´Indice general

26
CAPÍTULO 3. GATE
y un conjunto de módulos reusables (como el tokenizador, el delimitador de
oraciones, y el analizador morfosintáctico o Part-Of-Speech Tagger). Estas
herramientas permiten que el desarrollador no tenga que volver a programarlas
cada vez que las necesite. Es decir, GATE nos da un punto de partida
para construir aplicaciones más complejas.
Es importante aclarar, sin embargo, que algunos componentes de GATE
son dependientes del idioma inglés. En particular, los módulos de Extracción
de Información, precisamente el problema abordado en esta tesis. Debido a
esa restricción, para poder utilizar GATE para Extracción de Información
de textos en español, fue necesario programar el módulo de análisis morfosintáctico
para el español 1 como un primer paso para poder utilizar la
arquitectura de GATE para extracción de información de textos en este
idioma (ver figura 1.1).
Los módulos de GATE se clasifican en Recursos de Lenguaje, Recursos
de Procesamiento y Recursos Visuales. Los Recursos de Lenguaje son entidades
tales como lexicones y corpus. Los de Procesamiento son entidades
primordialmente algorítmicas, como parsers y tokenizadores. Los Recursos
Visuales son los componentes usados en la interfaz gráfica. De esta forma
GATE separa los datos, los algoritmos y las formas de visualizarlos.
3.2. El modelo de componentes de GATE
La arquitectura GATE está basada en componentes (módulos) de software
con interfaces bien definidas que permiten su acoplamiento para formar
sistemas modulares de software usables en distintos contextos.
Los componentes de GATE pueden implementarse en varios lenguajes de
programación, pero deben ser llamados y reconocidos por el sistema como
una clase de Java. Esta clase puede ser el componente en sí o bien ser un
wrapper que sirva como enlace para acoplar el componente con GATE.
3.2.1. Wrapper
Un wrapper es un objeto que encapsula a otro para para permitir la
comunicación entre el objeto encapsulado y un programa llamador.
Un wrapper actúa como interfaz entre su llamador y el código encapsulado
o envuelto. Esta interfaz puede ser necesaria principalmente por tres
razones:
1 De hecho, está pensado para usarse en cualquier idioma, pero yo lo entrené para el
español.