ISSN: 1139-8736
Depósito Legal: B-14103-2000

2. Corpus de Verificación

El LaLI ha construido un corpus de textos españoles en soporte electrónico, con objeto de poder verificar el nivel de cobertura de las herramientas de tratamiento de corpus y de tratamiento de la información textual. A este corpus lo denominamos Corpus de Verificación; su composición es la siguiente:

• textos periodísticos de la prensa española (85%) e hispanoamericana (1%), publicados durante la década de los noventa,

• textos de ensayos de filosofía, antropología, psicología, etc.⁶ (14%).

El Corpus de Verificación tiene 91.505.114 palabras, entendiendo por palabra cualquier cadena de caracteres entre dos separadores (espacios en blanco, retornos o tabuladores) consecutivos. El Corpus de Verificación es:

• un fichero en formato ASCII de 11.506.073 registros,

• que ocupa 548.929.149 bytes y

• está integrado por 6.826.000 oraciones ortográficas, es decir, cadenas de palabras entre los signos de puntuación correspondientes al punto.

La utilización de nuestras herramientas de tratamiento de corpus (cf. 1.1 y 1.2) nos ha permitido realizar un análisis léxico del Corpus de Verificación, lo cual  ha posibilitado determinar su composición léxica:

• 649.130 formas simples distintas⁷, de las cuales:

• 446.010 son formas simples distintas, que corresponden a:

• 44.057 formas canónicas o lemas distintos.

• 170.131 nombres propios

• 32.989 cifras;

• 23.690 formas compuestas distintas, que corresponden a:

• 15.993 lemas o formas canónicas compuestas.  

 

apoya,apoyar.V1:IPRES:3s:IIMPE:2s calidad,calidad.N23A:fs catástrofes,catástrofe.N21:fp coherente,coherente.ADJ61:ms:fs comentando,comentar.V1:GER comentar,comentar.V1:INF Comentaron,comentar.V1:IPIND:3p crisis,crisis.N25:fs:fp cubrían,cubrir.V74:IPIMP:3p cuestiones,cuestionar.V1:SPRES:2s,cuestión.N23B:fp de,de.PREP desenlaces,desenlazar.V9:SPRES:2s,desenlace.N1:mp diversas,diverso.ADJ47:fp diversos,diverso.ADJ47:mp docencia,docencia.N21:fs económica,económico.ADJ47:fs económicas,económico.ADJ47:fp encontró,encontrar.V36:IPIND:3s española,español.ADJ37A:fs,español.N37A:fs estuvo,estar.V77:IPIND:3s Finalmente,finalmente.ADV hablar,hablar.V1:INF habló,hablar.V1:IPIND:3s hizo,hacer.V97:IPIND:3s inaceptable,inaceptable.ADJ61:ms:fs industria,industria.N21:fs,industriar.V1:IPRES:3s:IIMPE:2s inexistente,inexistente.ADJ61:ms:fs la,la.N1:ms,la.DET:fs,la.CLI:f:3s largamente,largamente.ADV las,la.N1:mp,la.DET:fp,la.CLI:f:3p libros,libro.N1:mp Me,me.CLI:1s mesa,mesa.N21:fs,mesar.V1:IPRES:3s:IIMPE:2s No,no.ADV Nos,nos.CLI:1p opulentas,opulento.ADJ47:fp Planteó,plantear.V1:IPIND:3s polvorientos,polvoriento.ADJ47:mp posibles,posible.ADJ61:mp:fp,posible.N1:mp problemas,problema.N1:mp propuesta,propuesta.N21:fs,proponer.V89:PP:fs quiso,querer.V78:IPIND:3s respuesta,respuesta.N21:fs sabe,saber.V86:IPRES:3s:IIMPE:2s sectores,sector.N2A:mp situación,situación.N23B:fs sobre,sobrar.V1:SPRES:1s:3s:IIMPE:2s,sobre.PREP social,social.ADJ63A:ms:fs sociedad,sociedad.N23A:fs sociedades,sociedad.N23A:fp Solamente,solamente.ADV textil,textil.ADJ63A:ms:fs una,un.DET:fs,uno.PRON:fs,unir.V17:SPRES:1s:3s:IIMPE:2s Universidad,universidad.N23A:fs Unos,uno.N1:mp,un.DET:mp,uno.PRON:mp virtual,virtual.ADJ63A:ms:fs

  Fig. 4.5. Subdiccionario electrónico del texto de la Fig. 4.4  

Fig. 4.6. Concordancia alfabética de los grupos nominales reconocidos en el texto de la Fig. 4.4.  

Notas

6 Los textos de ensayos nos han sido cedidos por la Editorial Anthropos con fines exclusivos de investigación.

7 Las formas no reconocidas por el sistema, como p. ej., erratas, etc., no están incluidas en esta cifra.