INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA DE INVESTIGACIÓN Y POSGRADO
PROTOCOLO PARA PROYECTOS DE INVESTIGACIÓN
(Febrero 2003 - Marzo 2004)

PROYECTO INDIVIDUAL   X   CORTO PLAZO   X  
PROYECTO EN PROGRAMA ESPECIAL      
PROYECTO DE INNOVACIÓN      
PROYECTO MULTIDISCIPLINARIO       MEDIANO PLAZO    
PROYECTO TRANSDISCIPLINARIO      
PROYECTO DE RED      
PROPUESTA DE ESTUDIO      
Información General del Proyecto de Investigación
  CIC    Laboratorio de Lenguaje Natural y Procesamiento de Texto 
Escuela, Centro o Unidad Sección. División o Departamento
Título
Evaluación de la representación de palabras y colocaciones españolas en las máquinas de búsqueda de Internet para compilar diccionarios combinatorios

Registro asignado por la SIP:  20031719     
Datos del director(a) del Proyecto de investigación:
  Bolshakov     Mironova     Igor  
Apellido Paterno Apellido Materno Nombres
Tipo de plaza en el IPN:  Titular C - (BASE)  Grado académico:  Doctorado 
Horas de nombramiento:  40  RFC:  BOIG340121  CURP:  BOXI340121HNELXG09 
SNI:  III  BECAS: COFAA  IV  EDD  ---  EDI  IX  (Indicar nivel)
Teléfono oficina (Ext):  56602  Teléfono particular:  5597-0709 
Nivel académico en el que se realizará el Proyecto de Investigación:
Medio Superior         Superior         Posgrado    X   
Ubique su propuesta solamente en uno de los campos que a continuación se enuncian:
Ingeniería y Tecnología     X    Ciencias Sociales         
Ciencias Naturales          Ciencias Agrícolas         
Ciencias Médicas          Humanidades         
Clasificación CONACyT:
Sector:   Sector Comunicaciones y Transportes  
Subsector:   Fomento a la integración de servicios y acceso a las nuevas tecnologías de la información  
Tipos de investigación:
Básica     X    Aplicada          Autoequipamiento         
Desarrollo Tecnológico          Educativa           
¿Su proyecto aborda los siguientes temas?
Perspectiva de Género      Sustentabilidad     Ninguno   
  Igor Bolshakov Mironova                                             
Director(a) del Proyecto de
Investigación
Vo. Bo. de la Academia o
Colegio de Profesores
Nombre y firma de Director(a) de la
Escuela, Centro o Unidad
Nota: El título deberá ser breve, conciso y representativo del tema central de investigación


La presentación deberá hacerse de acuerdo a la siguiente estructura:

1. Descripción del proyecto
1.1 Resumen
<Long Text>

1.2 Objetivo general
Desarrollar e implementar en software los métodos y algoritmos para determinar de manera cualitativa, si una palabra o combinación de palabras dada debe formar parte de un diccionario terminológico para los sistemas de procesamiento automático de textos en español.

1.3 Objetivos específicos
Los métodos y software para la compilación automática de un diccionario terminológico combinatorio para los sistemas de procesamiento automático de textos en español, a través de análisis estadístico de los datos proporcionados por el motor de búsqueda en Internet, Google.

2. Subproductos comprometidos
Nacional Internacional Nacional Internacional
Artículo de Divulgación  0   0  Artículo Científico  0   0 
Congresos  0   0  Seminiarios  0   0 
Cursos  0   0  Manuales  0   0 
Libros  0   0  Programa de Radio y TV  0   0 
Conferencias o Ponencias  0   0 
Piloto Laboratorio Piloto Laboratorio
Proceso  0   0  Prototipo  0   0 
Patente  0   0  Certificado de Invención  0   0 
Hardware  0   0  Software  0   0 
Medio       Superior Posgrado
Tesistas  0   0   0 
Practicantes Profesionales  0   0   0 
Alumnos PIFI  0   0   0 
Prestante de Servicio Social  0   0 
Otros (especificar)  0       
2. Subproductos comprometidos año 2
Nacional Internacional Nacional Internacional
Artículo de Divulgación  0   0  Artículo Científico  0   0 
Congresos  0   0  Seminiarios  0   0 
Cursos  0   0  Manuales  0   0 
Libros  0   0  Programa de Radio y TV  0   0 
Conferencias o Ponencias  0   0 
Piloto Laboratorio Piloto Laboratorio
Proceso  0   0  Prototipo  0   0 
Patente  0   0  Certificado de Invención  0   0 
Hardware  0   0  Software  0   0 
Medio       Superior Posgrado
Tesistas  0   0   0 
Practicantes Profesionales  0   0   0 
Alumnos PIFI  0   0   0 
Prestante de Servicio Social  0   0 
Otros (especificar)  0       
2. Subproductos comprometidos año 3
Nacional Internacional Nacional Internacional
Artículo de Divulgación  0   0  Artículo Científico  0   0 
Congresos  0   0  Seminiarios  0   0 
Cursos  0   0  Manuales  0   0 
Libros  0   0  Programa de Radio y TV  0   0 
Conferencias o Ponencias  0   0 
Piloto Laboratorio Piloto Laboratorio
Proceso  0   0  Prototipo  0   0 
Patente  0   0  Certificado de Invención  0   0 
Hardware  0   0  Software  0   0 
Medio       Superior Posgrado
Tesistas  0   0   0 
Practicantes Profesionales  0   0   0 
Alumnos PIFI  0   0   0 
Prestante de Servicio Social  0   0 
Otros (especificar)  0       
 3. Monto y distribución del presupuesto solicitado (anexar): honorarios (sólo centros foráneos), materiales y suministros, servicios generales y equipamiento (anexar cotización)

3.1 ¿Cuenta con financiamiento externo?
No    X   Si               

4. Recursos humanos. Investigadores y alumnos participantes.

  4.1 Investigadores participantes

Número Nombre Actividad específica a desarrollar
1 Igor Bolshakov Mironova Director del proyecto
2 Alexander Gelbukh Kahn
  
Investigación teórica (metas 1, 2 y 3), preparación de publicaciones
3 Grigory Sidorov 
  
Realización de metas 3 y 4,preparación de publicaciones
4 Sofía Galicia Haro
  
Investigación teórica (metas 4 y 5), preparación de las publicaciones


  4.2 Alumnos participantes

Número Nombre Status* Actividad específica a desarrollar
1 Macario Hernández Cruz PF Programación de las tareas 3 (parcialmente) y 4
2 Juan Maya Celia PF Programación de las tareas 5, 6 (parcialmente)
3 Sabino Miranda Jiménez PF Programación de las tareas 1, 2 y 3 (parcialmente)
4 Sabino Miranda Jiménez TS La tesis se aprobó con la distinción

  * PIFIS(PF), Servicio Social (SS), Tesistas (TS), Prácticas Profesionales (PP), Alumnos Participantes (AP)

 5.Programación de Actividades de Investigación   (Febrero 2003 - Marzo 2004)

Número
de meta
Valor % de
cada meta
Descripción de actividades Mes de inicio Mes de terminación
1 10 Estudios en literatura
Estudiar y comparar los métodos ya existentes de evaluar y extraer palabras y colocaciones desde Internet
Marzo 2003 Mayo 2003
2 10 Algoritmo para evaluar el número de documentos
Diseñar e implementar el algoritmo para evaluar la cantidad total de documentos en Internet con textos españoles
Junio 2003 Agosto 2003
3 15 Difusión de los resultados
Preparar las publicaciones
Julio 2003 Febrero 2004
4 20 Algoritmo para evaluar el número de palabras
Diseñar e implementar el algoritmo de evaluar la representación de los elementos de paradigmas morfológicos de varias palabras españolas
Agosto 2003 Octubre 2003
5 10 Algoritmo para la recopilación de las palabras
Diseñar e implementar el algoritmo de aceptar la palabra nueva como la ingrediente de un diccionario español
Octubre 2003 Noviembre 2003
6 20 Aspectos morfológicos
Diseñar e implementar el algoritmo de evaluar la representación de los elementos de paradigmas morfológicos de varias colocaciones españolas
Noviembre 2003 Enero 2004
7 10 Colección de la base de datos
Diseñar e implementar el algoritmo de aceptar la colocación nueva como la ingrediente de una base de colocaciones españolas
Enero 2004 Febrero 2004
8 5 Documentación
Preparar el informe final
Febrero 2004 Febrero 2004
Porcentaje: 100 %

Nota: La planeación debe hacerse de acuerdo a las actividades del año actual (sumando 100 %), incluso si el proyecto es a mediano plazo.

  6. Presupuesto

Capítulo Descripción / Concepto Total
(Pesos)
2000  Libros de ediciones mexicanas, norteamericanas o europeas 5000
Revistas científicas 2000
Memorias de Congresos Internacionales en Lingüística Computacional 4000
Papel para impresión 800
Cartuchos para la impresora láser 2200
Discos compactos gravables 800
Disquetes 200
15000   
3000  <Long Text> 15000   
4000      
5000  <Long Text> 10000   
7000      
Total:  $ 40000