IXA TALDEA Junio 10, 2008

Helburuak

Euskal Herriko Unibertsitateko Informatika Fakultateko IXA taldeak Lengoaia Naturalaren Prozesamenduan eginiko ikerketa-lana du helburu nagusi. Hizkuntz ingeneritza lez ere ezagutzen da mintzagai dugun alor hau. Euskararen gaineko ikerketa aplikatua da gure xede nagusia. Lan horretan diziplinarteko taldea osatzen du IXA taldeak informatikarien eta linguisten artean batez ere.

Azken helburua euskararako, teknologia berrien eragina hizkuntzan ahalik eta onena izan dadin.

Historia

IXA taldea 1987an sortu zen eta jasotako emaitza guztiak euskarari lotuak izan dira. Urteak aurrera joan ahala taldea eta zereginak handitu egin dira. 31 informatikari, 14 linguista eta beste alorretako adietuek osatzen dute talde hau.

Egindako proiektu finantzatuak 40tik gora dira. Hona hemen emaitza batzuk: (web orrialdean ongi agertzen den bezala:)

APLIKAZIO ETA TRESNA KOMERTZIALAK

• EDBL (Euskararen Datu-Base Lexikala), 80.000 hitz inguruko datu-basea http://sipl54.si.ehu.es/edbl2000.
• MORFEUS, estaldura zabaleko analizatzaile morfologikoa.
• XUXEN, zuzentzaile/egiaztatzaile ortografiko komertziala (patentatua), Unix, Windows eta Mac-erako garatua. www.sc.ehu.es/xuxen-e.htm helbidean eskuragarri.
• GAIN, internet/intraneterako bilatzaile adimenduna. Jalgin eta Euskaldunon Egunkariaren hemerotekan erabilia.
• EUSLEM, euskararako lematizatzaile/etiketatzailea.
• Multimeteo-euskara, eguraldi-iragarpenak euskaraz sortzeko sistema.
• Elhuyar Hiztegia Word2000 testu-editorean integratua.

PROTOTIPOAK

• HIZTSUA, hiztegi-sistema urgazle adimenduna.
• ANHITZ, itzulpenean laguntzeko hiztegi adimenduna.
• Hiztegixa, itzulpenean laguntzeko tresna.

IKERLERROAK

Ekuntza-baliabideak

	Lehen	Orain	Gero
Corpus	corpus-I. Testu bilketa markaketa arinarekin	Testu-bilketa	100M hitz
	corpus-II. Hitz bakoitza bere lema eta kategoriarekin etiketatuta	Aberasten	20 M hitz
		corpus-III. Sintaktikoki etiketatutako testua (50.000 hitz)	200.000 hitz
			corpus-IV. Semantikoki etiketatutako testua (50.000 hitz)
	corpus-IV. Corpus eleanitza eta lerrokatua	Corpus eleanitza eta lerrokatua biltzen	100 M hitz
Lexikoa	EDBL datu-base lexikala. – Kategoria - Inf. morfologikoa Aplikazio orokorrak eraikitzeko euskarria.	Bertsio hobetua (4.4.2) Aberasten: - Hitz anitzeko unitateak - Aditz azpikategorizazioa	Aberasten: - Hitz anitzeko unitateak - Aditz azpikategorizazioa - Semantika
	Hiztegi elektronikoak (MRD)	Hiztegi elektronikoak (MRD)	Hiztegi elektronikoak (MRD)
Morfo	Morfologiaren deskribapena
Sintaxia	Sintaxiaren deskribapena	Sintaxiaren deskribapena - Esaldi-mugak - Postposizioak - Aditz azpikategorizazioa - Menpekotasunak	Sintaxiaren deskribapena - Estaldura zabala - Hainbat formalismo (Baterakuntza, CG)
Sem	Ezagutza-Base lexiko-semantikoa. Kontzeptu-taxonomia Euskal WordNet	Beste hizkuntzetako corpusetatik informazioa eskuratzea Aberasten eta hobetzen Euskal WordNet	Aberasten eta hobetzen Euskal WordNet - Terminoak - Entitateak (izen bereziak) - 100 mila sarrera

Tresnak

	Lehen	Orain	Gero
Corpus	Corpusak sortu eta lantzeko tresnak	Corpusak sortu eta lantzeko tresnak	Corpusak sortu eta lantzeko tresnak
		Lexiko-eskurapen automatikoa: Terminologia
Lexikoa	Hiztegien bertsio elektronikoak - Ing-Eusk Morris - Gazt-Eusk Elhuyar - EH Ibon Sarasola		Lexikografoarentzako lan-postua (workbench)
Morfo logia	Analizatzaile/Sortzaile morfologikoa	Hobetzen
	Lematizatzaile/ Etiketatzailea	Hobetzen
Sintaxia	Azaleko sintaxia: - Funtzio sintaktikoak - Zatiak (Chunks)	Hobetzen - Anbiguotasun sintaktikoaren ebazpena - Esaldi-mugak - Postposizioak - Aditz-azpikategorizazioa - Menpekotasunak	Parserra Estaldura zabala Eraginkorra Hainbat formalismo - Murriztapen Gram. (CG) - Baterakuntza - Estatistikoak
Semantika	Adiera-desanbiguazioa (WSD)	WSD hobetzen Ezagutza eleanitza	WSD hobetzen Analisi semantikoa
Integrazioa	Tresnen integraziorako ingurune informatikoa - XML estandarra - TEI gida-lerroak	Tresna berriak integratzen - morfosintaxia - sintaxia	Hobetu

Aplikazioak

Lehen	Orain	Gero
Zuzentzaile ortografikoa	Bertsioak
	Gramatika- eta estilo- zuzentzailea
Lematizazioa eta hizkuntza-bereizketa darabiltzan testuetarako bilaketa-motorra (search engine)	Informazio-bilaketa (Information Retrieval)	Informazio-erauzketa (Information Extraction) Galdera-erantzutea (Question Answering) - hizkuntzen artekoa Crosslingual - Semantika erabiliz
Elhuyar Gazt-Eusk hiztegi elebidunaren integrazioa Word editorearekin
UZEIren sinonimo-hiztegiaren integrazioa Word editorearekin
Ibon Sarasolaren Euskal Hiztegiaren bertsio elektroniko aberastua	Hiztegi-kontsultarako sistema aurreratua
	Baliabide lexikal heterogeneoen integrazioa
	Bigarren hizkuntza ikasteko sistemak
	Itzulpen-memorien sorkuntza	Itzulpen-memoriak (perpausa baino txikiago diren unitateak erabilita)
Itzulpen-laguntzak. Integratuz: - Hiztegiak - Izen sintagmen itzulpena - Esaldi sinpleen itzulpena - Postediziorako laguntzak	Hobetzen - Adibideetan oinarrituz (Example based MT) - Itzulpen-memoriak
		Elkarrizketa-sistemak

O O O O O