El PLN en español

Corpus del español del siglo XXI con textos de España y América, clasificados por país, tema y tipo de texto. Permite consultar frecuencias y concordancias.

Límite: Se consulta en línea; no se descarga entero para entrenar modelos.

Corpus muy grande de textos de la web, con información de país, útil para comparar variedades.

Límite: Al venir de la web, refleja sobre todo cómo se escribe en internet.

Corpus de prensa anotado a mano con categorías, sintaxis y entidades. Con él se entrenan y evalúan muchos analizadores del español (ver Extracción de información).

Límite: Es prensa: los sistemas entrenados con él rinden peor en otros registros.

Primer modelo tipo BERT entrenado solo con español (Universidad de Chile). Sirve para clasificar y analizar textos, no para conversar.

Límite: Es un modelo de análisis, no generativo, y ya tiene unos años.

Modelos entrenados con el archivo web de la Biblioteca Nacional de España, dentro del Plan de Tecnologías del Lenguaje.

Límite: También de análisis, no conversacionales.

Modelos generativos abiertos del Barcelona Supercomputing Center, entrenados con todas las lenguas oficiales de España. Hay versión ajustada para seguir instrucciones.

Límite: Más pequeños que los comerciales: aciertan menos en tareas complejas.

Infraestructura pública de modelos en español y lenguas cooficiales, que agrupa los modelos del BSC.

Límite: Proyecto en desarrollo: conviene revisar qué modelos ofrece en cada momento.

Modelos listos para etiquetar categorías, dependencias y entidades en español. Se aprende en el Taller: Tu primer análisis con spaCy.

Límite: Exige escribir un poco de Python; la documentación está en inglés.

Campaña anual de tareas compartidas en lenguas ibéricas: detección de ironía, de odio, de textos generados… Cada tarea publica sus datos y los resultados.

Límite: Cada año cambian las tareas; los datos de ediciones anteriores siguen siendo útiles.

Tabla de resultados de la UNED que compara tareas equivalentes en español e inglés, para medir la distancia entre lenguas.

Límite: Mide modelos de análisis más que asistentes conversacionales.

Evaluación abierta de modelos generativos en español y lenguas de España.

Límite: Las tablas cambian con cada modelo nuevo: es una foto del momento.

Banco de pruebas de modelos generativos en lenguas ibéricas y variedades del español.

Límite: Igual que el anterior: resultados que caducan pronto.

Sociedad Española para el Procesamiento del Lenguaje Natural. Organiza el congreso anual (donde se presenta IberLEF) y publica la revista Procesamiento del Lenguaje Natural, de acceso abierto.

Límite: Orientada a investigación: los artículos son técnicos.