Unsupervised acquisition of a markov model for word correction using Wikipedia

Abstract

ONTARE. REVISTA DE INVESTIGACIÓN DE LA FACULTAD DE INGENIERÍA This paper presents a work in progress on the area of automatic acquisition of corpora for spelling correction. Wikipedia contains a high quantity of information including relationships between concepts and named annotations. However, it also contains linguistic information such as misspellings written by many of the Wikipedia collaborators. In this paper, we propose an efficient method to analyze the link structure of Web-based dictionaries to construct a list of misspelled words and their corrections. The method is currently being researched and applied to the Wikipedia as a corpus.

ONTARE. REVISTA DE INVESTIGACIÓN DE LA FACULTAD DE INGENIERÍA Este artículo presenta un estudio en desarrollo acerca de la adquisición automática de corpora para realizar correcciones ortográficas. Wikipedia posee mucha información que incluye relaciones entre conceptos y anotaciones realizadas. Sin embargo, esta herramienta también contiene información lingüística acerca de errores ortográficos escritos por colaboradores en Wikipedia. En este artículo se propone un método eficiente para analizar el vínculo estructural de los diccionarios en línea para crear una lista de palabras mal escritas y sus correspondientes correcciones. Dicho método está bajo investigación y es utilizado en Wikipedia como un corpus.