Extracción de terminología
La extracción de terminología es una aplicación de procesamiento del lenguaje natural que consiste en extraer automáticamente una lista de palabras de un corpus especializado. El software que realiza la extracción de terminología se denomina extractor de términos .
Aplicaciones
Los términos extraídos por el término extractor se pueden utilizar de varias formas:
-
Terminología asistida por computadora : en este caso, el término extractor ayuda al terminólogo en su tarea al "cortar previamente" el trabajo. Luego hablamos de términos candidatos y no de términos. El terminólogo revisa la lista de términos candidatos (la denominada fase de análisis de terminología ) propuesta por el extractor y selecciona los términos que desea agregar a la terminología en construcción.
-
Creación de recursos bilingües : una vez extraídos, los términos se pueden alinear con sus traducciones. Esto permite la creación de diccionarios / glosarios / terminologías bilingües especializados útiles para la traducción humana y la traducción automática.
-
Creación de índices temáticos : Los términos se pueden utilizar como entradas de un índice temático, ya sea para un libro, un manual o un sitio web (por ejemplo: nube de palabras clave). En este caso, ayudan al lector / usuario de Internet a orientarse en el documento, dándoles acceso directo a los temas tratados.
Índices para la identificación automática de términos
Los índices utilizados para la identificación automática de términos son de tres tipos:
- Especificidad del término: El término es mucho más común en el corpus especializado que en un corpus de lenguaje general.
- Forma: Los términos son a menudo sustantivo frases pero también pueden ser verbales o adjetivales frases. En todos los casos, nos esforzaremos por reconocer una frase bien formada, la mayoría de las veces basándonos en patrones morfosintácticos.
- Cohesión: si el término está compuesto por varias palabras, estas muestran un alto grado de cohesión, es decir que frecuentemente aparecen juntas (decimos que frecuentemente co- ocurren ).
Generalmente, el término extractor toma como entrada un corpus preprocesado: los textos del corpus se han dividido en oraciones, las oraciones se han dividido en palabras y las palabras se han etiquetado .
Ver también
enlaces externos