Calsamiglia Blancafort, Helena, Loupy, Claude de
Comparing languages from vocabulary growth to inflection paradigms: a study run on parallel corpora and multilingual lexicons
CALSAMIGLIA BLANCAFORT, Helena; LOUPY, Claude de. “Comparing languages from vocabulary growth to inflection paradigms: a study run on parallel corpora and multilingual lexicons”. Procesamiento del lenguaje natural. N. 41 (sept. 2008). ISSN 1135-5948, pp. 113-120
URI: http://hdl.handle.net/10045/8074
DOI: 
ISSN: 1135-5948
Abstract: 
En este artículo presentamos un estudio comparativo de corpus y de léxicos con el
objetivo de comparar las dificultades que representan cinco lenguas (inglés, alemán, español,
francés e italiano) para el análisis morfosintáctico y el desarrollo de recursos lexicográficos.
Para ello hemos llevado a cabo varios experimentos utilizando dos corpus paralelos
multilingües y dos léxicos morfosintácticos por lengua. Primero comparamos los resultados
cuantitativos respecto a la cobertura dinámica y estática, y las ambigüedades morfosintácticas
de los léxicos y corpus. Además, a partir de los léxicos hemos generado paradigmas de flexión
para calcular cuántos son necesarios en cada lengua. Los resultados muestran la dificultad de
trabajar con recursos multilingües y corpus paralelos. También ofrecen resultados cuantitativos
sorprendentes respecto a las diferencias entre lenguas.
In this paper we report on a corpora and lexical comparative study on how to
compare the difficulties of five languages (English, German, Spanish, French and Italian) for
morphosyntactic analysis and the development of lexicographic resources. Experiments were
conducted on two different sets of multilingual parallel corpora and two different
morphosyntactic lexicons per language. We measure and compare statistics on dynamic and
static coverage, form-lemma and morphosyntactic ambiguities in the lexicon and the corpus. In
addition to this, we use the lexicons to automatically generate inflection paradigms and calculate
how many inflection paradigms are needed per language. Results show the difficulty of working
with multilingual resources and parallel corpora and offer some surprising quantitative results
on differences in languages.
Keywords:Lexicografía computacional, Léxicos morfosintácticos, Morfología computacional, Flexión, Corpus paralelos multilingües, Comparación de lenguas para el PNL, Computational lexicography, Morphosyntactic lexicons, Computational morphology, Inflection, Multilingual parallel corpora, Comparison of languages for NLP
Sociedad Española para el Procesamiento del Lenguaje Natural
info:eu-repo/semantics/article