A new grammatical formalism to solve ellipsis: - Elhuyar Fundazioa

transductores son los datos de los procesadoresmorfológicos correspondientes, que sirven tantopara análisis como para generación.Se han desarrollado procesadoresmorfológicos basados en esta tecnología paragran cantidad de idiomas, incluyendo finés,euskera, turco, zulú e inglés. Esta tecnología seha aplicado especialmente a los idiomasmorfológicamente ricos, ya que las solucionesmás simples que se utilizaban anteriormente noeran adecuadas para ellos.Si se dispone de un procesador morfológicola construcción de un corrector ortográfico escasi inmediata: las palabras correctas son lasque pueden ser analizadas (Kukich, 1992)(Alegria et al., 2002).2.2 HerramientasEl toolkit de Xerox (Beesley & Karttunen,2009) proporciona herramientas para reglasparalelas (twolc) y reglas secuenciales (xfst),además de para el léxico (lexc). Su experienciaindica que el uso de reglas secuenciales resultaa la larga más cómodo, tendencia que se havisto confirmada en posterioresimplementaciones.Las herramientas de Xerox son de grancalidad y consiguen transductores muycompactos, pero tienen un gran inconveniente;la licencia es muy restrictiva y, salvoexcepciones, no puede ser usada paraaplicaciones comerciales. Ante ello se handesarrollado en software libre herramientas quepueden sustituir las de Xerox. Queremosdestacar dos: hunspell y foma.hunspell no trabaja con transductores, peroes una solución mejor que sus predecesoresispell, aspell y myspell, ya que permite mayornúmero de paradigmas y doble encadenamientode sufijos. No acepta reglas paralelas nisecuenciales independientes del léxico, ya quelos cambios deben ser explicitados en ladescripción del léxico. Su mayor interés es queestá aceptado por las últimas versiones deOOffice y Mozilla, por lo que una descripciónpara un idioma usando hunspell devieneautomáticamente en un corrector ortográficopara estas herramientas.foma (Hulden, 2009) es un toolkit que quiereser equivalente a las herramientas xfst y lexc deXerox pero con una implementaciónindependiente y licenciado bajo GPL(http://foma.sourceforge.net/). Por lo tanto esadecuado para descripciones de morfología deestados finitos usando reglas secuenciales.Según su autor las descripciones para Xeroxfuncionan directamente, y la compilación esmás eficiente. Tiene una ventaja adicional, y esque las descripciones preparadas para lexc yxfst de Xerox se compilan directamente enfoma (salvo alguna excepción y siempre que losdatos estén en Unicode); ya que esta nuevaherramienta integra los mismos comandos y lamisma sintaxis que las herramientas citadas.Esto hace que el libro citado (Beesley &Karttunen, 2009) pueda ser usado en su mayorparte como un manual de foma.2.3 Verificador ortográfico ydetectores/correctores de erroresPara detectar las palabras correctas y losdistintos tipos de errores (tipográficos,cognitivos y OCR) se han utilizado lossiguientes recursos:1. transductor del euskera estándar. Sirvepara identificar las palabras correctas.2. transductor para detección de errores decompetencia3. función med de foma sobre eltransductor estándar. Sirve para obtenerposibles errores tipográficos de adición,sustitución y eliminación.4. transductor para detección detransposiciones5. transductor para detección de erroresOCRLos vamos a describir uno a uno.Transductor del euskera estándarUsando tanto las herramientas de Xerox(Alegria et al., 2002), como foma (Alegria etal., 2009) se ha desarrollado un procesador parael euskera estándar y varios correctores.El léxico contiene más de 80.000 entradas,la morfotáctica y la correspondienteinformación morfológica relacionada.Alrededor de 23 reglas complejas describen loscambios fonológicos usando reglas paralelas(Alegria et al., 2002) o secuenciales (Alegria etal., 2009). En el segundo artículo se describe elproceso de migración de unas a otras.Transductor para errores de competenciaAdemás del transductor estándar se hadesarrollado uno ampliado (enhanced