Pasar al contenido principal

ETIQUETADOR SEMANTICO MULTILINGUE AUTOMATICO Y SOSTENIBLE

PID2022-137170OB-I00

•
Nombre agencia financiadora Agencia Estatal de Investigación
Acrónimo agencia financiadora AEI
Programa Programa Estatal para Impulsar la Investigación Científico-Técnica y su Transferencia
Subprograma Subprograma Estatal de Generación de Conocimiento
Convocatoria Proyectos de I+D+i (Generación de Conocimiento y Retos Investigación)
Año convocatoria 2022
Plan Estatal 2021-2023 Plan Estatal de Investigación Científica y Técnica y de Innovación
Centro beneficiario UNIVERSIDADE DE SANTIAGO DE COMPOSTELA

Resultados relacionados

Resultados totales (Incluyendo duplicados): 7
Encontrada(s) 1 página(s)

Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
Publicación Artículo científico (JournalArticle)

Nuevas vías para la desambiguación en frases nominales en alemán: fundamentos metodológico-lingüísticos para el desarrollo de una herramienta de anotación semántica (semi)automática, New avenues for disambiguation within noun phrases in German: methodological-linguistic foundations for the development of a (semi)automatic semantic annotation tool

  • Arias Arias, Iván
La presente investigación tiene como objetivo presentar algunas propuestas iniciales para el diseño de una herramienta (semi)automática de anotación ontológica de corpus lingüísticos en alemán. Con el propósito de evaluar la viabilidad del modelo propuesto, el artículo se centra en el análisis de estructuras argumentales nominales dentro del campo semántico de la expresión. Para este fin, se proporciona una descripción detallada de la metodología aplicada, se presentan algunos de los resultados preliminares y se sugieren nuevas vías de trabajo para el desarrollo de una posible herramienta.
Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
Publicación Artículo científico (JournalArticle)

Integrating Wiktionary in the Linguistics Curriculum of the B. A. in German Philology, Integración del Wiktionary en el plan estudios de Lingüística de la Licenciatura en Filología Alemana

  • Arias Arias, Iván
  • Bertomeu Pi, Pau
Collaborative dictionaries have recently gained popularity within the lexicographic market. Lexical information systems such as Wiktionary are accessible and user-friendly and present not only linguistic information, but also encyclopaedic-terminological data. In this paper, we will lay out a didactic proposal that is sustainable, socially responsible and democratic, based on the CLIL approach for students of the B.A. in German Philology. Wiktionary shall there be used to solve linguistic-oriented problems concerning the semantic interface, given as activities. The crucial role that collaborative lexicons play in the construction of a new lexicography will thus be highlighted.
Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
Publicación Artículo científico (JournalArticle)

As ferramentas de tradução no contexto digital na Galiza: estudo de caso, Translation tools in the Galician digital context: A case study

  • Arias Arias, Iván
  • Castro, Margarida
Graças à globalização, alguns sistemas culturais subalternos ficaram à margem do fluxo internacional do capital económico e cultural. Tal é o caso do sistema galego, dependente do espanhol, situado no topo da hierarquia no Estado espanhol e que recebe a maioria dos investimentos públicos. Apesar da escassez de orçamentos destinados a projetos em galego, alguns estudos (Montero Küpper, 2017, 2020) demonstraram que a tradução desempenha um papel crucial para a construção sociocultural da Galiza e para a normalização da língua. De modo análogo, o crescente desenvolvimento da tecnologia motivou a adoção de recursos e ferramentas digitais para auxiliar/otimizar o processo tradutório. A criação de ferramentas e recursos para línguas como o inglês evidencia mais a carência tecnológica para línguas minoritárias como o galego. Contudo, González (2005) aponta para o surgimento de diferentes ferramentas e recursos de tradução que trabalham com o galego, embora não sejam considerados suficientes. É neste contexto que se enquadra a presente investigação, que visa analisar as atitudes/percepções dos profissionais da tradução galegos relativamente às ferramentas e recursos digitais e investigar o modo como a tecnologia tem afetado o mercado de trabalho em tradução na Galiza. Quanto à metodologia, foi realizado um questionário seguindo uma abordagem da Sociologia da Tradução, tendo em conta que consideramos decisivo definir, em termos sociodemográficos, a amostra de profissionais recolhida. Foram elaboradas questões que permitiram uma análise das atitudes dos profissionais perante as ferramentas e recursos de tradução e sobre as quais nos debruçamos pormenorizadamente neste artigo.
Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
Publicación Artículo científico (JournalArticle)

Diseño y metodología de un etiquetador semántico-ontológico multilingüe: ESMAS-ES+, Design and methodology of a multilingual semantic-ontological tagger: ESMAS-ES

  • Domínguez Vázquez, María José
El etiquetador automático ESMAS-ES+ tiene como objetivo central la anotación semántico-ontológica de textos en español, francés, alemán y gallego. Junto con el estudio de la viabilidad de un nuevo método de análisis, el desarrollo del etiquetador requiere explorar nuevas vías para el procesamiento inteligente de la información y conocimiento, y, por ende, para la comprensión profunda del significado. Esta publicación presenta los principios metodológicos para su diseño, así como una panorámica de técnicas y estrategias aplicables para la generación de conocimiento lingüístico, multilingüe y tecnológico sostenible, lo que, a su vez, contribuirá al diseño de herramientas extrapolables a diferentes lenguas. La evolución de ESMAS-ES+ puede repercutir en algunas áreas del procesamiento del lenguaje natural, en especial, en aquellas ligadas a la comprensión y desambiguación del significado. De este modo, puede contribuir a favorecer la legibilidad y comprensión de datos lingüísticos por parte de máquinas
Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
Publicación Artículo científico (JournalArticle)

Semantisch-lexikographische Aspekte deverbaler -ung-Nominalisierungen: Grundlagen und Beschreibungsmöglichkeiten, Semantic-Lexicographic Aspects of Deverbal -ung-Nominalizations in German: Theoretical Foundations and Descriptive Possibilities

  • Arias Arias, Iván
Contemporary digital dictionaries exhibit significant shortcomings in the systematic representation of morpho-lexical information. This study uses German deverbal -ung-nominalisations to examine how corpus-based argument structure analyses can improve their lexicographic documentation. Based on a semantically annotated corpus, 200 -ung-nominalisations were analysed both quantitatively and qualitatively. The results lead to two central findings: (a) Regular polysemy: The morphological formation mechanisms explain the systematic polysemy between process (nomen actionis) and result (nomen acti) readings, a relationship whose connection to the -ung affix is not presented in existing monolingual dictionaries; (b) Stable argument structure: The semantic argument structure (of the nomen actionis) is characterised by a stable "minimal program" (the argument for the patient/theme and the argument for the cause of change). The study consequently proposes an optimised model that integrates these explicit argument structure patterns and their semantic functions. This systematic approach is crucial for advanced learners of German (DaF), as it enables the productive formation of nominalisations. The work thus demonstrates that a systematic morpho-lexical presentation addresses the growing need for structured digital lexicography and supports foreign language acquisition.
Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
Publicación Artículo científico (JournalArticle)

Large language models as first-pass filters for corpus annotation: semantic disambiguation of Galician pobo

  • Míguez, Vítor
This paper demonstrates the use of LLMs as first-pass filters in corpus annotation, with a focus on semantic disambiguation – a task more challenging than form-based classification due to its context-dependence. Using as a case study the polysemous Galician noun pobo ‘people/village’, the study demonstrates the applicability of LLM-assisted annotation to low-resource languages. 300 examples were annotated by three human coders and four LLMs (Claude 4 Sonnet, Claude 4 Opus, Claude 4.5 Sonnet, and Claude 4.5 Opus) using a static, single-phase prompting approach. Since first-pass filters should capture as many actual occurrences of the target phenomenon as possible, priority was given to recall over precision. Accordingly, the paper argues for F 2 , a recall-focused metric, over commonly used alternatives like F 1 or MCC for validating LLM performance in filtering tasks. Claude 4.5 Opus with pretraining achieved the best performance against the human consensus ( F 2  = 0.944, recall = 100 %), resulting in substantial workload reduction with no information loss. The study demonstrates that LLMs can serve as effective first-pass filters for semantic annotation in corpus linguistics, extending their applicability to low-resource languages.
Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
Publicación Artículo científico (JournalArticle)

Bridging human and AI perspectives: semantic annotation of generic nouns in German

  • Arias Arias, Iván
  • Martín-Cancela, Elena
Generic nouns such as Sache and Ding pose a challenge for semantic annotation due to their referential underspecification and context-dependent meaning. Although frequently classified under categories like {artefact} or {object}, their actual referents often belong to abstract or cognitive domains, as in Der Placeboeffekt ist eines der faszinierendsten Dinge in der Welt der Medizin. Drawing on valency grammar, this study shows that these nouns activate different argument structures depending on their syntagmatic environment, reflecting semantic flexibility and combinatorial variability. Lexical databases such as GalNet or GermaNet frequently assign multiple synsets to these nouns, illustrating their ontological ambiguity. This paper examines whether large language models (LLMs) can replicate this nuanced classification. Using a gold standard corpus annotated by linguists, we implement a two-step prompting strategy —supplying LLMs with predefined semantic tags and contextual windows— to test their performance. The results underscore the limitations of current LLMs in dealing with the lexical underspecification of generic nouns, even when provided with an extended context window. These findings contribute to ongoing discussions on the automation of semantic tagging and point to meaningful ways in which AI systems can complement human expertise in natural language processing tasks.