DELPH-IN

La iniciativa de Procesamiento Lingüístico Profundo con HPSG ( DELPH - IN ) es una colaboración en la que lingüistas computacionales de todo el mundo desarrollan herramientas de procesamiento del lenguaje natural para el procesamiento lingüístico profundo del lenguaje humano. ^{[ 1 ]} El objetivo de DELPH-IN es combinar métodos de procesamiento lingüístico y estadístico para comprender computacionalmente el significado de textos y enunciados.

Las herramientas desarrolladas por DELPH-IN adoptan dos formalismos lingüísticos para el análisis lingüístico profundo: la gramática de estructura de frases dirigida por el núcleo (HPSG) y la semántica de recursión mínima (MRS). ^{[ 2 ]} Todas las herramientas de la colaboración DELPH-IN se desarrollan bajo licencias de código abierto para uso general .

Desde 2005, DELPH-IN celebra una cumbre anual. Se trata de una conferencia informal donde los participantes se informan mutuamente sobre el trabajo que están realizando, buscan retroalimentación sobre el trabajo actual y, ocasionalmente, llegan a acuerdos sobre estándares y mejores prácticas.

La colaboración DELPH-IN ha estado desarrollando progresivamente herramientas computacionales para el análisis lingüístico profundo , tales como:

• Sistema LKB (Linguistic Knowledge Builder): un entorno de ingeniería gramatical donde los lingüistas pueden construir gramáticas de unificación con el formalismo de la gramática de estructura de frases dirigida por el núcleo.
• Analizador PET (Plataforma para la experimentación con técnicas de procesamiento HPSG eficientes): un analizador de código abierto que produce árboles de análisis HPSG con salidas de semántica de recursión mínima (MRS) ^{[ 3 ].}
• Procesador ACE (Answer Constraint Engine): un sistema eficiente para procesar gramáticas DELPH-IN que proporcionan análisis sintácticos HPSG con salidas MRS . La última versión de ACE es capaz de generar oraciones en lenguaje natural . ^{[ 4 ]}
• La infraestructura LOGON es un conjunto de software y gramáticas DELPH-IN para proporcionar traducción automática basada en transferencia . El enfoque LOGON para la traducción automática ha demostrado proporcionar traducciones híbridas (basadas en reglas y estocásticas) orientadas a la calidad. ^{[ 5 ]}

Además de las herramientas de procesamiento lingüístico profundo, la colaboración DELPH-IN proporciona recursos computacionales para el procesamiento del lenguaje natural, como gramáticas HPSG computacionales y prototipos de lenguaje, por ejemplo:

• Gramáticas DELPH-IN : un catálogo de gramáticas HPSG computacionales elaboradas a mano para capturar análisis lingüísticos profundos específicos de los respectivos idiomas ^{[ 6 ].}
• LinGO Grammar Matrix : un kit de inicio de código abierto para la creación rápida de prototipos de gramáticas de precisión de amplia cobertura compatibles con LKB. Contiene una biblioteca de fenómenos lingüísticos comunes que los gramáticos computacionales pueden heredar para sus gramáticas HPSG. ^{[ 7 ]}
• Bibliotecas CLIMB (Comparative Libraries of Implementations with Matrix Basis): una biblioteca de lenguaje extendida construida sobre la Matriz Gramatical. El objetivo de la biblioteca CLIMB es mantener análisis alternativos del mismo fenómeno en diferentes lenguajes para probar su impacto en el desarrollo gramatical a largo plazo. ^{[ 8 ]}

Otro conjunto de recursos de DELPH-IN no difiere mucho del uso de datos para el procesamiento lingüístico superficial , como los corpus de texto y los bancos de árboles :

• Conjunto de pruebas MRS : un conjunto breve pero representativo de oraciones diseñado para capturar algunos fenómenos mínimos de semántica recursiva . Los conjuntos de pruebas están disponibles en búlgaro, inglés, francés, alemán, griego, japonés, mandarín, noruego, portugués, ruso y español. ^{[ 9 ]}
• Wikiwoods : WikiWoods es un corpus analizado que proporciona ricas anotaciones sintáctico-semánticas para la Wikipedia en inglés. ^{[ 10 ]}
• DeepBank : un proyecto en curso para anotar el millón de palabras del texto del Wall Street Journal de 1989 (el mismo conjunto de oraciones anotadas en el proyecto original Penn Treebank) con la English Resource Grammar, aumentada con una PCFG de aproximación robusta para una cobertura completa. ^{[ 11 ] [ 12 ]}
• Catedral y el Bazar : una recopilación de un ensayo temprano sobre código abierto de Eric Raymond con traducciones a varios idiomas. Se propuso como un conjunto de pruebas compartido multilingüe para permitirnos comparar análisis sintácticos entre diferentes gramáticas. ^{[ 13 ] [ 14 ]}

La cultura de código abierto de la colaboración DELPH-IN proporciona a la comunidad de procesamiento del lenguaje natural una amplia gama de herramientas y recursos para el procesamiento lingüístico profundo . Sin embargo, la usabilidad de las herramientas DELPH-IN ha sido un problema para los usuarios y desarrolladores de aplicaciones que se inician en el ecosistema DELPH-IN. Los desarrolladores de DELPH-IN son conscientes de estos problemas de usabilidad y se están realizando esfuerzos continuos para mejorar la documentación y los tutoriales de las tecnologías DELPH-IN. ^{[ 15 ]}

• Gramática de estructura de frases dirigida por la mente
• Semántica de recursión mínima

• Sitio web de DELPH-IN
• Foro wiki de DELPH-IN
• Breve tutorial sobre el ecosistema de herramientas y recursos de DELPH-IN.