Ad verba per numeros

Most Recent Entries

Archives

2023
- March
2022
- March
2021
- May
- January
2019
- July
- March
2016
- January
2014
- October
- June
- May
2013
- December
- September
- August
- April
- January
2012
- November
- June
- May
2011
- October
- September
- July
- June
- May
- February
- January
2010
- December
- June
- April
- March
- February
2009
- December
- November
- September
- August
- July
- June
- April
- March
- January
2008
- October
- September
- August
- July
- June
- May
- April
- March
- February
- January
2007
- December
- November
- October
- September
- July
- June
- May
- April
- March
- February
  - (Miscel�nea) M�s informaci�n sobre el proyecto "Biblioteca de clases para la segmentaci�n de un texto en pasajes"
    02/26/07
  - (�ltima hora) Oferta de tres nuevos proyectos
    02/23/07
  - (Miscel�nea) El aguardiente es agradable pero la carne es ins�pida
    02/22/07
  - (Art�culo) Apuntes sobre "Visualizing Tags over Time"
    02/21/07
  - (Segmentaci�n de chino) Introducci�n a la programaci�n en sistemas distribuidos
    02/21/07
  - (Miscel�nea) Visualizando folksonom�as
    02/20/07
  - (Identificaci�n de idioma) Hoja de ruta (Episodio II)
    02/20/07
  - (Miscel�nea) Charla de Susan Dumais
    02/19/07
  - (Hoja de ruta) Corpora paralelos (episodio II)
    02/19/07
  - (Servicios y utilidades) �C�mo encontrar ruedas?
    02/14/07
  - (Miscel�nea) CLEANEVAL y BootCaT
    02/14/07
  - (Identificaci�n de idioma) iconv, o c�mo convertir texto entre distintos juegos de caracteres
    02/14/07
  - (�ltima hora) Demo de blindLight
    02/12/07
  - (Breves) Many Eyes (o c�mo visualizar datos f�cilmente)
    02/12/07
  - (Breves) Inteligencia bruta
    02/11/07
  - (Recuperaci�n de Informaci�n) Libro on-line
    02/11/07
  - (Hot!) Yahoo! Pipes
    02/08/07
  - (�ltima hora) �Patente mala, patente mala!
    02/07/07
  - (Breves) Yo etiqueto, t� etiquetas, nosotros etiquetamos.
    02/06/07
  - (Off-topic) Web 2.0... The Machine is us/ing us
    02/05/07
- January
2006
- December

Breves, Miscelánea
Wednesday, February 14, 2007, 03:35 PM

Dos descubrimientos casuales que acabo de hacer: (1) El proyecto CLEANEVAL y (2) BootCaT (Simple Utilities for Bootstrapping Corpora and Terms from the Web).

En sus propias palabras:

CLEANEVAL is a shared task and competitive evaluation on the topic of cleaning arbitrary web pages, with the goal of preparing web data for use as a corpus, for linguistic and language technology research and development.

The perl scripts included in the BootCaT toolkit implement an iterative procedure to bootstrap specialized corpora and terms from the web, requiring only a list of "seeds" (terms that are expected to be typical of the domain of interest) as input.

El primero es un congreso/"competición" similar a DUC, TREC o CLEF que se celebrará por primera vez en agosto de 2007. Una vez finalice será interesante ver qué técnicas son las más adecuadas para limpiar páginas web y, probablemente, surja algún PFC a partir de los artículos más prometedores.

El segundo es un toolkit para obtener de la Web corpora (colecciones de documentos) orientados a un tema concreto y ya tengo una idea bastante clara para un próximo proyecto... Seguiré informando.

Back Next