La Wikipedia como fuente multilingüe de corpus comparables

• Isaac González López ^[1] ; Pablo Gamallo Otero ^[1]
  1. [1] Universidade de Santiago de Compostela

     Universidade de Santiago de Compostela

     Santiago de Compostela, España

     
• Localización: Language Windowing through Corpora / coord. por Isabel Moskowich, Begoña Crespo, Inés Lareo Martín, Paula Lojo Sandino, Vol. 1, 2010 (Part I, A-K), ISBN 978-84-9749-401-4, págs. 369-378
• Idioma: gallego
• Enlaces
  • Texto Completo Libro
• Resumen
  • español

    En este artículo se describe un método automático de selección de corpus comparables a partir de laWikipedia, utilizando categorías temáticas como elementos restrictivos. Nuestra estrategia sefundamenta en dos propiedades de la Wikipedia: el ser un recurso multilingüe y el tratarse de unaenciclopedia libre disponible para descarga en formato XML. Las herramientas y los corpus generadosdispondrán de licencia libre GPL (General Public License)

  • English

    This article describes an automatic method to select comparable corpora from Wikipedia usingcategories as topic restrictions. Our strategy is based on two properties of Wikipedia: to be amultilingual resource and to be a free encyclopedia available in a XML file. Tools and corpus will bedistributed under GPL license (General Public License).