Diseño y compilación de corpus paralelos alineados: dificultades y (algunas) soluciones en el ejemplo de un corpus de textos museísticos traducidos (inglés-español)

Abstract

[EN] Text corpora are tools having both a long tradition in research and a variety of applications. Of all existing types, this paper focuses specifically on parallel, aligned corpora. By taking one of this corpora as a starting point—a parallel, aligned corpus from museum texts originally written in English and subsequently translated into Spanish—, the aim of this article is to propose a methodology that consists of four basic stages. By the revision of previous literature on the topic, and by using multiple software programs—proprietary and free, specifically created for corpus compilation and created for other purposes—, it is concluded that, although the compilation of corpora such as the one that was intended is a feasible task, the procedure is full of obstacles. Some obstacles were overcome, while some were not; that is the case, for example, of the repetitions on the aligned corpus, which are not present in the corpus.

[ES] Los corpus de textos son herramientas de larga tradición y numerosas aplicaciones. De todos los tipos existentes, este trabajo se centra en uno en concreto: el corpus paralelo alineado. Tomando como punto de partida un corpus paralelo alineado de textos museísticos escritos originariamente en inglés y traducidos al español, se propone una metodología que pasa por cuatro fases esenciales. Con el apoyo de trabajos previos al respecto, y tras el recurso a programas de software —de pago y gratuitos, específicos y creados con otros fines—, se comprueba que, si bien es posible llevar a cabo la compilación del corpus, el camino está lleno de obstáculos, algunos salvables y otros no, como ha sucedido con la conservación de repeticiones en el corpus alineado.