Collecting and POS-tagging a lexical resource of Japanese biomedical terms from a corpus
Title (trans.)
Recogida y etiquetado morfológico de un lexicón de términos biomédicos en japonés a partir de corpusPublisher
Sociedad Española para el Procesamiento del Lenguaje NaturalDate
2014Citation
Procesamiento del lenguaje natural 52 (2014): 29-36ISSN
1135-5948 (print); 1989-7553 (online)Editor's Version
http://journal.sepln.org/sepln/ojs/ojs/index.php/pln/article/view/4900Subjects
Terminología médica; Japonés; Recurso léxico; Análisis morfológico; FilologíaRights
© 2014 Sociedad Española para el Procesamiento del Lenguaje NaturalAbstract
El artículo resume el proceso de recopilación de un lexicón de términos biomédicos en japonés etiquetados morfológicamente. En primer lugar se han considerado para esta tarea las características morfosintácticas del japonés así como el origen y formación de los términos médicos en esta lengua. Posteriormente la lista se ha recopilado utilizando el corpus japonés MultiMedica, las etiquetas especiales de un etiquetador morfológico y varios diccionarios médicos especializados. Para el siguiente proceso de etiquetado se han considerado tres etiquetadores japoneses (ChaSen, Mecab, Juman), de los cuales se ha escogido este último. Una vez etiquetado, se ha corregido el problema de la sobresegmentación de los términos japoneses y se han simplificado las etiquetas para el propósito de nuestra tarea. Este recurso es la base para la creación de un extractor de términos médicos en japonés. The following paper explains the methodology followed for the creation of a morphologically tagged medical lexicon in Japanese. In order to build this medical resource we have taken into account the morphosyntactic characteristics of the language as well as the origins and formation of the medical terms. Following this, we have compiled a list using the Japanese MutiMedica corpus, special tags from a POS tagger, and several specialised medical dictionaries. After considering three different taggers (ChaSen, Mecab, Juman) we finally chose Juman for the tagging of the lexicon. The problem of the oversegmentation of the language was then corrected and the tags have been normalised. This resource is the base component for the creation of a medical term extractor.
Files in this item
Google Scholar:Herrero Zorita, Carlos
-
Campillos Llanos, Leonardo
-
Moreno Sandoval, Antonio
This item appears in the following Collection(s)
Related items
Showing items related by title, author, creator and subject.
-
A clinical trials corpus annotated with UMLS entities to enhance the access to evidence-based medicine
Campillos-Llanos, Leonardo; Valverde-Mateos, Ana; Capllonch-Carrión, Adrián; Moreno-Sandoval, Antonio
2021-02-22