Reagrupamiento en familias y lexematización automática independientes del idioma

Juan-Manuel Torres-Moreno (1, 2)

1 LIA - Laboratoire Informatique d'Avignon
2 EPM - École Polytechnique de Montréal

Este artículo presenta un sistema basado en métodos de regrupamiento no supervisado que detecta algorítmicamente las raíces o lexemas de familias morfológicas. La idea principal es la constitución de familias morfológicas a través de reagrupamien-tos iterativos. Los criterios de este reagrupamiento se basan en la similitud gráfica de las palabras, en su representación vectorial y en la correcta utilización de pares de sufijos (o firma de la familia) extraídos automáticamente. Las pruebas sobre corpora en francés, inglés y español muestran resultados muy interesantes en los tres idiomas, con una gran robustez e independencia del idioma.

Mots clés: Vector representation; Statistical NLP; Statistical morphology; Grammatical Stemm

Mots clés: PLN estadístico; Morfología estadística; Raíz gramatical; Métodos vectoriales

Domaines: Recherche d'information [cs.IR]

Juan-Manuel Torres-Moreno. Reagrupamiento en familias y lexematización automática independientes del idioma. Inteligencia Artificial. Ibero-American Journal of Artificial Intelligence, 2010, 14 (47). ⟨hal-02562692⟩