Constitución y etiquetación del corpus CESAR

Abstract

En este documento se hace una descripción de los procesos de recopilación y etiquetación del corpus CESAR, Corpus del español sintácticamente anotado y revisado. En el primer apartado se describe el material constitutivo del corpus, en el segundo se explica el proceso de recopilación de ese material, en el tercero se da cuenta de todo lo relacionado con el proceso de anotación lingüística del corpus: cómo se han corregido los textos, y cómo y con qué etiquetas morfosintácticas se han anotado. En todas estas explicaciones se hace siempre hincapié en el hecho de cómo condiciona cada una de las tareas implicadas, tanto en cuanto a la forma en que se llevan a cabo como en cuanto a su misma existencia, el que el corpus haya de servir de base para la elaboración de una base de datos lingüística en la forma de un treebank.