Vila, De nou, predicat i predicació: relacions entre «el dir» i «el que es diu». La causalitat co... more Vila, De nou, predicat i predicació: relacions entre «el dir» i «el que es diu». La causalitat com a acte justificatiu en la llengua espanyola .
In this paper we describe the structure, organisation and results of the SENSEVAL exercise for Sp... more In this paper we describe the structure, organisation and results of the SENSEVAL exercise for Spanish. We present several design decisions we taked for the exercise, we describe the creation of the goldstandard data and finally, we present the results of the evaluation. Twelve systems from five different universities were evaluated. Final scores ranged from 0.56 to 0.65. 1 The noun "arte" was not included in the exercise because it was provided to the competitors during the trial phase. 2 The working corpus of the HERMES project CICYT TIC2000-0335-C03-02.
Revista Espanola De Linguistica Aplicada, Dec 31, 2020
In this paper, we analyze the acquisition of Spanish past tense aspect by Mandarin Chinese learne... more In this paper, we analyze the acquisition of Spanish past tense aspect by Mandarin Chinese learners of Spanish by means of three semi-guided writing tests. Specifically, we analyze the choice of pretérito indefinido and pretérito imperfecto, taking into account lexical aspect, grounding information, and the combination of both as variables. Moreover, we analyze whether transfer from Mandarin Chinese, the students’ first language (L1), occurs in the acquisition process. Our results partly support the Lexical Aspect Hypothesis (Andersen, 1991; Andersen & Shirai, 1996) and the Discourse Hypothesis (Bardovi-Harlig, 1994). According to these hypotheses, verbal properties and grounding information play a role in the selection of pretérito indefinido or pretérito imperfecto. Finally, our data support the existence of L1 transfer at the semantic level only.
marcoELE. Revista de Didáctica Español Lengua Extranjera, Mar 20, 2019
Sus investigaciones y publicaciones están relacionadas con la lingüística computacional y el proc... more Sus investigaciones y publicaciones están relacionadas con la lingüística computacional y el procesamiento de lenguaje natural y, especialmente, con la semántica léxica, la lingüística de corpus y el desarrollo de recursos lingüísticos para el procesamiento del lenguaje natural del español, catalán e inglés. Esta investigación es parte del proyecto TIN2015-71147-C2-2 financiado por el Ministerio de Economía y Competitividad; del proyecto 2017-SGR-341, por la Generalitat de Catalunya; y del proyecto No. 201608390032 por China Scholarship Council. RESUMEN En este trabajo describimos las tendencias halladas en el uso de los tiempos aspectuales de pasado del español, esto es, pretérito indefinido (PIN) e imperfecto (PIM) de indicativo, en la producción escrita de aprendices sinohablantes de ELE/L2 de distintos tipos de pruebas, tanto cerradas (prueba de cloze) como abiertas y semiabiertas (redacciones semiguiadas), que forman parte del corpus Gushi-ELE, de secuencias narrativas producidas por estudiantes de niveles B1 a C1 (del MCER). Basándonos en este análisis, proponemos implicaciones didácticas de la enseñanza de los tiempos aspectuales del español para los aprendices chinos. PALABRAS CLAVE: tiempos aspectuales del pasado en ELE, aprendices sinohablantes, tipos de pruebas, patrón prototípico, implicaciones didácticas
Se trata de un proyecto del programa de I+D (TIN2015-71147) financiado por el Ministerio de Econo... more Se trata de un proyecto del programa de I+D (TIN2015-71147) financiado por el Ministerio de Economía y Competitividad. Paolo Rosso coordina el proyecto SomEMBED y lidera el subproyecto SomEMBED-APP y Mariona Taulé lidera el subproyecto SomEMBED-SLang.
In this paper we present the MultiModal Stance Detection in tweets on Catalan #1Oct Referendum (M... more In this paper we present the MultiModal Stance Detection in tweets on Catalan #1Oct Referendum (MultiStanceCat) task at IberEval 2018 evaluation campaign. We describe the datasets created, the way in which they have been annotated, the evaluation metric used, the results obtained by the submitted approaches, and an evaluation of these approaches. The systems presented here had to detect from a multimodal perspective the authors stances-in favor, against or neutral-with respect to the Catalan first of October Referendum (2017) in tweets written in Spanish and Catalan. Four teams participated, submitting a total of seven runs in Catalan and nine in Spanish. The results obtained show that the performance of these systems improved when the context information was taken into account.
La investigació en lingüística computacional i processament del llenguatge natural ha donat lloc ... more La investigació en lingüística computacional i processament del llenguatge natural ha donat lloc els darrers anys a les anomenades tecnologies del llenguatge, que tenen com a principal objectiu el desenvolupament de sistemes informàtics capaços de reconèixer, comprendre i generar el llenguatge humà en totes les seves formes. Amb aquest objectiu, s’han desenvolupat una sèrie d’aplicacions, com ara la traducció automàtica, l’extracció i recuperació d’informació, la classificació de documents, etc., que processen la informació per facilitar l’accés, l’organització i la transmissió del coneixement generat per l’anomenada Societat de la Informació. que vivim. Com en altres disciplines científiques, a l’àrea de Lingüística Computacional i Processament del Llenguatge Natural ha passat d’una etapa inicial centrada en la investigació experimental bàsica a una en què interactua més amb la societat i, per tant, està més interessada en crear productes i aplicacions que resolguin problemes reals...
Desde la implantacion del Espacio Europeo de Educacion Superior (EEES) en los diferentes grados, ... more Desde la implantacion del Espacio Europeo de Educacion Superior (EEES) en los diferentes grados, se ha puesto de manifiesto la necesidad de utilizar diversos mecanismos que permitan tratar la diversidad en el aula, evaluando automaticamente y proporcionando una retroalimentacion rapida tanto al alumnado como al profesorado sobre la evolucion de los alumnos en una asignatura. En este articulo se presenta la evaluacion de la exactitud en las predicciones de GradeForeseer, un recurso docente para la prediccion de notas basado en tecnicas de aprendizaje automatico que permite evaluar la evolucion del alumnado y estimar su nota final al terminar el curso. Este recurso se ha complementado con una interfaz de usuario para el profesorado que puede ser usada en diferentes plataformas software (sistemas operativos) y en cualquier asignatura de un grado en la que se utilice evaluacion continuada. Ademas de la descripcion del recurso, este articulo presenta los resultados obtenidos al aplicar ...
En este articulo se presentan los criterios aplicados para la anotacion del corpus SFU ReviewSP-N... more En este articulo se presentan los criterios aplicados para la anotacion del corpus SFU ReviewSP-NEGcon negacion y la tipologia linguistica correspondiente. Esta tipologia presenta la ventaja de ser facilmente expresable en terminos de un tagset para la anotacion de corpus, de presentar tipos claramente delimitados, evitando asi la ambiguedad en el proceso de anotacion, y de presentar una amplia cobertura, es decir, que ha servido para resolver todos los casos que han aparecido. El corpus contiene 400 comentarios y 198.551 palabras. Actualmente esta anotado en un 75% y, de un total de 6.331 oraciones revisadas, se han identificado 2.953 estructuras de negacion.
IARG-AnCora is an ongoing project which aim is to annotate the implicit arguments of deverbal nom... more IARG-AnCora is an ongoing project which aim is to annotate the implicit arguments of deverbal nominalizations in AnCora corpus. This corpus will be the basis for systems of automatic semantic role labeling based on machine learning techniques. Semantic analyzers are essential components in the current applications of language technologies, in which it is important to obtain a deeper understanding of the text to make inferences on the highest level in order to obtain qualitative improvements in the results.
Resumen: En este articulo se describe un nuevo recurso: AnCora-Nom, un lexico de nominalizaciones... more Resumen: En este articulo se describe un nuevo recurso: AnCora-Nom, un lexico de nominalizaciones deverbales del espanol. Actualmente, contiene 1.655 entradas lexicas y 3.094 sentidos, donde cada sentido tiene asociado el tipo denotativo y la estructura argumental con los papeles tematicos correspondientes. Este lexico se ha extraido automaticamente a partir de la informacion anotada en el corpus AnCora-Es. AnCora-Nom se derivo teniendo en cuenta no solo la informacion estrictamente relacionada con las nominalizaciones deverbales sino tambien con informacion morfologica y sintactico-semantica previamente anotada en el corpus. Palabras clave: nominalizacion deverbal, denotacion, estructura argumental, recurso lexico, anotacion de corpus.
Abstract•• this paper we present a methodology developed for evaluating the quality ofthe diction... more Abstract•• this paper we present a methodology developed for evaluating the quality ofthe dictionaries for Word Sense Disambiguation (WSD) tasks. This methodology is based on the parallel tagging of a single corpus with three lexical sources (with different characteristics) and three annotators. As far as the corpus tagging is concerned, strict criteria have been established regarding the lexicographic training of the annotators as well as the process itself, which has been developed under the guidance of a handbook specially elaborated ...
Revista de Procesamiento de Lenguaje Natural. Herramientas del artículo Imprimir este artículo. I... more Revista de Procesamiento de Lenguaje Natural. Herramientas del artículo Imprimir este artículo. Información de indexación. Información bibliográfica. Buscar referencias. Política de Revisión. Envía por correo este artículo (Se requiere entrar). Mandar correo-e a autor/a (Se requiere entrar). Contenido de la Revista Buscar. Todos. Navegar: ...
The goal of this research is to provide linguists with visualisations for analysing the results o... more The goal of this research is to provide linguists with visualisations for analysing the results of their hate speech annotation. These visualisations consist of a set of interactive graphs for analysing the global distribution of annotated messages, finding relationships between features, and detecting inconsistencies in the annotation. We used a corpus that includes 1,262 comments posted in response to different Spanish online new articles. The comments were annotated with features such as sarcasm, mockery, insult, improper language, constructivity and argumentation, as well as with level of toxicity ('not-toxic', 'mildly toxic', 'toxic' or 'very toxic'). We evaluated the selected visualisations with users to assess the graphs' comprehensibility, interpretability and attractiveness. One of the lessons learned from the study is the usefulness of mixed visualisations that include simple graphs (Bar, Heat map)-to facilitate the familiarisation with the results of the annotated corpus together with more complex ones (Sankey, Spider or Chord)-to explore and identify relationships between features and to find inconsistencies.
In this paper, we present INFERES-an original corpus for Natural Language Inference (NLI) in Euro... more In this paper, we present INFERES-an original corpus for Natural Language Inference (NLI) in European Spanish. We propose, implement, and analyze a variety of corpuscreating strategies utilizing expert linguists and crowd workers. The objectives behind IN-FERES are to provide high-quality data, and, at the same time to facilitate the systematic evaluation of automated systems. Specifically, we focus on measuring and improving the performance of machine learning systems on negation-based adversarial examples and their ability to generalize across out-of-distribution topics. We train two transformer models on IN-FERES (8,055 gold examples) in a variety of scenarios. Our best model obtains 72.8% accuracy, leaving a lot of room for improvement. The "hypothesis-only" baseline performs only 2%-5% higher than majority, indicating much fewer annotation artifacts than prior work. We find that models trained on INFERES generalize very well across topics (both in-and outof-distribution) and perform moderately well on negation-based adversarial examples.
Vila, De nou, predicat i predicació: relacions entre «el dir» i «el que es diu». La causalitat co... more Vila, De nou, predicat i predicació: relacions entre «el dir» i «el que es diu». La causalitat com a acte justificatiu en la llengua espanyola .
In this paper we describe the structure, organisation and results of the SENSEVAL exercise for Sp... more In this paper we describe the structure, organisation and results of the SENSEVAL exercise for Spanish. We present several design decisions we taked for the exercise, we describe the creation of the goldstandard data and finally, we present the results of the evaluation. Twelve systems from five different universities were evaluated. Final scores ranged from 0.56 to 0.65. 1 The noun "arte" was not included in the exercise because it was provided to the competitors during the trial phase. 2 The working corpus of the HERMES project CICYT TIC2000-0335-C03-02.
Revista Espanola De Linguistica Aplicada, Dec 31, 2020
In this paper, we analyze the acquisition of Spanish past tense aspect by Mandarin Chinese learne... more In this paper, we analyze the acquisition of Spanish past tense aspect by Mandarin Chinese learners of Spanish by means of three semi-guided writing tests. Specifically, we analyze the choice of pretérito indefinido and pretérito imperfecto, taking into account lexical aspect, grounding information, and the combination of both as variables. Moreover, we analyze whether transfer from Mandarin Chinese, the students’ first language (L1), occurs in the acquisition process. Our results partly support the Lexical Aspect Hypothesis (Andersen, 1991; Andersen & Shirai, 1996) and the Discourse Hypothesis (Bardovi-Harlig, 1994). According to these hypotheses, verbal properties and grounding information play a role in the selection of pretérito indefinido or pretérito imperfecto. Finally, our data support the existence of L1 transfer at the semantic level only.
marcoELE. Revista de Didáctica Español Lengua Extranjera, Mar 20, 2019
Sus investigaciones y publicaciones están relacionadas con la lingüística computacional y el proc... more Sus investigaciones y publicaciones están relacionadas con la lingüística computacional y el procesamiento de lenguaje natural y, especialmente, con la semántica léxica, la lingüística de corpus y el desarrollo de recursos lingüísticos para el procesamiento del lenguaje natural del español, catalán e inglés. Esta investigación es parte del proyecto TIN2015-71147-C2-2 financiado por el Ministerio de Economía y Competitividad; del proyecto 2017-SGR-341, por la Generalitat de Catalunya; y del proyecto No. 201608390032 por China Scholarship Council. RESUMEN En este trabajo describimos las tendencias halladas en el uso de los tiempos aspectuales de pasado del español, esto es, pretérito indefinido (PIN) e imperfecto (PIM) de indicativo, en la producción escrita de aprendices sinohablantes de ELE/L2 de distintos tipos de pruebas, tanto cerradas (prueba de cloze) como abiertas y semiabiertas (redacciones semiguiadas), que forman parte del corpus Gushi-ELE, de secuencias narrativas producidas por estudiantes de niveles B1 a C1 (del MCER). Basándonos en este análisis, proponemos implicaciones didácticas de la enseñanza de los tiempos aspectuales del español para los aprendices chinos. PALABRAS CLAVE: tiempos aspectuales del pasado en ELE, aprendices sinohablantes, tipos de pruebas, patrón prototípico, implicaciones didácticas
Se trata de un proyecto del programa de I+D (TIN2015-71147) financiado por el Ministerio de Econo... more Se trata de un proyecto del programa de I+D (TIN2015-71147) financiado por el Ministerio de Economía y Competitividad. Paolo Rosso coordina el proyecto SomEMBED y lidera el subproyecto SomEMBED-APP y Mariona Taulé lidera el subproyecto SomEMBED-SLang.
In this paper we present the MultiModal Stance Detection in tweets on Catalan #1Oct Referendum (M... more In this paper we present the MultiModal Stance Detection in tweets on Catalan #1Oct Referendum (MultiStanceCat) task at IberEval 2018 evaluation campaign. We describe the datasets created, the way in which they have been annotated, the evaluation metric used, the results obtained by the submitted approaches, and an evaluation of these approaches. The systems presented here had to detect from a multimodal perspective the authors stances-in favor, against or neutral-with respect to the Catalan first of October Referendum (2017) in tweets written in Spanish and Catalan. Four teams participated, submitting a total of seven runs in Catalan and nine in Spanish. The results obtained show that the performance of these systems improved when the context information was taken into account.
La investigació en lingüística computacional i processament del llenguatge natural ha donat lloc ... more La investigació en lingüística computacional i processament del llenguatge natural ha donat lloc els darrers anys a les anomenades tecnologies del llenguatge, que tenen com a principal objectiu el desenvolupament de sistemes informàtics capaços de reconèixer, comprendre i generar el llenguatge humà en totes les seves formes. Amb aquest objectiu, s’han desenvolupat una sèrie d’aplicacions, com ara la traducció automàtica, l’extracció i recuperació d’informació, la classificació de documents, etc., que processen la informació per facilitar l’accés, l’organització i la transmissió del coneixement generat per l’anomenada Societat de la Informació. que vivim. Com en altres disciplines científiques, a l’àrea de Lingüística Computacional i Processament del Llenguatge Natural ha passat d’una etapa inicial centrada en la investigació experimental bàsica a una en què interactua més amb la societat i, per tant, està més interessada en crear productes i aplicacions que resolguin problemes reals...
Desde la implantacion del Espacio Europeo de Educacion Superior (EEES) en los diferentes grados, ... more Desde la implantacion del Espacio Europeo de Educacion Superior (EEES) en los diferentes grados, se ha puesto de manifiesto la necesidad de utilizar diversos mecanismos que permitan tratar la diversidad en el aula, evaluando automaticamente y proporcionando una retroalimentacion rapida tanto al alumnado como al profesorado sobre la evolucion de los alumnos en una asignatura. En este articulo se presenta la evaluacion de la exactitud en las predicciones de GradeForeseer, un recurso docente para la prediccion de notas basado en tecnicas de aprendizaje automatico que permite evaluar la evolucion del alumnado y estimar su nota final al terminar el curso. Este recurso se ha complementado con una interfaz de usuario para el profesorado que puede ser usada en diferentes plataformas software (sistemas operativos) y en cualquier asignatura de un grado en la que se utilice evaluacion continuada. Ademas de la descripcion del recurso, este articulo presenta los resultados obtenidos al aplicar ...
En este articulo se presentan los criterios aplicados para la anotacion del corpus SFU ReviewSP-N... more En este articulo se presentan los criterios aplicados para la anotacion del corpus SFU ReviewSP-NEGcon negacion y la tipologia linguistica correspondiente. Esta tipologia presenta la ventaja de ser facilmente expresable en terminos de un tagset para la anotacion de corpus, de presentar tipos claramente delimitados, evitando asi la ambiguedad en el proceso de anotacion, y de presentar una amplia cobertura, es decir, que ha servido para resolver todos los casos que han aparecido. El corpus contiene 400 comentarios y 198.551 palabras. Actualmente esta anotado en un 75% y, de un total de 6.331 oraciones revisadas, se han identificado 2.953 estructuras de negacion.
IARG-AnCora is an ongoing project which aim is to annotate the implicit arguments of deverbal nom... more IARG-AnCora is an ongoing project which aim is to annotate the implicit arguments of deverbal nominalizations in AnCora corpus. This corpus will be the basis for systems of automatic semantic role labeling based on machine learning techniques. Semantic analyzers are essential components in the current applications of language technologies, in which it is important to obtain a deeper understanding of the text to make inferences on the highest level in order to obtain qualitative improvements in the results.
Resumen: En este articulo se describe un nuevo recurso: AnCora-Nom, un lexico de nominalizaciones... more Resumen: En este articulo se describe un nuevo recurso: AnCora-Nom, un lexico de nominalizaciones deverbales del espanol. Actualmente, contiene 1.655 entradas lexicas y 3.094 sentidos, donde cada sentido tiene asociado el tipo denotativo y la estructura argumental con los papeles tematicos correspondientes. Este lexico se ha extraido automaticamente a partir de la informacion anotada en el corpus AnCora-Es. AnCora-Nom se derivo teniendo en cuenta no solo la informacion estrictamente relacionada con las nominalizaciones deverbales sino tambien con informacion morfologica y sintactico-semantica previamente anotada en el corpus. Palabras clave: nominalizacion deverbal, denotacion, estructura argumental, recurso lexico, anotacion de corpus.
Abstract•• this paper we present a methodology developed for evaluating the quality ofthe diction... more Abstract•• this paper we present a methodology developed for evaluating the quality ofthe dictionaries for Word Sense Disambiguation (WSD) tasks. This methodology is based on the parallel tagging of a single corpus with three lexical sources (with different characteristics) and three annotators. As far as the corpus tagging is concerned, strict criteria have been established regarding the lexicographic training of the annotators as well as the process itself, which has been developed under the guidance of a handbook specially elaborated ...
Revista de Procesamiento de Lenguaje Natural. Herramientas del artículo Imprimir este artículo. I... more Revista de Procesamiento de Lenguaje Natural. Herramientas del artículo Imprimir este artículo. Información de indexación. Información bibliográfica. Buscar referencias. Política de Revisión. Envía por correo este artículo (Se requiere entrar). Mandar correo-e a autor/a (Se requiere entrar). Contenido de la Revista Buscar. Todos. Navegar: ...
The goal of this research is to provide linguists with visualisations for analysing the results o... more The goal of this research is to provide linguists with visualisations for analysing the results of their hate speech annotation. These visualisations consist of a set of interactive graphs for analysing the global distribution of annotated messages, finding relationships between features, and detecting inconsistencies in the annotation. We used a corpus that includes 1,262 comments posted in response to different Spanish online new articles. The comments were annotated with features such as sarcasm, mockery, insult, improper language, constructivity and argumentation, as well as with level of toxicity ('not-toxic', 'mildly toxic', 'toxic' or 'very toxic'). We evaluated the selected visualisations with users to assess the graphs' comprehensibility, interpretability and attractiveness. One of the lessons learned from the study is the usefulness of mixed visualisations that include simple graphs (Bar, Heat map)-to facilitate the familiarisation with the results of the annotated corpus together with more complex ones (Sankey, Spider or Chord)-to explore and identify relationships between features and to find inconsistencies.
In this paper, we present INFERES-an original corpus for Natural Language Inference (NLI) in Euro... more In this paper, we present INFERES-an original corpus for Natural Language Inference (NLI) in European Spanish. We propose, implement, and analyze a variety of corpuscreating strategies utilizing expert linguists and crowd workers. The objectives behind IN-FERES are to provide high-quality data, and, at the same time to facilitate the systematic evaluation of automated systems. Specifically, we focus on measuring and improving the performance of machine learning systems on negation-based adversarial examples and their ability to generalize across out-of-distribution topics. We train two transformer models on IN-FERES (8,055 gold examples) in a variety of scenarios. Our best model obtains 72.8% accuracy, leaving a lot of room for improvement. The "hypothesis-only" baseline performs only 2%-5% higher than majority, indicating much fewer annotation artifacts than prior work. We find that models trained on INFERES generalize very well across topics (both in-and outof-distribution) and perform moderately well on negation-based adversarial examples.
Uploads
Papers by Mariona Taulé