Compilación y análisis de un corpus paralelo para la investigación en Traducción. Proyecto con Déjà Vu, Treetagger e IMS Open Corpus Workbench

Abstract

Aunque en los últimos años la lingüística de corpus ha experimentado una gran evolución y en la actualidad cuenta con una creciente presencia en proyectos de investigación en torno a estudios de Lingüística y Traducción (por ejemplo: Kübler y Foucou, 2003; Laroche y Langlais, 2010), los procedimientos técnicos más avanzados enfocados a la compilación y explotación de corpus siguen siendo un escollo. El principal propósito de este trabajo es, por tanto, hacer accesible este tipo de información a toda la comunidad investigadora poco experta en la materia. En concreto, presenta la experiencia de creación de un corpus paralelo alineado con Déjà Vu, etiquetado lingüísticamente con TreeTagger, documentado con Notepad+ + e indexado con IMS Open Corpus Workbench. Además, incluye una breve introducción a la exploración y el análisis de corpus con Corpus Query Processor, la principal herramienta de IMS Open Corpus Workbench.

Although Corpus linguistics has advanced a great deal in recent years and is now being increasingly more frequently included within research projects regarding Linguistics and Translation (for instance: Kübler & Foucou, 2003; Laroche & Langlais, 2010), the most advanced technical procedures focused on the creation and exploitation of corpora are still a pitfall. The main aim of this paper is, then, to make this kind of information more widely available to the research community with little experience in the field. In particular, it presents the experience of creating a parallel corpus that was aligned with Déjà Vu, linguistically tagged with TreeTagger, meta-textually tagged with Notepad++ and indexed with IMS Open Corpus Workbench. Furthermore, it includes a brief introduction to the exploration and analysis of corpora withCorpus Query Processor, the main tool of IMS Open Corpus Workbench.