Aunque ya se veía cierta actividad desde hacía tiempo, los 9 estudiantes que fueron aceptados el pasado abril para trabajar en las propuestas de Apertium en la edición de Google Summer of Code de este año, han empezado a programar oficialmente la semana pasada. Si os interesa el tema podéis ver la lista de proyectos y seguir los detalles del desarrollo en la wiki de Apertium.
Enrique Benimeli
blog personal
Posts tagged ‘software libre’
Apertium en Google Summer of Code 2009
13 abril, 2009 | Enrique | No Comment
¡Una gran noticia! El proyecto Apertium es uno de los 151 proyectos que formarán parte del Google Summer of Code (GSoC) en su edicición de este año. Comparte lugar en la lista con organizaciones y proyectos tan conocidos como The Apache Software Foundation, Creative Commons, Joomla!, Moodle, PHP, Wikimedia Foundation o WordPress. Estos son quizá los nombres que más suenan (algunos mucho entre la comunidad educativa), pero también participarán otros proyectos importantes como Subversion, GCC o MySQL.
Google Summer of Code (Verano de Código Google) es un programa anual que, desde 2005, ofrece a sus participantes la posibilidad de desarrollar programas de código abierto en alguno de los proyectos seleccionados y además recibir dinero por ello. Uno de los objetivos del programa es ofrecer a los estudiantes la oportunidad de trabajar en tareas relacionadas con sus intereses académicos, además de exponerles a situaciones de desarrollo de software en el mundo real (desarrollo distribuído, licencias de software, etiqueta en listas de correo, etc.). Así que los estudiantes interesados en la traducción automática, podrán trabajar durante este verano en alguna de las ideas que el proyecto Apertium ha publicado y recibirán una beca de 4500 dólares (unos 3400 €).
Siento decir que el plazo de presentación de solicitudes finalizó el pasado 3 de abril. El próximo día 20, se publicará la lista de estudiantes que han sido aceptados en cada uno de los proyectos ofertados. Podéis ver el calendario detallado en la página de la edición de este año y también en este calendario visual (hacer clic sobre la imagen para ampliarla).
Google Summer of Code - Timeline 2009
Las 28 ideas que el proyecto Apertium propone, han sido clasificadas según en grado de dificultad (del 1 al 4, de “muy difícil” a “nivel inicial”) y principalmente organizadas en cuatro bloques: interfaces y herramientas de usuario, desarrollo de datos lingüísticos, interoperabilidad del sistema y ampliaciones sobre el motor de traducción. Hasta el día 20 no se publicará la asignación de estudiantes a proyectos, pero es posible que este verano veamos actividad en el desarrollo de herramientas de postedición, correctores ortográficos y gramaticales, desarrollo de un módulo de selección léxica (combinando métodos estadísticos y basados en reglas) y nuevos formatos de diccionarios para dar soporte a lenguas aglutinantes, entre otras tantas ideas propuestas por la comunidad Apertium.
Los estudiantes empezarán a programar el 23 de mayo. Estaremos atentos a todas las novedades.
Enlaces: GSoC 2009 | Ideas en la Wiki de Apertium | Web Oficial Apertium.org | Proyecto Apertium en SourceForge
Diccionarios Apertium para Palm
Hace unas semanas se anunció en SourceForge “Apertium Tinylex: dictionaries for Palm handhelds”, una colección de diccionarios bilingües Apertium para dispositivos Palm. Actualmente están disponibles para una veintena de pares de lenguas: español-inglés, inglés-catalán, euskera-español, español-gallego, etc. El proyecto forma parte de Apertium en SourceForge y ha sido financiado parcialmente por la Universidad de Alicante.
Hay publicadas dos versiones para cada uno de los diccionarios móviles. Por un lado, una versión que se “empaqueta” diariamente (nightly build) con el léxico que se haya podido incorporar o actualizar hasta la fecha (algunos de los diccionarios Apertium están en constante desarrollo; se puede comprobar observando la actividad diaria en el repositorio SVN del proyecto). Por otro lado, existe una versión que se actualiza con menor frecuencia pero que se puede considerar estable.
Para consultar los diccionarios basta con tener instalada la aplicación PalmOpenDic, que permite visualizar y buscar los términos en los diccionarios que instalemos. En la wiki de Apertium está toda la documentación sobre cómo generar estos diccionarios móviles con el programa Apertium DixTools a partir de los diccionarios originales (XML). En concreto, es la opción dix2tiny de este programa la que procesa los diccionarios y los convierte en versiones reducidas para Palm. Opcionalmente, permite personalizar qué tipo de entradas del diccionario se desea incluir u omitir.
Si no cuentas con un dispositivo Palm pero tienes curiosidad por probar estos diccionarios, puedes hacerlo en tu ordenador usando un emulador de Palm como POSE (Palm OS Emulator).
Enlaces: TinyLex.com : Apertium Wiki
Traducción automática de subtítulos con Apertium Subtitles
9 febrero, 2009 | Enrique | 10 Comments
(haz clic sobre la imagen para ampliarla)
Apertium Subtitles es un programa Java que traduce subtítulos automáticamente utilizando el traductor automático de código abierto Apertium.
El programa sigue en desarrollo, pero ya ofrece una versión completamente funcional que se puede ir probando. Para iniciar la aplicación basta con acceder a esta dirección:
Tras aceptar el certificado, comenzará la descarga de los archivos necesarios y una vez finalizada, se iniciará el programa. Para ello sólo es necesario tener instalado Java en nuestro ordenador.
También podemos descargar el código fuente del programa, que se distribuye con licencia GPL, y compilarlo. En la wiki de Apertium están todos los detalles sobre cómo compilar e instalar Apertium Subtitles.
El programa cuenta con dos modos de traducción:
- Traducción local, utilizando una instalación local de Apertium.
- Traducción online, con la que obtendremos la traducción a través de apertium.org en Internet.
Recomiendo instalar Apertium localmente por varios motivos. En primer lugar obtendremos las traducciones más rápidamente, además de poder utilizar Apertium Subtitles cuando no estemos conectados a Internet. Por otro lado, nos permitirá utilizar el traductor de subtítulos con todos los pares de lenguas que tengamos instalados en nuestro ordenador, incluyendo también aquellos que se encuentran en fases iniciales de desarrollo o que no han sido liberados oficialmente. Y es que, de momento, el modo online sólo ofrece traducción para los pares de lenguas considerados estables en Apertium, entre los cuales están el Español-Catalan, Español-Francés, Inglés-Español, Español-Portugués, etc., hasta un total de 18 pares de lenguas.
Sobre los subtítulos originales
Antes de efectuar una traducción, Apertium Subtitles intenta componer frases completas, que, como suele ser habitual en los subtítulos, pueden estar fragmentadas en secuencias distintas. La traducción automática de cada fragmento de frase por separado no siempre daría un buen resultado.
Por ello es conveniente asegurarnos de que el texto original contiene los signos de puntuación que indican un final de oración, como podrían ser el punto (.), el símbolo de interrogación (?) o de exclamación (!) y, en ciertos casos, los puntos suspensivos (…). También se recomienda cuidar la ortografía de los subtítulos originales, tratando de facilitar un poco el trabajo al traductor. En cualquier caso, Apertium Subtitles permite la postedición del texto traducido, de modo que podremos corregir los errores de traducción que se puedan producir.
Copyleft, copyright y otras historias (VII)
24 enero, 2009 | Enrique | 5 Comments
Esto sigue siendo el resumen semanal, sólo que le he puesto un título algo más descriptivo. Continúo con la recopilación de algunos artículos, noticias y vídeos que por alguna razón no han pasado desapercibidos para mí. Ahí van.
“La Casa Blanca se hace ‘copyleft’”. Leía esta semana en El País, que la web de la Casa Blanca ha dejado de estar protegida por copyright. La licencia que tiene ahora es libre, concretamente Creative Commons Attribution 3.0, que permite copiar distribuir, comunicar, además de hacer obras derivadas de los contenidos que se publiquen. Habló de ello también Enrique Dans en “Dos gestos”.
“Cómo el PageRank de Google puede predecir a los Premios Nobel”. Los artículos científicos forman una red basada en las citas que hacen unos de otros. EspacioCiencia cuenta que esta red es muy parecida a la formada por Internet. Entonces, ¿por qué no usar el famoso PageRank de Google para establecer un ranking de estos artículos? Sólo decir que las primeras posiciones de la lista resultante las ocupan, en su mayoría, autores que fueron Premios Nobel.Por cierto que, a través de blogoff, me enteraba esta semana de la existencia de Docuciencia, un blog que recopila de forma organizada documentales científicos alojados en YouTube.
“¿Qué hace David Allen cuando llega a su despacho?”. David Allen es el creador del método GTD para la organización personal. Sería una decepción comprobar que no aplica su propio sistema para gestionar su tiempo. Sin embargo, sí parece predicar con el ejemplo. Buena muestra de ello es este vídeo que comenta El Canasto.
“Ignasi Labastida (Creative Commons España): ‘Si una minoría está diciendo a una mayoría que son delincuentes igual la razón no es de la minoría’”. Escuché en blogoff esta entrevista a Ignasi Labastida, director de Creative Commons España y que habla “para todos los públicos” sobre estas licencias libres y de otros aspectos sobre propiedad intelectual.
“7 ideas para mantener el enfoque”. Hábitos Vitales compartía esta semana algunas ideas para mantener el enfoque y no perderse en tareas poco esenciales. Consejos simples que se pueden empezar a poner en práctica mañana mismo. Empezaré con la de “distinguir entre lo urgente y lo importante”.Blog de educación
Estoy leyendo…
Mis fotos
