Unibertsitateko Ikerlarien lanak dibulgatzen dituen Zientzia Kaiera guneak Itziar Gonzalez-Dios ixakidean jarri zuen arreta pasa den martxoan.

“Hibridoa naiz (eta harro nago)” dio Itziarrek bere buruaz. KonItziar Gonzalez-Diostrako jo ohi diren bi mundu batzen ditu bere jardunean: hizkuntzalaritza (Letrak) eta informatika (Zientziak). Aleman Filologian 2011n lizentziatu ondoren, Hizkuntza Prozesamenduan Masterra masterra egin zuen 2012an. Hibrido bat dela aitortzen du artikuluan, umoretsu: “Hala deitzen diogu gure buruari Ixa taldeko kideok”.

2016an aurkeztu zuen bere tesia:  euskarazko testu konplexuak automatikoki sinplifikatzeko proposamen bat. Hitz arraroak edo egitura sintaktiko luze eta zailak automatikoki ulergarriago bihurtzea da bere ikerketaren helburua. 2014an #Txiotesia2 lehiaketa irabazi zuen bere tesi-lana 6 txiotan kontatuta.

Egun, Bilboko Ingeniaritza eskolako Euskal Hizkuntza eta Komunikazioa sailean ari da. Geroztik, irakaskuntzan eta ikerketan dabil.

Elhuyarreko Ana Galarraga  izan da Kaierako artikuluaren egilea.

Hau da bideo-albistea: “Hizkuntza-teknologiak ezinbesteko tresna dira euskara bultzatu nahi baldin badugu”

Sintaxiak esaldiaren egitura zein den eta esaldi horretako elementuak nola eta zein hurrenkeran azaldu diren aztertzen ditu.
Sintaxia funtsezkoa da morfologiaz harantzago joan nahi duten aplikazio eta tresnak garatzeko: dokumentu-bilatzaileak, galdera-erantzunen sistemak, itzulpen automatikoa, testuen sinplifikazioa, testuen laburpena eta abar.

Zuhaitz-bankuak sintaktikoki etiketatutako corpusak dira.
Dependentzia sintaktikoak hizkuntza guztietan modu berean etiketatu nahi dira dependentzia   unibertsalen bitartez. Euskaraz ere lortu dugu hori.

Gaiari buruz gehiago jakin nahi duenarentzat, master bat hasiko da urrian: Hizkuntzaren Azterketa eta Prozesamendua

Hizlaria:  Koldo Gojenola
Ordua: 15:00-16:00
Gela: 3.2 gela. Informatika Fakultatea (UPV/EHU)
Izenburua:  “Zuhaitz-banku unibertsala / Universal Treebank”

2008. urtetik hona, hizkuntza desberdinetan garatutako zuhaitz-bankuek etiketatze eredu estandarra jarraitzeko hainbat saiakera egin dira (Standford Dependencies, Clear, Google UD, Standford UD, Hamlet). 2014tik aurrera Standford UDetan oinarritutako Universal Dependencies, “de facto”zko estandarra bihurtu da. Gure zuhaitz-bankua UDetara bihurtzen hasi gara, eta lehenengo bertsio bat atzigarri dago jada. Eman diren urratsak eta egoera azalduko ditugu mintegi honetan.

Hizlaria:  Miguel Ballesteros (Universitat Pompeu Fabra)
Eguna: Abenduaren 16an, asteartea
Ordua: 15:30-16:30
Tokia: 3.2 gela. Informatika Fakultatea
Izenburua: “Going to the Roots of Dependency Parsing  / Dependentziazko analizatzaileen erroetarantz ”

Agindu bezala hemen dator Kepa Bengoetxea Kortazar ixakideak asteartean defendatuko duen tesia. Sintaxi konputazionalari buruz aurten aurkeztuko den hirugarren tesia da hau, estaldura zabaleko analizatzaile estatitiskoa dakarrena, Maltixa izenekoa.

Ixa

Espainieratik euskarara itzultzen duten bi sistema oso diferente elkarrekin lanean jartzea izan da gure helburua. Itzultzaile automatiko horietako bat estatistikoa da (EUSMT), bestea erregeletan oinarritutakoa (Matxin). Biak batzen dituen sistema hibridoak hasieran esaldien analisi sintaktikoa egiten du, erregeletan oinarritutako sistemak egiten duen bezala, baina gero egitura sintaktikoaren osagai bakoitza modu batera eta bestera saiatzen da itzultzen. Bukaeran prozedura estatistiko bat erabiltzen du itzulpen posible guztien artean hoberena hautatzeko.

Itzultzaileen ebaluazioa neurri automatikoekin egin dugunean sistema hibridoa izan da onena, argi eta garbi. Hortaz, arrakastatsua izan da gure proiektua.

Baina eskuzko ebaluazioa egin dugunean gizakiek Matxinen itzulpenak nahiago izan dituzte sistema estatistikoarenak edo hibridoarenak baino. Hor, beraz, itzulpengintza automatikoan dagoen konpondugabeko arazo batekin egin dugu topo: ebaluaziorako neurri estatistikoak eta giza-ebaluatzaileak beti ez dira bat etortzen. Ebaluazio automatikoa merkea da, baina ez guztiz sinesgarria, eta maiz erabiltzen da ikerketan    Giza-ebaluatzaileen iritziekin bat etorriko diren neurri automatiko hobeak asmatzeko daude!

Ederra lankidetza TALP zentrokoekin izan duguna (OpenMT-2 proiektuko albisteak gure blogean). Orain Tacardi proiektuan gabiltza elkarrekin.

Agindu bezala hemen dator Ainara Estarrona Ibarzola ixakideak ostegunean defendatuko duen tesia. Sintaktikoki etiketatuta dagoen EPEC corpusean predikatu-mailan etiketatu ahal izateko hiru baliabide berri sortu dira tesi honetan:

• EPEC-RolSem corpusa, EPEC bezelakoa baina predikatu mailan ere etiketatua
• BVI:  Euskarazko aditzen lexikoia (Basque Verb Index)
• e-ROLda:  BVI  eta EPEC-RolSem kontsultatzeko tresna

Zuzentzaile ortografiko bat martxan dago. Analizatzaile morfologikoa eta sintaktiko xume bat ere bai. Hilabete gutxiren barruan kitxuaren datu-base lexikalaren lehen bertsioa eta corpusa kontsultatzeko lehenengo web-aplikazio bat plazaratu nahi ditugu.

Lehengo urtean bi bisitari izan genituen:

• Hugo Quispe: datu-base lexikalaren sortzailea
• Richard Castro: zuzentzailea sortu eta hizketaren tratamendua landu duena.

Aurten beste bi bisitari ditugu gure artean:

• Rosemary Jimenez:  testuak automatikoki sailkatzeko programa aurkeztu du gaur bertan, bere master-tesi moduan. Eta bera da corpusa eratu eta kontsultatzeko aplikazioa sortzen ari dena.
• José Lozano: Kitxua irakasteko sistema bat sortzen ari da Waldir Farfan-ekin. Datorren igandean kitxuazko esaldiak analizatzen dituen sistema aurkeztuko du Polonian, Language Technology Congress (LTC’2013) kongresuan.

2012an Madrileko Kooperaziorako Ministerioko proiektu bat izan genuen, 2013an EHUrekin RUNASIMI proiektua. Juan Cruz irakasleak koordinatzen duen Hinantin taldea jaio da. Orain proiektu berri bat prestatzen ari gara lan hauei 2014an jarraipena emateko.

Arrakastatsua izan da Hizkuntzalari Euskaldunen I. Topaketa. UEUko Hizkuntzalaritza Sailburuak diren Itziar Aduriz eta Ruben Urizar IXAkideek balorazio oso positiboa egin dute bilkuraz.

Lau izan dira bilkuran Ixa Taldearen aldetik aurkeztu diren lanak: