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): 14
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 Capítulo o parte de un libro (BookPart)

Paradojas en lexicografía bilingüe y multilingüe: aproximación multidisciplinar al estudio del léxico

  • Domínguez Vázquez, María José
El capítulo examina las paradojas de la lexicografía bilingüe y multilingüe ante la transformación digital. Analiza la distancia entre el destinatario previsto y el usuario real, así como la escasa incorporación de los estudios sobre consultas a la práctica lexicográfica. Destaca que la complejidad de las búsquedas condiciona la elección de recursos y que los usuarios tienden a confirmar sus hipótesis iniciales. Revisa las posibilidades de los corpus, las redes semánticas, el aprendizaje automático y la inteligencia artificial, contrastándolas con las limitaciones persistentes en desambiguación, representación del significado y desarrollo de recursos multilingües. Asimismo, plantea la necesidad de revisar conceptos como diccionario inteligente, contexto y multilingüismo. Concluye defendiendo una lexicografía sostenible y colaborativa, basada en la reutilización e interoperabilidad de los datos y en la cooperación multidisciplinar.
Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
Publicación Capítulo o parte de un libro (BookPart)

¿Qué es una ontología y por qué es importante para la anotación semántica?

  • Domínguez Vázquez, María José
El capítulo explica qué son las ontologías y para qué sirven en lingüística. Una ontología es una forma organizada de representar conceptos, palabras y las relaciones que existen entre ellos. A diferencia de otros sistemas, como los campos semánticos, las taxonomías o las redes semánticas, las ontologías permiten integrar distintos tipos de relaciones en una estructura coherente que puede ser interpretada y procesada por ordenadores. Estas estructuras son especialmente importantes para la anotación semántica automática, porque ayudan a identificar las palabras de un texto, clasificarlas según su significado y relacionarlas con categorías más generales. También pueden utilizarse en el análisis de corpus, la traducción automática, la creación de diccionarios, la desambiguación de palabras, los buscadores inteligentes y el entrenamiento de sistemas de inteligencia artificial.
Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
Publicación Capítulo o parte de un libro (BookPart)

Hacia una red dinámica de recursos semánticos: sostenibilidad tecnológica e interoperabilidad

  • Domínguez Vázquez, María José
  • Arias Arias, Iván
El capítulo presenta una propuesta para conectar distintos recursos digitales de información semántica y lingüística en una única red dinámica. El prototipo integra el diccionario Portlex con la Ontología 2.0. ESMAS-ES+ y con herramientas como Itinerario, Xera y Combinatoria. De este modo, el usuario puede consultar una palabra, distinguir sus diferentes significados y acceder a información sobre definiciones, sinónimos, argumentos, categorías ontológicas y patrones sintácticos. La propuesta busca evitar que los recursos funcionen de manera aislada y favorecer su interoperabilidad, mediante una estructura de datos compartida y enlaces entre las distintas herramientas. Además, plantea una presentación progresiva de la información, con bloques desplegables, búsquedas adaptadas a las necesidades del usuario y funciones de accesibilidad. El objetivo final es crear recursos semánticos más sostenibles, reutilizables, fáciles de actualizar y útiles tanto para la consulta lingüística como para la generación automática del lenguaje.
Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
Publicación Libro o Monografía (Book)

Palabras que conectan saberes. Semántica aplicada e interdisciplinariedad

  • Arias Arias, Iván
  • Martín-Cancela, Elena
  • Domínguez Vázquez, María José
  • Bardanca Outeiriño, Daniel
  • Valcárcel Riveiro, Carlos
  • Castillo Vázquez, Lucía Esperanza del
  • García González, Sofía
  • Míguez, Vítor
  • Ameijeiras Alonso, José
  • Maldonado González, María Concepción
  • Sanmarco Bande, María Teresa
¿Qué ocurre cuando la inteligencia artificial transforma la manera en la que producimos, organizamos y consultamos el conocimiento lingüístico? ¿Tienen sentido todavía los diccionarios, las ontologías o la propia investigación lingüística en la era de ChatGPT? "Palabras que conectan saberes. Semántica aplicada e interdisciplinariedad" reúne voces especializadas de la lingüística, la lexicografía, la informática, la estadística y la didáctica para abordar el papel de las herramientas lingüísticas construidas con criterios científicos en un ecosistema digital dominado por modelos de lenguaje cada vez más presentes en nuestra vida cotidiana. Con un enfoque deliberadamente transversal, los capítulos abordan cuestiones que van desde la arquitectura de las ontologías hasta la evaluación estadística de anotadores, pasando por la didáctica de lenguas, la traducción automática y la sostenibilidad tecnológica, y muestran cómo los datos lingüísticos estructurados siguen siendo fundamentales para construir tecnologías más transparentes, inclusivas y fiables. Una obra dirigida tanto a especialistas como a cualquier lector interesado en comprender qué está en juego cuando las palabras se convierten en datos.
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 Capítulo o parte de un libro (BookPart)

People, machines and dictionaries: Is artificial intelligence killing dictionaries?

  • Arias Arias, Iván
  • Domínguez Vázquez, María José
  • Valcárcel Riveiro, Carlos
This paper explores the relationship between humans, dictionaries, and computer systems in the context of lexicographic processes. It encompasses actions performed by both dictionary creators and users. Drawing on the latest research regarding the influence of artificial intelligence on lexicographic activities, we present results from new experiments assessing the reliability of AI-generated outputs based on the type of user consulting them. Finally, we examine the current social and cultural value of dictionaries and their impact on society.
Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
Publicación Capítulo o parte de un libro (BookPart)

Das Substantiv aus multilingualer und multidisziplinärer Sicht: Kriterien und Quellen zur Entwicklung eines mehrsprachigen kulturspezifischen Wörterbuchs als Fallstudie

  • Domínguez Vázquez, María José
Dieser Beitrag befasst sich mit der Frage, wie semantische Domänen und ihre lexikalischen Kandidaten für ein mehrsprachiges Kulturwörterbuch erfasst und festgelegt werden können, sowie mit den zuverlässigen Datenquellen, die dafür zur Verfügung stehen. Nach einer kurzen Einführung in den Begriff der kulturell geprägten Wörter werden verschiedene Datenquellen wie Wörterbücher, große Sprachmodelle (LLMs), WordNet und weitere Analyse-Tools beispielhaft untersucht. Als Fallstudie wird die Entwicklung eines mehrsprachigen kulturspezifischen Wörterbuchs vorgestellt, das als Beispiel für weitere lexikografische Produkte dienen kann.
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 Capítulo o parte de un libro (BookPart)

Cuando las mujeres dejan de saltar a la comba para saltar fronteras: lexicografía sostenible

  • Domínguez Vázquez, María José
  • Mosquera Sánchez, Lola
El proyecto Women in Lexicography es simultáneamente un trabajo lexicográfico, didáctico y de revisión cultural, que se articula en tres grandes ejes: la figura de la mujer en la lexicografía, la propia disciplina y el entorno cultural y lingüístico. Mediante este diccionario en curso se pretende poner en valor la contribución de lexicógrafas de todo el mundo a la lexicografía y a la cultura local y global. La inclusión de mujeres de tradiciones lexicográficas muy diversas (pluralidad en cuanto a los países de origen, las lenguas de trabajo o los panoramas culturales) intenta romper con el centralismo occidental. El diccionario combina la lengua franca de nuestra era (el inglés) con una lengua minorizada (el gallego) y pretende visibilizar una realidad lingüística muy rica y diversa a través de las lenguas de trabajo de las diferentes lexicógrafas recogidas. De este modo, los idiomas no funcionan como fronteras o barreras y se convierten exclusivamente en portadores de riqueza y diversidad cultural. Todas las lexicógrafas que se dan cita en este trabajo se sirven de sus lenguas de origen o de acogida para salvaguardar sus patrimonios lingüísticos y con ellos la posibilidad de cuidar y preservar sus historias e identidades culturales.
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.