DELPH-IN (Deep Linguistic Processing with HPSG - INitiative) es una colaboración internacional de lingüistas computacionales que desarrollan herramientas de código abierto para el procesamiento lingüístico profundo del lenguaje humano. La iniciativa tiene como objetivo combinar métodos lingüísticos y estadísticos para comprender computacionalmente el significado de textos y enunciados. Sus herramientas se basan en dos formalismos: la gramática de estructura sintagmática dirigida por el núcleo (HPSG) y la semántica de recursión mínima (MRS). Desde 2005, DELPH-IN celebra una cumbre anual, una desconferencia donde los participantes comparten trabajos, buscan retroalimentación y acuerdan estándares.
Tecnologías y recursos
DELPH-IN proporciona un conjunto de herramientas para la ingeniería gramatical y el análisis sintáctico. El Linguistic Knowledge Builder (LKB) es un entorno de ingeniería gramatical para construir gramáticas HPSG. El analizador PET (Platform for Experimentation with efficient HPSG processing Techniques) produce árboles de análisis HPSG con salidas MRS. El procesador ACE (Answer Constraint Engine) procesa eficientemente las gramáticas de DELPH-IN y también puede generar oraciones en lenguaje natural. La infraestructura LOGON apoya la traducción automática basada en transferencia, ofreciendo traducciones híbridas basadas en reglas y estocásticas.
Gramáticas y recursos lingüísticos
DELPH-IN mantiene un catálogo de gramáticas HPSG computacionales elaboradas manualmente para múltiples lenguas. El LinGO Grammar Matrix es un kit de inicio de código abierto para la creación rápida de prototipos de gramáticas de amplia cobertura, proporcionando una biblioteca de fenómenos lingüísticos comunes. Las bibliotecas CLIMB (Comparative Libraries of Implementations with Matrix Basis) extienden el Grammar Matrix para probar análisis alternativos entre lenguas.
Corpus y treebanks
DELPH-IN también proporciona corpus anotados. El MRS Test Suite contiene oraciones representativas para probar fenómenos MRS, disponible en más de diez lenguas. WikiWoods es un corpus analizado con anotaciones sintáctico-semánticas ricas para la Wikipedia en inglés. DeepBank anota el millón de palabras del texto del Wall Street Journal de 1989 (el mismo que el Penn Treebank) utilizando la English Resource Grammar. La compilación Cathedral and the Bazaar, basada en el ensayo de Eric Raymond, sirve como un conjunto de pruebas multilingüe.
Comunidad y usabilidad
La cultura de código abierto de DELPH-IN beneficia a la comunidad de procesamiento del lenguaje natural, pero la usabilidad ha sido un desafío para los recién llegados. Los desarrolladores están trabajando para mejorar la documentación y los tutoriales. La iniciativa está relacionada con esfuerzos más amplios en inteligencia artificial y aprendizaje automático, aunque se centra en enfoques simbólicos e híbridos en lugar de métodos de redes neuronales. Sus recursos se utilizan en investigación y aplicaciones que requieren análisis semántico profundo, complementando técnicas superficiales como las de los modelos de lenguaje grandes.
Véase también
- Gramática de estructura sintagmática dirigida por el núcleo
- Semántica de recursión mínima