Alejandro Bia (Universidad Miguel Hernández) .

En esta presentación vamos a hablar del estado del arte de la alineación automática, y de las herramientas utilizadas en el marco del proyecto TRACE.

El proyecto TRACEsoftTools (TsT) es uno de los cuatro subproyectos que componen TRACE. TRACE realiza un uso intensivo de marcado XML-TEI y memorias de traducción (TMX), con el fin de construir y estudiar corpus alineados paralelos plurilingües. TsT desarrolla técnicas y herramientas informáticas para el análisis textual contrastivo.

La alineación de textos digitales no es un problema trivial. La mayoría de las veces, los textos a alinear no se corresponden oración a oración, especialmente cuando están en diferentes idiomas. También puede haber trozos agregados u omitidos. Todo esto hace que la alineación sea una tarea ardua y tediosa, para lo cual se recurre al uso de herramientas informáticas que aceleran y facilitan este proceso.

Para nuestro trabajo, hemos utilizado y estudiado varias herramientas cuyo propósito es facilitar, y a veces automatizar, la alineación de textos digitales, como por ejemplo:
- GIZA++, que utiliza un enfoque estadístico
- MDR: Match Detecxt Reveal (Zaslavsky, Bia, Monostory, 2001)
- Alignment proigram (Hofland, 2008)
- Bitext2tmx: Bitext text aligner-converter (Forcada et al., 2008)
- TRACEapp versión 1 (Pérez, 2010), versión 2 y 3 (Uribarri-Zenekorta et al., 2015)

En la presentación mostraremos varios ejemplos de alineaciones realizadas con algunas de estas herramientas, así como ejemplos de textos paralelos, o bitextos, codificados en XML, usando TEI o TMX. Discutiremos las ventajas y desventajas de estos enfoques, y las diferentes posibilidades de visualización de los textos paralelos una vez alineados.

Reconocimiento: Este trabajo ha sido desarrollado dentro del proyecto TRACE, y financiado con la ayuda FFI2012-39012-C04-02 del VI Plan Nacional de Investigación Científica, Desarrollo e Innovación Tecnológica del Ministerio de Economía y Competitividad de España.

Bracco, Christian (Facultad de Informática, UNLP) .
Correa, Facundo (Facultad de Informática, UNLP) .
Cuevas, Lucas (Facultad de Informática, UNLP) .
Cepeda, Virginia (Facultad de Informática, UNLP) .
Delledonne, Francisco (Facultad de Informática, UNLP) .
Voskuil, Anne Karin (Facultad de Informática, UNLP) .
Paparazzo, Nicolás (Facultad de Informática, UNLP) .
Torres, Diego (LIFIA, Facultad de Informática, UNLP. Departamento de Ciencia y Técnica, UNQ) .

En este trabajo expondremos nuestra experiencia, los problemas y las soluciones abordadas durante el desarrollo de una wiki semántica para la implementación de la plataforma colaborativa de artes escénicas “Nodos”. El objetivo de este proyecto es crear una plataforma que le permita a la comunidad ligada al circuito artístico crear y editar colaborativamente información sobre obras, espacios donde se desarrollan, grupos y participantes de las mismas para crear una base de conocimiento. Desde su concepción, las Wikis son sitios web cuyas páginas pueden ser editadas en forma colaborativa directamente desde el navegador, donde los usuarios crean, modifican o eliminan contenidos que, generalmente, comparten, manteniendo un listado de los cambios realizados para cierto artículo, de forma que facilita el mantenimiento de los mismos de manera conjunta. La creación y la modificación de la información se realiza de manera sencilla y para ello no se requieren conocimientos de edición de páginas web. Al ser una wiki semántica, la información contenida en nodos se describe semánticamente mediante la ontología NodosOntology. NodosOntology describe la información para que pueda ser compartida e interpretada por programas de computadoras. Así, la información contenida en Nodos puede ser analizada y combinada en forma automática, permitiendo obtener nuevos elementos de conocimiento que serían muy complejos de realizar y mantener solamente por un grupo de personas.

Salerno, Melisa A. (IMHICIHU, CONICET, Argentina) .
Hereñú, Daniel D. (IMHICIHU, CONICET, Argentina) .
Rigone, Romina C. (LEEH-NEIPHPA, FACSO-UNICEN, Argentina) .

La misión salesiana Nuestra Señora de La Candelaria funcionó entre fines del siglo XIX y mediados del siglo XX en Río Grande (Tierra del Fuego, Argentina) con el propósito de “evangelizar” y “civilizar” a los selk’nam. Su cementerio aún alberga los restos de indígenas, religiosos y colonos. Desde hace algunos años, el lugar ha recibido atención por parte de un proyecto en arqueología que discute el impacto de las relaciones coloniales entre los actores involucrados. Por lo general, las tareas incluyeron el relevamiento superficial, la excavación de los enterratorios, la búsqueda y el análisis de fuentes documentales. En este trabajo presentamos la labor efectuada para modelar tridimensionalmente el camposanto, empleando técnicas de fotogrametría y un acabado fotorrealista.
Actualmente, el camposanto cuenta con una treintena de tumbas y lápidas en superficie. El resto de los enterratorios carece de demarcaciones. Si bien ha sido declarado Monumento Histórico Nacional, y de interés cultural y arqueológico para Tierra del Fuego, el lugar es poco conocido y sus condiciones de preservación son un tanto precarias. Fotografías y filmaciones históricas permiten comprender las transformaciones sufridas por el espacio a lo largo del tiempo. Teniendo en cuenta este escenario, la decisión de modelar tridimensionalmente el cementerio de La Candelaria busca alcanzar múltiples metas: la creación de un registro detallado sobre la materialidad del lugar en el presente, la colaboración en la difusión y protección del patrimonio, la futura reconstrucción del cementerio para otros momentos históricos, el potencial direccionamiento de nuevas exhumaciones consensuadas con los grupos interesados.

Scolpino, Pablo Andrés (UTN FRBA) .
Bohrn, Andrea (UBA/UNGS) .

Presentamos el Lingua Finder (LF), un programa de código libre, diseñado para la extracción de datos lingüísticos que utiliza internet como corpus.
El LF permite la búsqueda de ítems léxicos y sus contextos (gato <?>; café <?>; boicot <?>) y de construcciones sintagmáticas de tipo categorial, basadas en concordancia gramatical (<artículo femenino> <nombre femenino>; <artículo femenino/masculino> <nombre> <?>). Posibilita el trabajo con la estructura subléxica de la palabra, a través de morfemas derivativos, flexivos o apreciativos (<?ción>; <?miento>; <?ción/miento>; <cito>), lo que constituye un criterio de búsqueda novedoso. Como resultado, es posible obtener sintagmas o contextos oracionales que constituyen una base de datos donde también se registra el link de la página de la que proviene la unidad. Cada uno de los resultados de la búsqueda (página web, documento, etc.) es parseado, de acuerdo con el criterio solicitado, y, de encontrarse el contexto o ítem solicitado, se registra la ocurrencia, para luego generar el reporte de resultado. Asimismo, debemos mencionar que el LF cuenta, en su constitución, con una base de datos morfológica y un sistema de marcaje categorial lo que permite la construcción de los criterios de elicitación.
A diferencia de otros sistemas de búsqueda que cuentan con sus propios corpus (Corde, Crea, Corpus de Davis), el Lingua Finder explota internet en su totalidad, sin restricción de género discursivo y permitiendo el acceso a formas próximas a la oralidad, lo que resulta relevante para la descripción de las variedades del español, entre otras finalidades ulteriores. En tanto programa de código abierto presenta acceso irrestricto, por lo que puede contribuir a múltiple investigaciones en el campo.