Estudio de la complejidad del Español para la simplificación textual
Barra lateral del artículo
Contenido principal del artículo
Resumen
La mayoría de los trabajos en el área de la simplificación textual se realizan sobre el idioma
inglés por contar con más recursos lingüísticos y sobre el género periodístico. Sin embargo,
por nuestro contexto, en este trabajo nos concentramos en estudiar y automatizar las métricas
existentes para medir complejidad léxica para el español, como paso previo a la identificación
de frases complejas y su subsiguiente simplificación. Otro aspecto novedoso de este trabajo
es la utilización de corpus relacionados a los derechos humanos, concretamente de la
Organización para las Naciones Unidas y del Alto Comisionado de las Naciones Unidas para
los Refugiados. Los aportes más significativos son: la creación de una herramienta de código
abierto, que genera un informe sobre la complejidad de un texto dado con el fin de dar soporte
a quien esté interesado en simplificar ese texto, y la propuesta de una nueva métrica para medir
la complejidad de manera multifacética. Los resultados obtenidos en los distintos experimentos
realizados son prometedores y en muchos casos confirman las hipótesis planteadas.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación y pueda editarlo, reproducirlo, distribuirlo, exhibirlo y comunicarlo en el país y en el extranjero mediante medios impresos y electrónicos. Asimismo, asumen el compromiso sobre cualquier litigio o reclamación relacionada con derechos de propiedad intelectual, exonerando de responsabilidad a la Editorial Tecnológica de Costa Rica. Además, se establece que los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Citas
Wikipedia, “Derecho de acceso a la información — wikipedia, la enciclopedia libre,” 2018, [Internet; descargado 21-marzo-2018].
G. Paetzold and L. Specia, “Semeval 2016 task 11: Complex word identification,” in Proceedings of the 10th
International Workshop on Semantic Evaluation (SemEval-2016), 2016, pp. 560–569.
R. Chandrasekar, C. Doran, and B. Srinivas, “Motivations and methods for text simplification,” in Proceedings of
the 16th conference on Computational linguistics-Volume 2. Association for Computational Linguistics, 1996,
pp. 1041–1044.
R. Chandrasekar and B. Srinivas, “Automatic induction of rules for text simplification1,” Knowledge-Based
Systems, vol. 10, no. 3, pp. 183–190, 1997.
M. Dras, “Tree adjoining grammar and the reluctant paraphrasing of text,” Ph.D. dissertation, Macquarie
University Sydney, 1999.
J. Carroll, G. Minnen, Y. Canning, S. Devlin, and J. Tait, “Practical simplification of english newspaper text to
assist aphasic readers,” in Proceedings of the AAAI-98 Workshop on Integrating Artificial Intelligence and
Assistive Technology, 1998, pp. 7–10.
C. Fellbaum, WordNet. Wiley Online Library, 1998.
P. T. Quinlan, The Oxford psycholinguistic database. University Press, 1992.
W. Hwang, H. Hajishirzi, M. Ostendorf, and W. Wu, “Aligning sentences from standard wikipedia to simple
wikipedia,” in Proceedings of the 2015 Conference of the North American Chapter of the Association for
Computational Linguistics: Human Language Technologies, 2015, pp. 211–217.
Z. Zhu, D. Bernhard, and I. Gurevych, “A monolingual tree-based translation model for sentence simplification,”
in Proceedings of the 23rd international conference on computational linguistics. Association for Computational
Linguistics, 2010, pp. 1353–1361.
K. Yamada and K. Knight, “A syntax-based statistical translation model,” in Proceedings of the 39th Annual
Meeting on Association for Computational Linguistics. Association for Computational Linguistics, 2001, pp.
–530.
R. Flesch, “A new readability yardstick.” Journal of applied psychology, vol. 32, no. 3, p. 221, 1948.
K. Woodsend and M. Lapata, “Wikisimple: Automatic simplification of wikipedia articles.” in Aaai, 2011.
S. Wubben, A. Van Den Bosch, and E. Krahmer, “Sentence simplification by monolingual machine translation,”
in Proceedings of the 50th Annual Meeting of the Association for Computational Linguistics: Long PapersVolume 1. Association for Computational Linguistics, 2012, pp. 1015–1024.
P. Koehn, H. Hoang, A. Birch, C. Callison-Burch, M. Federico, N. Bertoldi, B. Cowan, W. Shen, C. Moran,
R. Zens et al., “Moses: Open source toolkit for statistical machine translation,” in Proceedings of the 45th
annual meeting of the ACL on interactive poster and demonstration sessions. Association for Computational
Linguistics, 2007, pp. 177– 180.
S. M. Aluísio, L. Specia, T. A. Pardo, E. G. Maziero, and R. P. Fortes, “Towards brazilian portuguese automatic
text simplification systems,” in Proceedings of the Eighth ACM Symposium on Document Engineering, ser.
DocEng ’08. New York, NY, USA: ACM, 2008, pp. 240–248.
H. Saggion, E. Gómez-Martínez, E. Etayo, A. Anula, and L. Bourg, “Text simplification in simplext: Making texts
more accessible,” Procesamiento del lenguaje natural, no. 47, pp. 341–342, 2011.
A. Candido Jr, E. Maziero, C. Gasperin, T. A. Pardo, L. Specia, and M. Aluisio, “Supporting the adaptation of
texts for poor literacy readers: a text simplification editor for brazilian portuguese,” in Proceedings of the Fourth
Workshop on Innovative Use of NLP for Building Educational Applications. Association for Computational
Linguistics, 2009, pp. 34–42.
S. Bott, L. Rello, B. Drndarevic, and H. Saggion, “Can spanish be simpler? lexsis: Lexical simplification for
spanish,” Proceedings of COLING 2012, pp. 357–374, 2012.
B. Drndarevic´, S. Štajner, S. Bott, S. Bautista, and H. Saggion, “Automatic text simplification in spanish: a
comparative evaluation of complementing modules,” in International Conference on Intelligent Text Processing
and Computational Linguistics. Springer, 2013, pp. 488– 500.
S. Bautista and H. Saggion, “Can numerical expressions be simpler? implementation and demostration of a
numerical simplification system for spanish.” in LREC, 2014, pp. 956–962.
S. B. Blasco, “Un modelo computacional para la simplificación automática de expresiones numéricas,” 2015.
M. Shardlow, “A survey of automated text simplification,” International Journal of Advanced Computer Science
and Applications, vol. 4, no. 1, pp. 58–70, 2014.
M. Zampieri, S. Malmasi, G. Paetzold, and L. Specia, “Complex word identification: Challenges in data
annotation and system performance,” in Proceedings of the 4th Workshop on Natural Language Processing
Techniques for Educational Applications (NLPTEA 2017), 2017, pp. 59– 63.
A. Saint-Exupéry, El principito, 2003.
A. Eisele and Y. Chen, “Multiun: A multilingual corpus from united nation documents,” in Proceedings of the
Seventh conference on International Language Resources and Evaluation, D. Tapias, M. Rosner, S. Piperidis,
J. Odjik, J. Mariani, B. Maegaard, K. Choukri, and N. C. C. Chair), Eds. European Language Resources
Association (ELRA), 5 2010, pp. 2868–2872.
S. Spaulding, “A spanish readability formula,” The Modern Language Journal, vol. 40, no. 8, pp. 433–441,
A. Anula, “Tipos de textos, complejidad lingüıstica y facilicitación lectora,” in Actas del Sexto Congreso de
Hispanistas de Asia, 2007, pp. 45–61.
M. L. Forcada, M. Ginestí-Rosell, J. Nordfalk, J. O’Regan, S. OrtizRojas, J. A. Pérez-Ortiz, F. Sánchez-Martínez,
G. Ramírez-Sánchez, and F. M. Tyers, “Apertium: a free/open-source platform for rule-based machine translation,” Machine translation, vol. 25, no. 2, pp. 127–144, 2011.
J. L. Fleiss, “Measuring nominal scale agreement among many raters.” Psychological bulletin, vol. 76, no. 5,
p. 378, 1971.