´Indice general

viii
INTRODUCCIÓN
Desgraciadamente, a pesar de que GATE ha declarado públicamente que
su arquitectura es Open Source, en particular el módulo Hepple no lo es. Y
esto me creó una dificultad. Así pues, esta dificultad de no poder adaptar el
Hepple para el español me impuso el subproblema de tener que buscar un
módulo sustituto (o bien abandonar todo el proyecto de usar la arquitectura
GATE para extracción de información en español). La pista para la solución
de este subproblema la encontré en el mismo módulo Hepple, pues Hepple
está basado en Brill (Hepple es un Brill-based POS Tagger).
Como se verá en el capítulo 4, Hepple utiliza dos de las cuatro listas
que genera el módulo de entrenamiento del Brill POS Tagger: utiliza sólo el
lexicón y las reglas de contexto. Como yo sabía desde que empecé a estudiar
el Hepple que éste está basado en Brill, ya tenía instalado en mi computadora
el Brill POS Tagger y lo había probado, e incluso ya lo había entrenado para
el español (Ver capítulo 5).
La solución a esta dificultad de la imposibilidad de adaptar el Hepple
para el español, fue desarrollar un módulo sustituto, también basado en
Brill. Así que decidí programar el módulo sustituto de Hepple, utilizando la
misma idea que observé en el módulo Hepple de GATE de encapsularlo en un
wrapper para poder acoplarlo a GATE pero también para que me permitiera
usarlo en forma independiente. Sin embargo, a diferencia de GATE que
utilizó un wrapper para ocultar el código, yo usé un wrapper como interfaz
que permite el acoplamiento con GATE. El resultado fue el VMP Tagger
que se describe en el capítulo 5.
En resumen, mi aportación en esta tesis consiste en 1) la utilización del
Brill POS Tagger para entrenamiento para el español con lo cual se salva
un obstáculo para el procesamiento de lenguaje natural de textos en español
utilizando GATE; 2) el desarrollo del módulo VMP Tagger que sustituye al
módulo de GATE (Hepple) que es de código cerrado y en consecuencia no
adaptable para el español. Estas dos aportaciones permiten ya ejecutar la
tarea de extracción de información para el español después de adaptar otros
módulos lo cual es un proyecto que continuaré en mi tesis de maestría.
Además del etiquetador morfosintáctico presentado aquí y que sustituye
al módulo Hepple de GATE, se necesita adaptar al español otros módulos
de GATE como el módulo de categorización de sustantivos, el analizador
sintáctico de superficie y el de resolución de correferencia. La adaptación de
estos módulos de GATE para el español es una tarea futura.
A pesar del obstáculo al objetivo inicial que representó la imposibilidad
de adaptar el etiquetador de Hepple y que me obligó a desarrollar todo un
módulo acoplable a la arquitectura GATE, el objetivo inicial se logró en
dos sentidos: 1) conocer de cerca el problema general del Procesamiento de