Lematización

En los diccionarios lingüísticos que consultamos, cada entrada corresponde a un lema que - generalmente - define un conjunto de palabras con la misma raíz lexical (el lexema) y que pertenece a la misma categoría gramatical (verbo, adjetivo, etc.).

En general, la lematización exige que las formas del verbo se pongan en infinitivo, los sustantivos en singular, etcétera.

Por ejemplo, las formas flexivas "hablan" y " hablando ", que resultan de la combinación de una raíz única con dos diversos sufijos (< - an > y < - ando >), se remiten al mismo lema "habl-ar". Sin embargo, hay algunos casos en los que la lematización no observa la regla de la raíz común; especialmente en los verbos irregulares.

Durante la fase de importación del corpus, T-LAB consiente hacer un tipo específico de lematización automática que sigue la lógica del árbol siguiente .

Obviamente, el diccionario de referencia es el que ha sido realizado en T-LAB.

Las abreviaturas de las cuatro-categorías se utilizan en muchas tablas, siempre en la columna "INF".

NOTA:
- la categoría "DIS " ("distinguir") significa que T-LAB no aplica la lematización estándar, para no anular las diferencias de significado entre las diversas palabras;
- a veces, para diferenciar homógrafos, T-LAB añade el carácter '_' (underscore) a su lema.