Cargando...
Fecha
2016-01-01
Derechos de acceso
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editorial
Universidad Católica de Valparaíso
Citas
Resumen
Este artículo describe el funcionamiento de un algoritmo de corrección ortográfica y gramatical para textos escritos en español, destinado a hablantes nativos competentes que realizan labores de corrección de textos. Los posibles errores se identifican por medio de análisis estadísticos (en vez de emplear el sistema de ‘etiquetado’ y análisis sintáctico que utiliza la mayor parte de correctores), comparando las combinaciones de palabras utilizadas con un corpus de referencia de cien millones de vocablos. De esa manera, se señalan los pares de palabras (bigramas) poco o muy poco frecuentes, y que, en muchas ocasiones, lo son porque contienen algún error. La limitación fundamental es que no se detectan errores que no puedan ser deducidos del análisis de palabras adyacentes. Pero, como hemos comprobado aquí en el análisis de diferentes textos, el algoritmo es capaz de localizar errores que otros correctores no identifican
This paper describes the performance of an algorithm of spelling and grammar checker for texts written in Spanish by proficient native speakers during proof-reading. Possible mistakes are not detected by tagging and parsing but by statistical analysis, comparing combinations of two words used in the text to a hundred-million-word corpus. Those pairs of words (bigrams) which do not occur or which are suspiciously infrequent in the corpus are highlighted; and such pairs often contain errors. The main limitation is that mistakes that arise from non-adjacent words are not detected. Nevertheless, as we have seen in this study with some different texts, the algorithm detects many errors that other grammar checkers are not able to identify
This paper describes the performance of an algorithm of spelling and grammar checker for texts written in Spanish by proficient native speakers during proof-reading. Possible mistakes are not detected by tagging and parsing but by statistical analysis, comparing combinations of two words used in the text to a hundred-million-word corpus. Those pairs of words (bigrams) which do not occur or which are suspiciously infrequent in the corpus are highlighted; and such pairs often contain errors. The main limitation is that mistakes that arise from non-adjacent words are not detected. Nevertheless, as we have seen in this study with some different texts, the algorithm detects many errors that other grammar checkers are not able to identify
Descripción
La versión registrada de este artículo, publicado por primera vez en “Revista Signos. Estudios de Lingüística, 49(90): 94-118 p.", está disponible en línea en el sitio web del editor: Pontificia Universidad Católica de Valparaíso, DOI: 10.4067/S0718-09342016000100005.
The registered version of this article, first published in “Revista Signos. Estudios de Lingüística, 49(90): 94-118 p.", is available online at the publisher's website: Pontificia Universidad Católica de Valparaíso, DOI: 10.4067/S0718-09342016000100005.
The registered version of this article, first published in “Revista Signos. Estudios de Lingüística, 49(90): 94-118 p.", is available online at the publisher's website: Pontificia Universidad Católica de Valparaíso, DOI: 10.4067/S0718-09342016000100005.
Categorías UNESCO
Palabras clave
Bigramas, corrección de textos, corrector gramatical, detección de errores, pares de palabras, Bigrams, error detection, grammar checker, pairs of words, proof-reading
Citación
San Mateo Valdehíta, A. (2016): «Un corpus de bigramas utilizado como corrector ortográfico y gramatical destinado a hablantes nativos de español». Revista Signos. Estudios de Lingüística, 49(90): 94-118. DOI: 10.4067/S0718-09342016000100005.
Centro
Facultad de Filología
Departamento
Lengua Española y Lingüística General