Elhuyar Fundazioa - Hizkuntza Zerbitzuak 

Erauzterm 

Helburuak eta azalpen orokorra

• Euskarazko testuetatik edo corpusetatik terminoak automatikoki erauzteko teknikak ikertzea eta garatzea
• Teknika horien bidez, tresna bat inplementatzea

Terminoak automatikoki erauzteko prozedura ugari erabili izan dira, bi teknika nagusitan oinarrituak denak ere: teknika linguistikoak eta teknika estatistikoak. Euskara hizkuntza eranskaria denez, metodo estatistiko hutsen emaitzak ez lirateke onargarriak (flexioaren ondoriozko datu-barreiadura). Horrenbestez, metodo hibrido baten alde egin dugu. Lehen urratsean, teknika linguistikoak erabiltzen dira termino hautagaiak erauzteko. Bigarren urratsean, termino hautagaien ranking-a egiten da, teknika estatistikoen bidez.

Teknika linguistikoak garatzeko ikertutako arloak:

• Euskarazko terminoen egitura morfosintaktikoen azterketa eta eredu nagusi/emankorrenen zehaztapena (N, NN, NApos, AprepN, NNApos, AprepNApos...)
• Hautatutako eredu morfosintaktikoen araberako sintagmak automatikoki markatzeko gramatika eta transduktorea (termino hautagai 'luzeen' erauzketa)
• Termino hautagai luzeen barnean dauden termino 'habiatuak' aztertzea, horien barneko hautagai berriak erauzteko
• Euskarazko termino-aldaeren azterketa: aldaera-motak eta horietako batzuk automatikoki tratatzeko (elkarren artean erlazionatzeko) teknikak

Teknika estatistikoak garatzeko ikertutako arloak:

• Hautagai bakunen 'terminotasuna' (termhood) mailakatzeko neurriak
• Hitz anitzeko hautagaien 'terminotasuna' mailakatzeko neurriak. Elkartze-neurri estatistikoak (AM): elkarrekiko informazioa (MI, MI³), egiantz-arrazoia (LR), khi karratua (χ²), t neurria, Dice koefizientea...

Erauzterm tresna

Erauzterm-en moduluak

• Corpus-eratzailea
• Termino-erauzle automatikoa
  • Modulu linguistikoa: corpusa etiketatzea, termino hautagaiak erauztea → Termino hautagaien datu-basea
  • Modulu estatistikoa: Termino hautagaien neurri estatistikoak kalkulatu → Termino hautagaien ranking-a

• Corpus-nabigatzailea
  • Hautagai-zerrenda ordenatzeko aukerak (albafetikoki, maiztasunaren arabera, elkartze-neurrien arabera)
  • Hautagaiaren informazioa: forma kanonikoa, eredu morfosintaktikoa, maiztasuna, hautatutako elkartze-neurria (irudian, LLR)
  • Hautagaien testuinguruak bistaratzea: konkordantziak (KWIC) eta testuinguru zabalagoa ( )
    Hautagaiaren aldaerak bistaratzea (T: ortotipografikoa; M: morfosintaktikoa; S: sintaktikoa)
    Arloa zehaztea
  • Terminoak balioestea
  • Terminoak esportatzea

Erabiltzailearen interfazea

Finantziazioa

• Eusko Jaurlaritzako Industria, Turismo eta Merkataritza sailaren Saiotek 2002 deialdian diruz lagundua
• Eusko Jaurlaritzako Industria, Turismo eta Merkataritza sailaren Saiotek 2003 deialdian diruz lagundua
• Gipuzkoako Foru Aldundiko Sareko Agenteak 2003 deialdian diruz lagundua

Gizarteratzea

• Hedabideetan
  
  • ERAUZTERM: euskarazko terminoak erauzteko tresna.
• Artikuluak
  • Gurrutxaga A., Saralegi X., Ugartetxea S., Alegria I. 2005. "Erauzterm: euskarazko terminoak erauzteko tresna erdiautomatikoa". Mendebalde Kultur Alkartea, IX. Jardunaldiak: Euskera zientifiko-teknikoa. Bilbao.
  • Alegria I., Gurrutxaga A., Lizaso P., Saralegi X., Ugartetxea S., Urizar R. 2004. "Linguistic and Statistical Approaches to Basque Term Extraction". GLAT 2004: The production of specialized texts. Barcelona.
  • Alegria I., Gurrutxaga A., Lizaso P., Saralegi X., Ugartetxea S., Urizar R. 2004. "An Xml-Based Term Extraction Tool for Basque". 4th International Conference on Language Resources and Evaluations (LREC). Lisbon.