Creazione automatica di corpora. corpora specialistici dal web

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "Creazione automatica di corpora. corpora specialistici dal web"

Massimiliano Calabrese
8 anni fa
Visualizzazioni

1 Creazione automatica di corpora Claudio Fantinuoli SSLMIT, Università di Bologna 1

2 STRUTTURA Obiettivo Introduzione: Web come corpus Esperimento: Metodologia Creazione corpus con BootCaT (cenni) Riusltati Conclusioni 2

3 Obiettivo Verificare la qualità di un corpus specialistico creato automaticamente dal web con il tool BootCaT Utente: Interprete di conferenza Lingue: Italiano, tedesco e inglese 3

4 Web as a Corpus Web: Miniera di informazioni linguistiche Dati facilmente accessibili (Kilgarriff e Grefenstette, 2003) Adatto alla creazione di corpora ad hoc (Varantola, 2003) 4

5 Web as a Corpus inglese 76,598,718,000 tedesco 7,035,850,000 italiano 1,845,026,000 (Stima in numero di parole: Kilgarriff e Grefenstette, 2003) 5

6 Traduttori e Interpreti: corpora scaricati manualmente da internet (save as ) Pro: puliti Contro: piccole dimensioni, lievitamento dei costi (tempo impiegato) 6

7 Metodologia 1. Corpora manuali vs. Corpora automatici (Estrazione terminologica automatica) 7

8 Metodologia 2. Termini estratti automaticamente da web vs. Termini estratti manualmente da corpus manuale 8

9 Creazione corpora BootCaT: download e conversione in formato testo di file html, doc e pdf di un particolare dominio Dati di partenza: parole chiave del dominio 9

10 Creazione corpora Italiano Tedesco Inglese Corpus web Corpus manuale

11 Risultati (corpora: web vs. manuale) Esempio: risultati da corpus manuale (inglese) Tassoniomia Termini estratti % Termini tecnici ,71 Termini Dom. gen ,16 Out 44 16,12 Tot ,99 11

12 Risultati (corpora: web vs. manuale) Esempio: risultati da web (inglese) Tassoniomia Termini estratti % Termini tecnici ,99 Termini Dom. gen ,44 Out 43 13,56 Tot ,99 Corpus manuale 56,71 27,16 16,12 12

Tassoniomia Termini estratti % Termini tecnici 187

13 Tassonomie Utente: Interprete di Conferenza Soltanto termini specialistici Termini specialistci più termini generici deldominio in esame 13

14 Risultati (corpora: web vs. manuale) Secondo termini tecnici: Italiano: corpus manuale Tedesco: corpus manuale Inglese: corpus automatico/web!!! Differenze percentuali IRRILEVANTI 14

15 Risultati (corpora: web vs. manuale) Secondo termini tecnici+generali (dominio): Italiano: corpus automatico/web Tedesco: corpus manuale Inglese: corpus automatico/web 15

16 Risultati (termini: auto. vs. manuale) Valori di Recall: Corpus Italiano Tedesco Inglese Web 9,56 32,64 30,97 Manuale 43,38 33,54 24,51 16

17 Conclusioni Corpora di qualità simili Creazione corpora con BootCaT estremamente veloce Sistema adatto alla creazione di corpora per: Estrazione automatica Analisi dei corpora con concordancer (interpreti e traduttori) 17

creazione di corpora per: Estrazione automatica Analisi

Documenti analoghi

Cancelleria federale CaF Sezione di terminologia. multilingue. Chiara Messina XXIV Convegno Ass.I.Term 23-24 maggio 2014

Cancelleria federale CaF Sezione di terminologia Terminologia dell apicoltura Riflessioni metodologiche, linguistiche e qualitative per una collezione terminologica multilingue Chiara Messina XXIV Convegno