UMUCorpusClassifier: compilation and evaluation of linguistic corpus for Natural Language Processing tasks

Almela, Ángela; García Díaz, José Antonio; Alcaraz Marmol, Gema; Valencia García, Rafael

Publication:
UMUCorpusClassifier: compilation and evaluation of linguistic corpus for Natural Language Processing tasks

dc.contributor.author	Almela, Ángela
dc.contributor.author	García Díaz, José Antonio
dc.contributor.author	Alcaraz Marmol, Gema
dc.contributor.author	Valencia García, Rafael
dc.contributor.department	Filología Inglesa
dc.date.accessioned	2026-02-19T08:53:20Z
dc.date.available	2026-02-19T08:53:20Z
dc.date.copyright	© 2020 Sociedad Española para el Procesamiento del Lenguaje Natural
dc.date.issued	2020
dc.description.abstract	The development of an annotated corpus is a very time-consuming task. Although some researchers have proposed the automatic annotation of a corpus based on ad-hoc heuristics, valid hypotheses cannot always be made. Even when the annotation process is performed by human annotators, the quality of the corpus is heavily in uenced by disagreements between annotators or with themselves. Therefore, the lack of supervision of the annotation process can lead to poor quality corpus. In this work, we propose a demonstration of UMUCorpusClassi er, a NLP tool for aid researches for compiling corpus as well as coordinating and supervising the annotation process. This tool eases the daily supervision process and permits to detect deviations and inconsistencies during early stages of the annotation process.
dc.description.abstract	La construcción de un corpus anotado es una tarea que consume mucho tiempo. Aunque algunos investigadores han propuesto la anotación automática basada en heurísticas, éstas no siempre son posibles. Además, incluso cuando la anotación es realizada por personas puede haber discrepancias entre los mismos anotadores o de un anotador consigo mismo que influyen en la calidad del corpus. Por tanto, la falta de supervisión sobre el proceso de anotación puede llevar a corpus con baja calidad. En este trabajo, proponemos una demostración de UMUCorpusClassifi er, una herramienta PLN para ayudar a los investigadores a compilar corpus y también a coordinar y supervisar el proceso de anotación. Esta herramienta facilita la monitorización diaria y permite detectar inconsistencias durante etapas tempranas del proceso de anotación.
dc.format	application/pdf
dc.format.extent	4
dc.identifier.doi	10.26342/2020-65-22
dc.identifier.eissn	1989-7553
dc.identifier.issn	1135-5948
dc.identifier.uri	http://hdl.handle.net/10201/207981
dc.language	eng
dc.publisher	Sociedad Española de Procesamiento del Lenguaje Natural
dc.relation	This demonstration has been supported by the Spanish National Research Agency (AEI) and the European Regional Development Fund (FEDER/ERDF) through projects KBS4FIA (TIN2016-76323-R) and LaTe4PSP (PID2019-107652RB-I00). In addition, Jose Antonio Garcia-Diaz has been supported by Banco Santander and University of Murcia through the Doctorado industrial programme.
dc.relation.ispartof	Procesamiento del Lenguaje Natural
dc.relation.publisherversion	http://journal.sepln.org/sepln/ojs/ojs/index.php/pln/article/view/6292/3728
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 International	*
dc.rights.accessRights	info:eu-repo/semantics/openAccess
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	Clasificación de documentos
dc.subject	Compilación de corpus
dc.subject	Corpus compilation
dc.subject	Document classi cation
dc.subject.ods	Objetivo 4: Educación
dc.title	UMUCorpusClassifier: compilation and evaluation of linguistic corpus for Natural Language Processing tasks
dc.title.alternative	UMUCorpusClassi er: recolección y evaluación de corpus lingüísticos para tareas de Procesamiento del Lenguaje Natural
dc.type	info:eu-repo/semantics/article
dc.type.version	info:eu-repo/semantics/publishedVersion
dspace.entity.type	Publication	es
relation.isAuthorOfPublication	a3124e18-690d-4cfc-80a4-98e6b667d928
relation.isAuthorOfPublication	14ca7de1-eef1-42b4-9649-b765516ea4f3
relation.isAuthorOfPublication	ab591422-699c-4535-8e8f-fd09f0e90ec2
relation.isAuthorOfPublication.latestForDiscovery	a3124e18-690d-4cfc-80a4-98e6b667d928