ANALHITZA: A tool to extract linguistic information from large corpora in Humanities research

• Autores: Mikel Iruskieta Quintian, Larraitz Uria Garin, Arantxa Otegi Usandizaga , Oier Imaz Alias, Arantza Díaz de Ilarraza Sánchez
• Localización: Procesamiento del lenguaje natural, ISSN 1135-5948, Nº. 58, 2017, págs. 77-84
• Idioma: inglés
• Títulos paralelos:
  • ANALHITZA: Herramienta para extraer información lingüística de corpus extensos para su uso en investigaciones de ciencias humanas
• Enlaces
  • Texto completo
• Dialnet Métricas: 5 Citas
• Resumen
  • español

    The reduced size of corpora in some areas of research is due to the lack of tools to process massively and easily the language under study. In this article, we present ANALHITZA, a tool which is being developed within the Clarin-k project, whose aim is the creation of linguistic technologies that are useful for research on Social Sciences and Humanities. ANALHITZA has been designed to extract linguistic information online from large corpora in an easy way. Besides, it is a multilingual tool which can process texts written in three languages: Basque, Spanish and English. Moreover, we present three real examples of study where ANALHITZA has been used. The tool can be redesigned or changed, according to the needs of the scientific community in the field of Humanities.

  • English

    El tamaño reducido de los corpus en ciertos campos de investigación se debe a la falta de herramientas para procesar el lenguaje de forma masiva y sencilla. En este artículo presentamos ANALHITZA, una herramienta que estamos desarrollando dentro del proyecto Clarin-k que tiene como objetivo principal la creación de tecnologías lingüísticas útiles para la investigación en Ciencias Sociales y Humanidades. ANALHITZA ha sido diseñada para extraer información lingüística online de textos extensos de una forma sencilla. Además, es una herramienta multilingüe que permite analizar textos escritos en tres lenguas: euskera, castellano e inglés. En este artículo, a modo de ejemplo, presentamos tres estudios en los que se ha usado esta herramienta, que puede ser rediseñada para cubrir las necesidades de investigación de muchas de las ramas de Humanidades.

• Referencias bibliográficas
  • Agerri, R., J. Bermudez, and G. Rigau. 2014. IXA pipeline: Efficient and Ready to Use Multilingual NLP tools. In Proceedings of LREC 2014,...
  • Agerri, R. and G. Rigau. 2016. Robust multilingual Named Entity Recognition with shallow semi-supervised features. Artificial Intelligence,...
  • Alberdi, U. 2013. Euli giro. Susa.
  • Alonso, S. and A. Volkens. 2012. Contentanalyzing political texts. A quantitative approach, volume 47. CIS.
  • Arrieta, B. 2012. Alter ero. Susa.
  • Blei, D.M. 2012. Probabilistic topic models. Communications of the ACM, 55(4):77– 84.
  • Carley, K.M. 1997. Network text analysis: The network position of concepts. In Carl W. Roberts, editor, Text analysis for the social sciences:...
  • CICIR. 2007. Building Peace: the Challenge of Moving from Desire to Implementation. Columbia University.
  • CICIR. 2009. The Challenge of Moving from Desire to Implementation. Columbia University.
  • Fokkens, A., A. Soroa, Z. Beloki, N. Ockeloen, G. Rigau, W.R. van Hage, and P. Vossen. 2014. NAF and GAF: Linking linguistic annotations....
  • Grimmer, J. and B.M. Stewart. 2013. Text as data: The promise and pitfalls of automatic content analysis methods for political texts. Political...
  • Hualde, J.I. and J. Ortiz de Urbina. 2003. A grammar of Basque, volume 26. Walter de Gruyter.
  • Iruskieta, M., I. Da Cunha, and M. Taboada. 2015. A qualitative comparison method for rhetorical structures: identifying different discourse...
  • Iruskieta, M., G. Labaka, and J.D. Antonio. 2016. Detecting the central units in two different genres and languages: a preliminary study of...
  • Jurafsky, D. 2009. Speech & language processing. Pearson Education. India.
  • Krippendorff, K. 2004. Content analysis: An introduction to its methodology. Sage.
  • Otegi, A., N. Ezeiza, I. Goenaga, and G. Labaka. 2016. A Modular Chain of NLP Tools for Basque. In Proceedings of the 19th International Conference...
  • Villegas, M., N. Bel, C. Gonzalo, A. Moreno, and N. Simelio. 2012. Using Language Resources in Humanities research. In LREC 2012, pages 3284–3288.