Corpus paralelos del español (PaCorES): una colección de corpus paralelos multifuncionales

Autores/as

DOI:

https://doi.org/10.58859/resla.1547

Palabras clave:

corpus paralelos, corpus bidireccionales, multifuncionalidad de los corpus, aplicaciones de los corpus, compilación de corpus, alineación de corpus

Resumen

En este trabajo se presenta PaCorES, una compilación de corpus paralelos bidireccionales con español como lengua central. Actualmente consta de cuatro corpus (alemán/español, inglés/español, francés/español y chino/español), accesibles libremente en línea.

El objetivo de este trabajo es proporcionar a los investigadores en el ámbito de la lingüística de corpus documentación adecuada del Proyecto PaCorES y los recursos que comprende, haciendo especial énfasis en la multifuncionalidad de estos. En primer lugar, se identifican las lagunas existentes en el panorama de los corpus paralelos bilingües y multilingües que incluyen el español como una de sus lenguas. A continuación, se exponen los criterios que han guiado el diseño y la arquitectura de los corpus de PaCorES. La sección principal del trabajo se dedica a las fases de la compilación de los corpus, con especial atención al proceso de alineado y de su revisión. Finalmente, se subraya la existencia de tres niveles de búsqueda disponibles para interrogar el corpus y se explica las funcionalidades de la interfaz y de la presentación de resultados. Estas últimas características hacen de los corpus de PaCorES un recurso valioso para un amplio rango de aplicaciones y tipos de usuarios: investigadores de diferentes ámbitos de la lingüística, docentes de lenguas, usuarios profesionales de la lengua o aprendices.

Estadísticas globales ℹ️

Totales acumulados desde su publicación
18
Visualizaciones
1
Descargas
19
Total

Citas

Alonso, E. (2013). ’Linguee’ y las nuevas formas de traducir. Skopos: Revista Internacional de Traducción e Interpretación, 2, 5–28. https://dialnet.unirioja.es/servlet/extart?codigo=4567491 [retrieved: 09.05.2024]. DOI: https://doi.org/10.21071/skopos.v2i.4414

Altenberg, B. (1999) Adverbial connectors in English and Swedish: semantic and lexical correspondences. In H. Hasselgård & S. Oksefjell (Eds.), Out of corpora. Studies in honour of Stig Johansson (pp. 249–268). Rodopi. DOI: https://doi.org/10.1163/9789004653689_022

Baker, M. (1993). Corpus linguistics and translation studies: Implications and applications. In M. Baker, G. Francis & E. Tognini-Bonelli (Eds.), Text and technology: In honour of John Sinclair (pp. 233–250). John Benjamins. DOI: https://doi.org/10.1075/z.64.15bak

Braune, F. & Fraser, A. (2010). Improved Unsupervised Sentence Alignment for Symmetrical and Asymmetrical Parallel Corpora. In C.-R. Huang & D. Jurafsky (Eds.), Coling 2010: Posters. Coling 2010 Organizing Committee (pp. 81–89). https://aclanthology.org/C10-2010.pdf [retrieved: 09.05.2024].

Cettolo, M., Girardi, C. & Federico, M. (2012): WIT3: Web Inventory of Transcribed and Translated Talks. In M. Cettolo, M. Federico, L. Specia & A. Way (Eds.), Proceedings of the 16th Annual Conference of the European Association for Machine Translation (EAMT 2012) (pp. 261-268). Fondazoine Bruno Kessler. https://cris.fbk.eu/bitstream/11582/104409/1/WIT3-EAMT2012.pdf [retrieved: 09.05.2024].

Doval, I., Fernández Lanza, S., Jiménez Juliá, T. E., Liste Lamas, E. & Lübke, B. (2019): Corpus PaGeS: A Multifunctional Resource for Language Learning, Translation and Cross-Linguistic research. In I. Doval & M. T. Sánchez Nieto (Eds.), Parallel Corpora for Contrastive and Translation Studies: New resources and applications (pp. 103–121). John Benjamins. DOI: https://doi.org/10.1075/scl.90.07dov

Doval, I., & Jiménez Juliá, T. E. (2019). Multifuncionalidad de los corpus paralelos, ejemplificada con el corpus alemán/español PaGeS. In M. Blanco Domínguez, H. Olbertz & V. Vázquez Rozas (Eds.), Corpus y construcciones: perspectivas hispánicas (pp. 303–320). Universidade de Santiago de Compostela: Servizo de Publicacións e Intercambio Científico.

Doval, I., & Sánchez Nieto, M. T. (2019). Parallel Corpora in Focus: An Account of Current Achievements and Challenges. In I. Doval & M. T. Sanchez Nieto (Eds.), Parallel Corpora for Contrastive and Translation Studies: New Resources and Applications (pp. 1–15). John Benjamins. https://doi.org/10.1075/scl.90.01dov. DOI: https://doi.org/10.1075/scl.90.01dov

Doval, I., Sánchez Nieto, M. T. (2022). Das Deutsch-Spanische Parallelkorpus Pages: Aufbau und Nutzungsmöglichkeiten. In B. de la Fuente Marina & I. Holl (Eds.), La traducción y sus meandros: diversas aproximaciones en el par de lenguas alemán-español (pp. 319–341). Ediciones Universidad de Salamanca. https://doi.org/10.14201/0AQ0320319341 [retrieved: 09.05.2024]. DOI: https://doi.org/10.14201/0AQ0320319341

Doval, I. (2023). The English-Spanish Parallel Corpus Paens. In I. C. Santos, M. Torrado Cespón, J. M. Díaz Lage, S. López Pérez (Eds.), Current Trends on Digital Technologies and Gaming for Teaching and Linguistics (pp. 145-164). Peter Lang.

Graën, J., Batinic, D., and Volk, M. (2014). Cleaning the Europarl Corpus for Linguistic Applications. In J. Ruppenhofer & G. Faaß (Eds.), Proceedings of the 12th Edition of the KONVENS Conference (pp. 222–227). Universitätsverlag Hildesheim. https://hildok.bsz-bw.de/files/265/p040.pdf [retrieved: 09.05.2024].

Hein, M. (2022). La competencia fraseológica y la enseñanza de fraseología en las carreras universitarias de traducción en la República Argentina. (Doctoral dissertation, Universitat d'Alacant-Universidad de Alicante). https://rua.ua.es/dspace/handle/10045/123684 [retrieved: 09.05.2024].

Johansson, S. (2004). Multilingual corpora: models, methods, uses. TradTerm 10, 59–82. https://www.revistas.usp.br/tradterm/article/view/47044/50767 [retrieved: 09.05.2024]. DOI: https://doi.org/10.11606/issn.2317-9511.tradterm.2004.47044

Koehn, P. (2005). Europarl: A Parallel Corpus for Statistical Machine Translation. In Proceedings of Machine Translation Summit X: Papers (pp. 79–86). Asia-Pacific Association for Machine Translation (AAMT). https://aclanthology.org/2005.mtsummit-papers.11.pdf [retrieved: 09.05.2024].

McEnery, T., & Xiao, R. (2005). Character Encoding in Corpus Construction. In M. Wynne (Ed.), Developing Linguistic Corpora: A Guide to Good Practice (pp. 47-58) Oxbow Books. https://eprints.lancs.ac.uk/id/eprint/60/1/character_encoding.pdf [retrieved: 09.05.2024]

Moore, R. C. (2002). Fast and Accurate Sentence Alignment of Bilingual Corpora. In Proceedings of the 5th Conference of the Association for Machine Translation in the Americas: Technical Papers (pp.135–144). https://link.springer.com/chapter/10.1007/3-540-45820-4_14 [retrieved: 09.05.2024]. DOI: https://doi.org/10.1007/3-540-45820-4_14

Multilingwis (2023). Multilingwis: Finding Translation Variants in Multilingual Corpora. https://pub.cl.uzh.ch/projects/sparcling/multilingwis2.demo/ [retrieved: 09.05.2024].

Munday, J. (2007). Translation as Intervention. Continuum.

Palmer, David D. (2000). Tokenisation and Sentence. In R. Dale, H. Moisl & H. L. Somers (Eds.), Handbook of Natural Language Processing (pp. 11-33). Marcel Dekker. DOI: https://doi.org/10.1201/9780824746346

Rosen, A. (2016). InterCorp – A Look Behind the Façade of a Parallel Corpus. In E. Gruszczyńska & A. Leńko-Szymańska (Eds.), Polish-language Parallel Corpora (pp. 21–40). Institute of Applied Linguistics WLS UW. https://depot.ceon.pl/bitstream/handle/123456789/13397/02_Rosen.pdf [retrieved: 09.05.2024].

Tiedemann, J. (2011). Bitext Alignment. Synthesis Lectures on Human Language Technologies. Morgan & Claypool Publishers. DOI: https://doi.org/10.1007/978-3-031-02142-8

Tiedemann, J. (2012). Parallel Data, Tools and Interfaces in OPUS. In N. Calzolari et al. (Eds.), Proceedings of the 8th International Conference on Language Resources and Evaluation (LREC’2012) (pp. 2214–2218). European Language Resources Association (ELRA). http://www.lrec-conf.org/proceedings/lrec2012/pdf/463_Paper.pdf [retrieved: 09.05.2024]. DOI: https://doi.org/10.63317/59wvhpiwbv7y

Tiedemann, J., Aulamo, M., Bakshandaeva, D., Boggia, M., Grönroos, S.-A., Nieminen, T., Raganato, A., Scherrer, Y., Vazquez, R., & Virpioja, S. (2022). Democratizing Neural Machine Translation with OPUS-MT. Springer Nature 2021, 1-45. http://arxiv.org/abs/2212.01936 [retrieved: 09.05.2024].

Varga, D. et al. (2007). Parallel corpora for medium density languages. In N. Nicolov et al. (Eds.), Recent Advances in Natural Language Processing IV: Selected papers from RANLP 2005 (pp. 247-258). John Benjamins. https://hlt.bme.hu/media/pdf/ranlp05parallel.pdf [retrieved: 09.05.2024]. DOI: https://doi.org/10.1075/cilt.292.32var

Xu, Y., Max A., Yvon, F. (2015). Sentence Alignment for Literary Texts. Linguistic Issues in Language Technology 12, 1-25. https://hal.science/hal-01634995/document [retrieved: 09.05.2024]. DOI: https://doi.org/10.33011/lilt.v12i.1383

Zanettin, F. (2012). Translation-Driven Corpora: Corpus Resources for Descriptive and Applied Translation Studies. St. Jerome. DOI: https://doi.org/10.1016/j.sbspro.2013.10.618

Ziemski, M., Junczys-Dowmunt, M. & Pouliquen, B. (2016). The United Nations Parallel Corpus. In Calzolari, N. et al. (Eds.), Proceedings of the Tenth International Conference on Language Resources and Evaluation (LREC'16) (pp. 3530-3534). European Language Resources Association (ELRA). https://aclanthology.org/L16-1561.pdf [retrieved: 09.05.2024]. DOI: https://doi.org/10.63317/263tmvnpzevv

Descargas

Publicado

2026-11-15

Cómo citar

Sánchez Nieto, M. T., & Doval Reixa, I. (2026). Corpus paralelos del español (PaCorES): una colección de corpus paralelos multifuncionales. Revista Española De Lingüística Aplicada Spanish Journal of Applied Linguistics, 39(2). https://doi.org/10.58859/resla.1547

Artículos similares

1 2 3 4 > >> 

También puede Iniciar una búsqueda de similitud avanzada para este artículo.