Lingüística de corpus y Procesamiento del Lenguaje Natural

• Listado de corpus lingüísticos de español e inglés.
• Revista CHIMERA: Lingüística de corpus en lenguas romances.
• Introducción al trabajo con corpus (del libro Introducción al análisis de estructuras lingüísticas en corpus : aproximación semántica).

• Recursos para cursos
  • Corpus de Shakespeare (zip)
  • Corpus de Galdós (zip)
  • Corpus de Inaugural Addresses (zip)
  • Corpus de Cervantes (zip)
  • Stop List Español (txt)
  • Stop list de inglés (txt)

• Página de Stanford con enlaces de interés
• Herramientas para CL
• Bibliografía básica recopilada por Heather Froehlich
• Bibliografía básica sobre lingüística de corpus
  • Alcántara Plá, M. (2007). Introducción al análisis de estructuras lingüísticas en corpus : aproximación semántica, Ediciones UAM, Madrid (ISBN 978-84-8344-069-8).
  • Baker, P., Hardie, A., & McEnery, T. (2006). A glossary of corpus linguistics. Edinburgh: Edinburgh University Press.
  • Biber, Douglas; Conrad, Susan; Reppen, Randi (1998). Corpus Linguistics. Investigating Language Structure and Use. Cambridge: CUP.
  • Bird, S., E. Klein, E. Loper. (2009). Natural Language Processing with Python. O’Reilly.
  • Fillmore, Charles (1992). “‟Corpus-linguistics‟ vs. „computer-aided armchair linguistics‟”. In Jan Svartvik, ed., Directions in Corpus Linguistics. Berlin: de Gruyter, 35-60.
  • Gries, S. T. (2009). Quantitative corpus linguistics with R. A practical introduction. Oxford: Routledge.
  • Halliday, M.A.K. (1991). “Corpus studies and probabilistic grammar.” In Karin Aijmer & Bengt Altenberg, eds., English Corpus Linguistics. London: Longman, 30-43.
  • Halliday, M.A.K. (1992). “Language as system and language as instance: the corpus as a theoretical construct.” In Jan Svartvik, ed., Directions in Corpus Linguistics. Berlin: de Gruyter, 61-77.
  • Jurafsky, D. & M. James (2008). Speech and Language Processing. Prentice Hall (Online draft of the 3d edition)
  • Kennedy, Graeme (1998). An Introduction to Corpus Linguistics. London & New York: Longman.
  • Lüdeling, A., & Kytö, M. (Eds). (2008). Corpus Linguistics. An International Handbook (Volumes 1&2). Berlin – New York: Mouton de Gruyer.
  • Manning, Ch. (1999). Foundations of Statistical Natural Language Processing. MIT Press.
  • McEnery, Tony; Wilson, Andrew (2001). Corpus Linguistics. Edinburgh: EUP.
  • McEnery, T., & Hardie, A. (2011). Corpus linguistics: Method, theory and practice. Cambridge: Cambridge University Press.
  • Meyer, Charles F. (2002). English Corpus Linguistics. An Introduction. Cambridge: CUP.
  • Oakes, Michael P. (1998). Statistics for Corpus Linguistics. Edinburgh: EUP.
  • O’Keeffe, A., & McCarthy, M. (2010). The Routledge handbook of corpus linguistics. Oxford: Routledge.
  • Parodi, G. (2008). Lingüística de corpus: Una introducción al ámbito. Revista de Lingüística Teórica y Aplicada, 46(1), 93-119.
  • Partington, Alan (1998). Patterns and Meanings. Using Corpora for Language Research and Teaching. Amsterdam: Benjamins.
  • Rojo, G. (2008). Lingüística de corpus y lingüística del español. In XV Congreso de la ALFAL (Asociación de Lingüística y Filología de América Latina). Montevideo, Uruguay, 18-21 de agosto de 2009.
  • Sinclair, John (1991). Corpus, Concordance, Collocation. Oxford: OUP.
  • Tognini-Bonelli, Elena (2001). Corpus Linguistics at Work. Amsterdam: Benjamins.
  • Wynne, M. (Ed.). (2005). Developing linguistic corpora: A guide to good practice. Oxford: Oxbow Books.

• Revistas especializadas en lingüística de corpus
  • Corpus Linguistics and Linguistic Theory (2005- ). Berlin – New York: Mouton De Gruyter.
  • CHIMERA: Internation Journal of Romance Corpora and Linguistic Studies. (2014-). Madrid: UAM ediciones.
  • International Journal of Corpus Linguistics (1996- ). Amsterdam: John Benjamins.
  • Language Resources and Evaluation (2005- ). Dordrecht: Springer
• Revistas especializadas de lingüística computacional
  • Computational Linguistics
  • International Journal of Corpus Linguistics
  • Language Resources and Evaluation
  • Revista de Procesamiento de Lenguaje Natural

• Asociaciones
  • Association for Computational Linguistics
  • Sociedad Española para el Procesamiento del Lenguaje Natural

• Listas de correo
  • Corpora
  • Infoling
  • Linguist List

• Aplicaciones y programación de PLN/Corpus
  • NLTK-Toolkit
  • R y RStudio
  • XML Copy Editor: Editor de XML
  • Open Refine
  • Morpho
  • DMP-Tool
  • Antconc: Concordancias y listas de frecuencias
  • FOMA: Gramáticas de estados finitos
  • MALLET: a Java-based package for statistical natural language processing, document classification, clustering, topic modeling, information extraction, and other machine learning applications to text.
• Creación de corpus y etiquetado
  • BootCaT: Recopilación de páginas de Internet
  • WebCorp: Recopilación de páginas de Internet
  • UAM Corpus Tool: Etiquetado de corpus
  • ELAN: Etiquetado y alineamiento de corpus orales/multimodales
  • Online Regex Tester: Para probar expresiones regulares
• Para programar online
  • Google CoLaboratory (Python online)
  • Kaggle (Machine Learning Online)
• Formación para uso de herramientas
  • Quick R
  • FLOSS Manuals
  • Software Carpentry Lessons
  • Curso de Google Python/NLTK
  • Recursos del THATCamp Python/NLTK

No estamos solos, sabemos lo que queremos…

• R Ladies: Una organización mundial comprometida con aumentar la diversidad entre el colectivo programador. Lo hacen con R y, en el caso de Madrid, con una visión muy lingüística.
• Lingwärs: Grupo de aprendizaje de Procesamiento de Lenguaje Natural. En este caso, se centran más en NLTK y Python. Están en el Medialab Prado.