Procesamiento del lenguaje natural

Resultados obtenidos hasta la fecha

Los resultados de la investigación obtenidos hasta la fecha:

• Agrupación de los métodos de indexación, recuperación y lematización en euskera y castellano, mediante la creación de una interface KOA para su utilización en paquetes de uso masivo de ofimática, autoedición y edición multimedia.
• Acceso directo al léxico en memoria según un árbol n-ario de sílabas.
• Resolución de sinónimos en el motor de recuperación en euskera y síntesis de nombres.
• Sistema de equivalencias directas entre unidades léxicas de inglés y euskera.
• Alineamiento de textos.
• Lematización y segmentación de textos para euskera y español.
• Exploración y consulta de corpus.
• Visualización de concordancias de expresiones en el texto.
• Extracción y seguimiento de terminología.
• Tratamiento estadístico de memorias de traducción.
• Generación de propuestas de traducción basadas en memorias de traducción elaboradas mediante técnicas lingüísticas y estadísticas combinadas.
• Agrupación estadística de documentos (clustering).
• Generación de resúmenes y esquemas automáticos.
• Sistema de búsqueda de respuestas para euskera y español.
• Detección y seguimiento de sucesos para euskera y español.
• Extracción de información léxica a partir de corpus.
• Extracción de información sintáctica a partir de corpus.
• Extracción de información lingüística a partir de traducciones multilingües.

Estos resultados se aplican como tecnologías básicas para el procesamiento de los lenguajes naturales en diferentes proyectos y productos:

• Kapsula 2000: procedimientos de base para la indexación textual.
• IROM: tecnología de indexación y recuperación oracional.
• ACOTE: herramientas de visualización de concordancias y alineamientos de texto.
• AMETRA: herramientas de ayuda a la traducción.
• JAZOHARI: sistema de extracción de información y respuestas orientado a sucesos.
• MULCOR: Adquisición de conocimiento multilingüe a partir de corpus.
• DICCICOR: diccionarios combinatorios y de frecuencias basados en corpus.