Edición de «TreeBank»

'''TreeBank''' (denominado también como '''Corpus parseado''' o más ampliamente '''Penn Treebank''') es un [[corpus lingüístico]] en el que cada [[Oración (gramática)|frase]] ha sido [[analizador sintáctico|parseada]], es decir [[anotación|anotada]] con su [[estructura sintáctica]]. La estructura sintáctica se ha representado generalmente como una [[estructura arbórea]] que recibe la denominación de TreeBank.<ref>A. Abeillé, (2003), ''Treebanks: Building and Using Parsed Corpora'', Kuwler Academic Publisher</ref> En la mayoría de los casos se ha empleado [[etiquetado gramatical]]. La denominación alternativa ''corpus parseado'' se emplea a menudo con el Treebank: realizando énfasis en la primacía de las frases en lugar de las estructuras arbóreas. Los corpus ''Treebanks'' se pueden crear a mano mediante un grupo de lingüistas que anotan cada frase con una estructura sintáctica, o mediante procedimientos semiautomáticos, donde un analizador sintáctico (parser) asigna la estructura bajo la supervisión de un lingüista. En la práctica, el completo control del parseado del [[lenguaje natural]] con el objeto de establecer diferentes corpus es una labor intensiva que dedica el tiempo de varios equipos de lingüistas, pudiendo alcanzar varios años. 

== Representación ==
Por ejemplo, el análisis sintáctico de la frase ''Víctor ama a María'', puede ser representado de diversas formas, por ejemplo con un sistema anidado de paréntesis en el texto, como este (siguiendo la notación del [https://web.archive.org/web/20131109202842/http://www.cis.upenn.edu/~treebank/ Penn Treebank]):
 (S (NP (NNP Víctor))
    (VP (VPZ ama)
         (PP (TO a)
           (NP (NNP María))))
    (. .))

Esta representación es la más habitual y antigua, aunque desde comienzos del {{siglo|XXI||s}} se han venido empleando anotaciones cada vez más complejas, siendo una de las posibles respresentaciones en [[XML]].<ref>Ruslan Mitkov, (2004),''The Oxford Handbook of Computational Linguistics'', [[Oxford University Press]]</ref> En ella se puede ver como cada palabra se anota con su función sintáctica: nombre, verbo, adjetivo.

== Usos == 
Una de las aplicaciones directas de los treebanks es el aprendizaje de gramáticas (inducción gramatical).<ref>Amparo Alcina,Esperanza Valero, (2009), ''Terminología y Sociedad del Conocimiento'', Peter Lang AG</ref> En analizadores fragmentales de texto (chunkers) capaces de separar las diversas frases de un texto. Estos analizadores se denominan a veces como "segmentación sintáctica básica". 

== Véase también ==
* [[Etiquetado gramatical]]

== Referencias ==
{{listaref}}

== Enlaces externos ==
* [http://www.ldc.upenn.edu/ Linguistic Data Consortium] - Disemina datos lingüísticos desde la década de los años ochenta. En una sección muestra el [https://web.archive.org/web/20130326012933/http://www.ldc.upenn.edu/ldc/online/treebank/ trebank online] (inglés)
* [UAM Treebank of Spanish] - Laboratorio de Lingüística Informática 
* [http://corpus.iingen.unam.mx/rst/ RST Spanish Treebank] 

{{Control de autoridades}}
[[Categoría:Lingüística de corpus]]
[[Categoría:Lingüística computacional]]