Handling reduplication in Basque: a problem for spell checking

Abstract

La reduplicación (la repetición de uno o de parte de un lexema) se trata como repetición y es ignorada o marcada como errónea en los correctores ortográficos existentes. Para la mayoría de las lenguas, ésta es una estrategia válida, sin embargo, el euskera es diferente en este sentido como muestran variados ejemplos de repeticiones lícitas de secuencias parciales o completas. Parece que este tema ha sido ignorado en las aplicaciones computacionales existentes. En este artículo, ofrecemos una descripción del fenómeno y presentamos un prototipo para incorporarlo en un corrector ortográfico que será capaz de manejar la reduplicación mejor que los sistemas existentes.

In spell-checkers, reduplication (repetition of a word, or a part of it) is often subsumed under repetition and is either ignored or treated as erroneous. For most languages it is a valid strategy, however Basque is different in this respect as it exhibits several instances of valid partial or complete repetition of phrases. This issue appears to have been mostly ignored in existing computational applications. In this paper we provide a linguistic description of the phenomenon and present a prototype to be integrated in a complete spelling and grammar checker that would be capable of handling reduplication better than existing systems.