Consultas con Errores Ortográficos en RI Multilingüeanálisis y Tratamiento

  1. Vilares Calvo, David
  2. Blanco González, Adrián
  3. Vilares, Jesús
Revista:
Procesamiento del lenguaje natural

ISSN: 1135-5948

Año de publicación: 2013

Número: 51

Páginas: 25-32

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openRUA editor

Otras publicaciones en: Procesamiento del lenguaje natural

Resumen

Este art´ýculo estudia el impacto de los errores ortogr´aficos en las consultas sobre el rendimiento de los sistemas de recuperaci´on de informaci´on multiling¨ue, proponiendo dos estrategias para su tratamiento: el empleo de t´ecnicas de correcci ´on ortogr´afica autom´atica y la utilizaci´on de n-gramas de caracteres como t´erminos ´ýndice y unidad de traducci´on, para as´ý aprovecharnos de su robustez inherente. Los resultados demuestran la sensibilidad de estos sistemas frente a dichos errores as´ý como la efectividad de las soluciones propuestas. Hasta donde alcanza nuestro conocimiento no existen trabajos similares en el ´ambito multiling¨ue.

Referencias bibliográficas

  • Bendersky, M. y W.B. Croft. 2009. Analysis of long queries in a large scale search log. En Proc. of WSCD’09, págs. 8–14. ACM.
  • Dale, R., H. Moisi, y H. Somers, eds. 2000. Handbook of Natural Language Processing. Marcel Dekker, Inc.
  • Di Nunzio, G.M., N. Ferro, T. Mandl, y C. Peters. 2006. CLEF 2006: Ad Hoc Track Overview. En Working Notes of the CLEF 2006 Workshop, págs. 21–34.
  • Graña, J., M.A. Alonso, y M. Vilares. 2002. A common solution for tokenization and part-of-speech tagging: One-pass Viterbi algorithm vs. iterative approaches. LNCS, 2448:3–10.
  • Graña, J., F.M. Barcala, y J. Vilares. 2002. Formal methods of tokenization for part-of-speech tagging. LNCS, 2276:240–249.
  • Guo, J., G. Xu, H. Li, y X. Cheng. 2008. A unified and discriminative model for query refinement. En Proc. of ACM SIGIR’08, págs. 379–386. ACM.
  • Jansen, B.J., A. Spink, y T. Saracevic. 2000. Real life, real users, and real needs: a study and analysis of user queries on the web. Information Processing and Management, 36(2):207–227.
  • Koehn, P. 2005. Europarl: A Parallel Corpus for Statistical Machine Translation. En Proc. of MT Summit X, págs. 79–86. Corpus disponible en http://www.statmt.org/europarl/.
  • Koehn, P., F.J. Och, y D. Marcu. 2003. Statistical phrase-based translation. En Proc. of NAACL’03, p´ags. 48–54. ACL.
  • Kukich, K. 1992. Techniques for automatically correcting words in text. ACM Computing Surveys (CSUR), 24(4):377–439.
  • Levenshtein, V.I. 1966. Binary codes capable of correcting deletions, insertions and reversals. Soviet Physics-Doklandy, 6:707–710.
  • Manning, C.D., P. Raghavan, y H. Schütze. 2008. Introduction to Information Retrieval. Cambridge University Press.
  • McNamee, P. y J. Mayfield. 2004a. Character N-gram Tokenization for European Language Text Retrieval. Information Retrieval, 7(1-2):73–97.
  • McNamee, P. y J. Mayfield. 2004b. JHU/APL experiments in tokenization and non-word translation. LNCS, 3237:85–97.
  • Nie, J.-Y. 2010. Cross-Language Information Retrieval, vol. 8 de Synthesis Lectures on Human Language Technologies. Morgan& Claypool Publishers.
  • Och, F.J. y H. Ney. 2003. A systematic comparison of various statistical alignment models. Computational Linguistics, 29(1):19–51. Herramienta disponible en http://code.google.com/p/giza-pp/.
  • Otero, J., J. Graña, y M. Vilares. 2007. Contextual Spelling Correction. LNCS, 4739:290–296.
  • Ounis, I., C. Lioma, C. Macdonald, y V. Plachouras. 2007. Research directions in Terrier: a search engine for advanced retrieval on the web. Novática/UPGRADE Special Issue on Web Information Access, 8(1):49–56. Toolkit disponible en http://www.terrier.org.
  • Rehm, G. y H. Uszkoreit, eds. 2011. METANET White Paper Series. Springer. Disponibles en http://www.meta-net.eu/ whitepapers.
  • Robertson, A.M. y P. Willett. 1998. Applications of n-grams in textual information systems. Journal of Documentation, 54(1):48–69.
  • Savary, A. 2002. Typographical nearestneighbor search in a finite-state lexicon and its application to spelling correction. LNCS, 2494:251–260.
  • Véronis, J. 1999. Multext-Corpora. An annotated corpus for five European languages. CD-ROM. Distributed by ELRA/ELDA.
  • Vilares, J., M.P. Oakes, y M. Vilares. 2007. A Knowledge-Light Approach to Query Translation in Cross-Language Information Retrieval. En Proc. of RANLP 2007, págs. 624–630.
  • Vilares, M., J. Otero, y J. Graña. 2004. On asymptotic finite-state error repair. LNCS, 3246:271–272.
  • Vilares, J., M. Vilares, y J. Otero. 2011. Managing Misspelled Queries in IR Applications. Information Processing & Management, 47(2):263–286.
Fuente de los datos: Dialnet