientists for many years. The solution most often identified is “context”: we use the […]

[Lee más →]