Automatic annotation of the Catalan Wikipedia: exploring the semantic space via multiple NERC systems
Jordi Atserias, Judith Domingo, Carlos Rodríguez, Teresa Suñol · RUA, Repositorio Institucional de la Universidad de Alicante (Universidad de Alicante) · 2010
Este artículo presenta WikiNer, una versión de la Wikipedia catalana procesada mediante diferentes herramientas de PLN (etiquetadores de POS, NERC, parsers de dependencias). El artículo se centra en el análisis de las diferentes anotaciones de NERC realizadas con 3 etiquetadores: JNET, Yamcha y SST. A pesar de que el texto de la Wikipedia (especialmente las tablas, listas y referencias) difiere significativamente, en sus propiedades distribucionales, del corpus empleado para entrenar los etiquetadores, se han obtenido resultados satisfactorios que apuntan a la posibilidad de una rápida disponibilidad de un recurso de gran masa textual anotada con un grado de fiabilidad suficiente tanto para algunas de las tareas de investigación como para ciertas aplicaciones: Q&A, enriquecimiento de ontologías y búsqueda semántica.