El proceso terminográfico multilingüe con WordSmith Tools

Abstract

Un corpus especializado sirve de base en la tarea terminológica para varias funciones, que se pueden reducir, fundamentalmente, a cuatro: a) identificar los candidatos a término; b) proporcionar más datos sobre dichos posibles términos (combinatoria, derivados, relaciones con otros términos, etc.); c) ayudar a la compilación y elaboración de las definiciones; d) ofrecer un buen número de ejemplos contextuales. Sin embargo, el primer problema que se le puede plantear en la extracción de datos a partir de un corpus no etiquetado es cómo proceder ordenadamente para poder aislar los términos relevantes al ámbito objeto de estudio. El objetivo de este artículo es presentar, en primer lugar, una propuesta metodológica para analizar tal corpus, dividida en cuatro aproximaciones o fases; en segundo lugar, proporcionar una forma metódica de utilizar unos determinados instrumentos informáticos, que también serán descritos; y, en tercer lugar, de forma combinada con dichos instrumentos, mostrar una serie de estrategias para la detección y extracción semiautomática de terminología.

A special-purpose corpus serves, within terminology tasks, as a basis for performing several functions, which can be reduced, basically, to four: a) to identify candidate terms; b) to provide more data about these possible terms (combinations, derivatives, relations with other terms, etc.); c) to help compile and elaborate definitions; d) to offer an important number of contextual examples. However, the first problem a terminologist may encounter when retrieving data from a raw corpus is how to proceed methodically so as to be able to isolate terms relevant to the subject-matter field. The objective of this article is, firstly, to present a four-step methodological proposal to analyze such a corpus; secondly, to provide a systematic way to use certain computer instruments, which will be also described; and, thirdly, in combination with these instruments, to show a series of strategies for the semiautomatic recognition and extraction of terminology.