Version classiqueVersion mobile
OpenEdition Books

Património Textual e Humanidades Digitais

 | 
Maria Filomena Gonçalves
, 
Ana Paula Banza

Análise linguística de documentos da Biblioteca Pública de Évora

Uma abordagem informática

Paulo Quaresma

Texte intégral

1. INTRODUÇÃO

1Ao longo dos últimos anos têm vindo a ser desenvolvidas diversas ferramentas computacionais para o Processamento de Língua Natural e, de uma forma mais específica, para a Língua Portuguesa (Rehm e Uszkoreit, 2012). Uma arquitectura típica de um sistema de processamento de texto pode ser dividida em quatro grandes módulos: pré-processamento, análise gramatical, análise semântica, tarefas específicas (Branco et alii, 2012). No pré-processamento são realizadas as tarefas de limpeza dos dados, análise e remoção da formatação e identificação das unidades de processamento; na análise gramatical são identificadas as categorias e as estruturas gramaticais das frases; na análise semântica são realizadas acções de desambiguação e resolução de anáforas e é efectuada a representação das frases num modelo independente da Língua e adequado a um processamento computacional; nas tarefas específicas são realizadas tarefas complementares, tais como, sumarização e resposta a perguntas sobre o conteúdo dos textos.

2Pretende-se, com este trabalho, apresentar os principais conceitos envolvidos num sistema computacional para o processamento de texto e, de uma forma mais específica, analisar algumas ferramentas computacionais existentes para a Língua Portuguesa (secção 2).

  • 1 Projecto FCT PTDC/HAH/64759/2006 "Gazetas Manuscritas: informação e sociedade (1729-1754)".

3Como estudo de caso demonstrativo da utilização de ferramentas computacionais para o processamento de texto, é efectuada, na secção 3, uma análise dos textos das Gazetas Manuscritas da Biblioteca Pública de Évora, relativos ao período 1729-17541 (Lisboa et al, 2002; Lisboa et al, 2005).

4Finalmente, na secção 4, são apresentadas conclusões e abordados alguns dos problemas em aberto e das possíveis opções visando a sua resolução.

2. SISTEMAS DE PROCESSAMENTO DE TEXTO

2.1. PRÉ-PROCESSAMENTO

5Nas tarefas de pré-processamento os textos são preparados para serem objecto de uma análise linguística posterior. Para tal, é necessário eliminar eventuais símbolos de formatação e transformar os documentos em simples sequências de caracteres textuais. É também nesta fase que se eliminam duplicações de caracteres de separação de palavras (espaços, tabulação) e que se agrupam os caracteres em unidades lexicais. Estas unidades são, tipicamente, as palavras de uma determinada Língua, mas há decisões que é necessário tomar neste processo e que condicionam todo o processo posterior:

  • Quais os separadores de palavras a considerar? Exemplo: o apóstrofo separa ou não duas palavras? (d'Orey versus c'est);

  • Como considerar abreviaturas, siglas e acrónimos? Exemplos: V. Exª; A/C; S. L. B. Deverão estes exemplos constituir uma única unidade lexical ou ser divididos em várias unidades?

6Não existe a melhor resposta para estas perguntas; o que existe é a opção mais adequada para o objectivo que se pretende atingir com o processamento dos textos. Do ponto de vista computacional, existem várias possibilidades para a correcta execução desta tarefa:

    • 2 Ver: http://nltk.org/

    Utilização de ferramentas genéricas de processamento de Língua Natural, tais como, o NLTK – Natural Language Toolkit2 (Bird et al, 2009), que permite a identificação das unidades lexicais (tokenization);

  • Desenvolvimento específico de aplicações informáticas, caso se pretenda analisar textos com formatos não standard e/ou com características muito específicas.

7A título de exemplo, apresenta-se o resultado de utilização da ferramenta NLTK:

8>>> import nltk

9>>> sentence = """ A Maria leu o livro."""

10>>> tokens = nltk. word _ tokenize (sentence)

11>>> tokens

12['A','Maria','leu','n','livro','.']

2.2. ANÁLISE GRAMATICAL

13A tarefa de análise gramatical visa obter a árvore sintáctica associada a cada frase do texto. No entanto, é comum integrar algumas sub-tarefas prévias, tais como a etiquetagem morfo-sintáctica das unidades lexicais e o reconhecimento de entidades nomeadas.

2.2.1. ETIQUETADORES MORFO-SINTÁCTICOS – POS TAGGERS

14Esta tarefa tem como objectivo associar a cada unidade lexical uma etiqueta morfosintáctica. Note-se que esta é uma tarefa em que, normalmente, há necessidade de efectuar desambiguações e seleccionar qual a etiqueta adequada para cada dada palavra em cada frase. Por exemplo, a palavra “a” pode ter diferentes etiquetas (artigo, preposição, pronome), dependendo da sua função na frase.

15Existem duas abordagens típicas para a execução desta tarefa:

  1. Abordagem simbólica – Nesta abordagem, recorre-se a dicionários e definem-se regras de inferência que permitem, dada uma sequência de palavras, propor as etiquetas mais adequadas para essas palavras (tendo em conta as regras definidas);

  2. Abordagem estatística – Nesta abordagem, recorre-se a um conjunto de textos de treino, que foram previamente analisados e em que foi realizada e revista a etiquetagem morfo-sintáctica, para criar um modelo computacional que é aplicado a novas frases.

  • 3 Disponível em: http://www.ims.unistuttgart.de/projekte/corplex/TreeTagger/DecisionTreeTagger.html
  • 4 Disponível em: http://nlp.lsi.upc.edu/freeling/

16Existem vários etiquetadores morfo-sintácticos para a Língua Portuguesa disponíveis na web. Uma opção é o software TreeTagger3, desenvolvido por (Schmid, 1994), que já foi aplicado a mais de 14 Línguas distintas, incluindo o Português ou, em alternativa, a ferramenta NLTK já referida na sub-secção anterior. Uma solução mais específica para a Língua Portuguesa, Galego e Castelhano, é o pacote de software FreeLing4, que inclui várias ferramentas para o processamento de textos em Língua Natural, entre as quais etiquetadores morfo-sintácticos. Realce-se que este pacote de software também efectua o conjunto de operações prévias necessárias a esta tarefa e referidas na sub-secção anterior: separação de frases, identificação de termos e análise morfológica.

17Exemplo: A frase “A Maria leu o livro.” é analisada da seguinte forma pelo analisador FreeLing:

A o DA0FS0 0.667849
Maria maria NP00000 1
leu ler VMIS3S0 0.875
o o DA0MS0 0.944727
livro livro NCMS000 0.977273
.. Fp 1

18Conforme se observa, para cada unidade lexical, é apresentada a forma canónica dessa unidade, a sua etiqueta morfo-sintáctica (ex: DA0FS – artigo definido feminino singular; NP – nome próprio; NCM – nome comum) e a probabilidade associada à etiqueta gerada.

  • 5 Disponível em: http://natura.di.uminho.pt/wiki/doku.php?id=ferramentas:jspell

19Para a sub-tarefa de análise morfológica, o software Jspell5 (Simões & Almeida, 2001) é também uma aplicação importante a considerar.

2.2.2. RECONHECIMENTO DE ENTIDADES NOMEADAS – NER NAMED ENTITY RECOGNITION

20O reconhecimento de entidades nomeadas visa, tipicamente, a identificação de pessoas, entidades, locais e datas que são referidas nos diversos textos. Também para esta sub-tarefa as abordagens se dividem em simbólicas e estatísticas.

21O pacote de software FreeLing incorpora módulos que permitem realizar esta tarefa com uma boa qualidade para a Língua Portuguesa.

22Exemplo: O software FreeLing obtém o seguinte resultado para a frase “A Maria leu o livro em Lisboa.”:

A o DA0FS0 0.667849
Maria maria NP00SP0 1
leu ler VMIS3S0 0.875
o o DA0MS0 0.944727
livro livro NCMS000 0.977273
em em SPS00 1 Lisboa lisboa NP00G00 1
.. Fp 1

23Realce-se a identificação da etiqueta “SP” (pessoa) no termo “Maria” e da etiqueta “G” (local) no termo “Lisboa.

  • 6 Ver: http://xldb.di.fc.ul.pt/Rembrandt/

24Um outro sistema disponível também para utilização é o Rembrandt6 (Cardoso, 2008), que permite, ainda, a identificação de algumas relações entre as entidades identificadas.

2.2.3. ANALISADORES SINTÁCTICOS

25Estes analisadores visam obter a estrutura sintáctica das frases, identificando, por exemplo, os sintagmas nominais, preposicionais e verbais dessas frases.

  • 7 shallow parser
  • 8 http://gramatica.usc.es/pln/tools/deppattern.html
  • 9 http://beta.visl.sdu.dk/

26Para a Língua Portuguesa, existem vários analisadores disponíveis: o já referido FreeLing (com um analisador de dependências e um analisador “superficial”7); DepPattern8 (com um analisador de dependências); e analisador PALAVRAS9 (Bick, 2000). O analisador PALAVRAS está, no entanto, somente disponível para utilização via web, o que inviabiliza a sua aplicação a grandes colecções de textos.

27Exemplos:

28Os analisadores PALAVRAS e FreeLing obtêm os seguintes resultados para a frase “A Maria leu o livro”:

29PALAVRAS:

30SOURCE: Running text

Agrandir Original (jpeg, 60k)

31FreeLing:

32Embora com um resultado final distinto, observa-se que qualquer um dos programas permite obter a representação da estrutura sintáctica da frase analisada.

2.3. ANÁLISE SEMÂNTICA

33Embora não seja viável efectuar uma análise semântica completa aos textos em Língua Portuguesa (ou em qualquer Língua Natural), é possível realizar análises parciais, obtendo anotações semânticas e estruturas de representação parcial do discurso. Um exemplo de uma possível anotação semântica é a associação de classes de uma ontologia a algumas unidades lexicais dos textos (ex: Maria →Humano; Lisboa→Cidade).

  • 10 Disponível em: http://svn.ask.it.usyd.edu.au/trac/candc/wiki/boxer

34Para o processo de inferência de anotações semânticas pode ser utilizado o software FreeLing; para as estruturas de representação do discurso, pode ser utilizada a ferramenta BOXER10 (Bos, 2008), que transforma o resultado de análises sintácticas em estruturas de representação do discurso (DRS).

35Exemplo:

36A frase “A Maria leu o livro.” pode ser transformada na seguinte estrutura do discurso pela ferramenta BOXER (em formato gráfico e com algumas adaptações, para uma mais fácil visualização):

37Ou seja, são identificadas duas entidades (x0 →Maria; x1 →livro) e um evento (x2 →ler), que estão relacionados devido à sua função de agente ou objecto da acção em causa.

2.4. TAREFAS ESPECÍFICAS

  • 11 Disponível em: http://humanidadesdigitais.org/edictor/

38Neste grupo de tarefas incluem-se as ferramentas computacionais com objectivos distintos (por exemplo, editores especializados) e as ferramentas que visam obter algum tipo de informação complementar baseada nas análises já realizadas. Relativamente aos editores especializados, é de realçar o eDictor11 (Paixão de Sousa et al, 2010), que é um editor que combina edição XML e um etiquetador morfossintáctico. Relativamente a ferramentas que visam obter informações complementares, realça-se a tarefa de sumarização de textos e a de responder a perguntas sobre o conteúdo desses textos (sistemas de pergunta-resposta).

39A sumarização automática visa apresentar os textos de uma forma condensada, mantendo a sua informação mais relevante; isto é, perdendo o mínimo possível de informação. Rodrigues (2011) efectua uma análise detalhada das várias estratégias existentes para abordar este tema (da puramente simbólica à puramente estatística), com um foco especial nas especificidades da Língua Portuguesa, e propondo uma abordagem simbólica com um desempenho global bastante positivo.

  • 12 CLEF – Cross Language Evaluation Forum.
  • 13 TREC – Text Retrieval Conference.

40Os sistemas de pergunta-resposta têm como objectivo responder a questões concretas sobre o conteúdo de colecções de textos. Esta é uma área que tem sido objecto de análise nos últimos anos, havendo várias iniciativas europeias12 e americanas13 para o fomento da investigação neste domínio. A título de exemplo, apresenta-se uma pergunta realizada no âmbito do processo de avaliação CLEF e a resposta obtida pelo sistema desenvolvido por (Saias e Quaresma, 2012), com base em textos do jornal “Público” de 1994 e 1995:

41P: Quantos desempregados há na Europa?

42R: 23 milhões.

Texto de suporte: A taxa de desemprego nos países
industrializados deverá crescer 0,1 por cento
até ao fim do ano, atingindo 8,6 por cento da
população activa, ou seja, 33 milhões de
pessoas, 23 milhões dos quais na Europa
ocidental, sublinha um relatório da
Organização Internacional do Trabalho (OIT)
ontem divulgado em Genebra.

3. ESTUDO DE CASO: GAZETAS MANUSCRITAS DA BIBLIOTECA PÚBLICA DE ÉVORA

43Nesta secção é apresentado algum do trabalho realizado sobre as gazetas manuscritas existentes na Biblioteca Pública de Évora, visando a criação de um sistema de pesquisa de informação sobre o conteúdo das referidas gazetas. Foram realizadas as seguintes tarefas:

  1. Desenvolvimento do portal das Gazetas Manuscritas da BPE;

  2. Análise sintáctica dos textos;

  3. Enriquecimento dos textos com marcadores semânticos;

  4. Identificação de entidades e criação automática do índice onomástico;

  5. Criação automática de relações entre entidades;

3.1. PORTAL DAS GAZETAS MANUSCRITAS DA BPE

44Numa primeira fase do trabalho, foi construído um portal para os textos das Gazetas Manuscritas da BPE:

  • 14 Disponível em: http://www.joomla.org/
  • 15 Disponível em: http://www.dspace.org/

45O portal possui as funcionalidades básicas de pesquisa – pesquisa por palavra ou expressão e a possibilidade de utilização de operadores booleanos – e é baseado nas aplicações de software livre Joomla!14 e dspace15.

46Actualmente, o portal é de acesso restrito e permite o acesso aos textos publicados (Lisboa 2002; Lisboa, 2005).

47A título ilustrativo apresenta-se um exemplo de pesquisa e visualização de informação:

3.2. PROCESSAMENTO DOS TEXTOS

48O conjunto de textos das Gazetas Manuscritas (Lisboa et al, 2002; Lisboa et al, 2005), foi processado automaticamente, recorrendo ao analisador sintáctico PALAVRAS apresentado na secção anterior.

  • 16 A frase foi simplificada, tendo-se retirado uma segunda oração.

49A título ilustrativo, veja-se o resultado da análise de uma frase16 do “Diário de 23 de Agosto de 1729”:

João de Saldanha cazou hum filho que daqui tinha hido, com hua filha herdeira de Martinho da Sylveira de Menezes.

50Resultado do analisador PALAVRAS:

51Este exemplo permite ilustrar algumas das características do sistema, bem como algumas das dificuldades encontradas:

521.Identificação de nomes próprios (PROP)

531.1.João de Saldanha

541.2.Martinho de Sylveira de Menezes

552.Identificação de acções (verbos--V)

562.1.Cazou

573.Anotação semântica de nomes comuns

583.1filho – Hfam (humano, família)

594.Dificuldade em analisar palavras desconhecidas

604.1.hido

614.2.hua

62Apesar de o analisador não ter sido desenvolvido para a Língua Portuguesa utilizada nas Gazetas Manuscritas – 1729-1754 – verifica-se ser possível identificar automaticamente nomes próprios e algumas acções e eventos. A identificação dos nomes próprios é um processo fundamental para a construção automática do índice onomástico.

  • 17 Os sinais de “=” representam níveis de profundidade da árvore sintáctica.

63Com base na análise anterior, é construída uma árvore sintáctica17:

64Esta árvore sintáctica permite verificar a capacidade de:

651. Identificar constituintes das frases

661.1.Sujeito (SUBJ) – João de Saldanha

671.2. Predicado (P) – cazou

68 1.3. Complemento directo (ACC) – hum filho...

691.3.1. “Head” do complemento directo (H: n)--filho

701.4. Orações relativas (N <: fcl) – que de aqui tinha hido

711.5. Oblíquos (N < PRED) – com hua filha...

722. Extrair triplos sujeito-acção-objecto

732.1. João de Saldanha – cazou – hum filho

74Este tipo de processamento foi efectuado sobre todos os textos, tendo-se obtido um conjunto de entidades e um conjunto de triplos “sujeito-acção-objecto”.

75Cada entidade identificada como sendo um nome próprio deu origem a uma entrada no índice onomástico (após validação manual) e foram adicionadas etiquetas semânticas aos textos e links do índice para essas entidades. As etiquetas semânticas foram inseridas recorrendo à linguagem XML – eXtended Markup Language.

76Um exemplo é:

  • 18 “io” representa “índice onomástico

77… foi pela posta a Madrid, e ficou hum irmão seu em sua caza, donde se continuavão os particulares, e ainda se não comessarão os de casa de < io18 id =“ 39”> Andre Lopes </io >

78De uma forma correspondente, no índice onomástico, é criado um link para a ocorrência em causa:

  • 19 Supondo que o nome próprio ocorre na folha 66 das Gazetas Manuscritas.

79[39] André Lopes/fl. 66/19

80Com base nos triplos sujeito-acção-objecto iniciou-se o processo de construção de uma ontologia que representasse (parcialmente) a informação veiculada nas Gazetas Manuscritas.

81Sendo esta uma tarefa muito complexa, definiu-se como primeiro passo a identificação automática de relações entre pessoas e, de uma forma mais específica, a identificação de relações familiares.

82Lígia Duarte, no âmbito do trabalho de doutoramento que está a realizar na Universidade de Évora, sob o tema O parentesco em fontes narrativas do séc. XVIII: ensaio de uma representação semi-automática, identificou, numa análise preliminar, 878 relações de parentesco nos textos relativos ao período 1729-1734.

83Estas relações podem ser referidas de uma forma implícita:

841. Titulares, família real; Ex: “condeça moça”, “príncipe”

85ou explícita:

  • Simples: “filho de”

  • Estruturadas: “neto de X, “mulher de Y”

  • Compostas

86Para melhor ilustrar a complexidade do processo de inferência das relações de parentesco, veja-se o seguinte exemplo:

Hontem bautisou o Conde da Ribeira e ainda que pelo nojo não convidou os parentes e parentas de ambas as familias, jantarão magnificamente. A minina se chamou Joanna, sendo sua madrinha a Sra. Condeça de Alvor sua avo, que deu a sua filha hua bolsa de moedas. Foy padrinho D. Luis da Camara irmão do Conde e a Sra. Condessa da Ribeira que tambem se achou na função, deu em nome de seu filho a sua nora hum cofre de charão com luvas e outros adereços e hum ramo de flores que tinha por remate hum prego de hum diamante brilhante de grande preço. (Diário, 1731, BPE, códice CIV/1-5d, fl. 100v).

87Sendo certo que os triplos sujeito-acção-objecto representam um input importante para esta tarefa, a leitura do exemplo anterior demonstra que não é suficiente para permitir a extracção de todas as relações de parentesco.

88Tendo em conta esta constatação, definiu-se a seguinte metodologia adicional:

  • Identificar padrões “linguísticos” (lexicais + sintácticos) que indiciem relações de parentesco;

  • Criar regras, com base nos padrões identificados;

  • Aplicar as regras definidas à totalidade dos textos.

89Vejamos dois exemplos para a relação de casamento:

Declarouse o cazamento de D. Bras da Silveira com a Sra. D. Maria Caetana de Tavora Dama do Paço e irmã do Conde de Povolide. que de mais de alvará tem dezouto mil cruzados de legitima, ainda senão sabe se hirá para a Beira e não tem dispençação.

e

Deve tratar-se de D. Afonso de Noronha, filho terceiro dos 4os Condes dos Arcos, que, não tendo descendência do primeiro casamento, desposou D. Guiomar Bernarda de Lencastre, filha herdeira de D. Rodrigo de Lencastre

90Uma análise detalhada das diversas formas de referir casamento, permitiu inferir as seguintes regras:

  • X desposou Y

  • cazamento de X com Y

  • cazou X com Y

  • caza X com Y

91Estas regras foram aplicadas aos textos analisados sintacticamente e foram extraídas as relações correspondentes, criando-se uma base de conhecimentos do tipo:

92casado (X, Y).

93Pode-se verificar que a regra “cazamento de X com Y” é aplicável ao primeiro exemplo apresentado, obtendo-se X =“D. Bras da Silveira” e Y =“D. Maria Caetana de Tavora”, e que a regra “X desposou Y” é aplicável ao segundo exemplo, obtendo-se X =“D. Afonso de Noronha” e Y =“D. Guiomar Bernarda de Lencastre”. Neste sentido, a base de conhecimentos conterá os seguintes factos:

  1. casado (“D. Bras da Silveira”, “D. Maria Caetana de Tavora”).

  2. casado (“D. Afonso de Noronha”, “D. Guiomar Bernarda de Lencastre”).

94A metodologia descrita encontra-se em fase de aplicação à totalidade dos textos e será necessário estendê-la e aplicá-la a outras relações de parentesco consideradas pertinentes.

4. CONCLUSÕES E TRABALHO FUTURO

95A Inteligência Artificial, com a sua sub-área de Processamento de Língua Natural, pode desempenhar um importante papel na análise e caracterização de textos históricos e na sua divulgação e acesso generalizado.

96Para além disso, é possível construir ferramentas computacionais com a capacidade de automaticamente extrair e representar algum do conteúdo semântico dos textos analisados e construir bases de conhecimento, que permitem pesquisas e inferências de elevado grau de complexidade e abstracção.

97O trabalho realizado permitiu criar ferramentas de apoio à análise das Gazetas Manuscritas da Biblioteca Pública de Évora e, assim, contribuir para a divulgação do seu “Património Textual e Memória Linguística”.

98Como trabalho futuro, pretende-se construir uma rede semântica com as relações de parentescos (e, eventualmente, outro tipo de relações) constantes nos diversos textos, permitindo a sua representação e visualização gráfica.

Bibliographie

REFERÊNCIAS BIBLIOGRÁFICAS

BICK, Eckhard (2000): The parsing system PALAVRAS. Automatic Grammatical Analysis of Portuguese in Constraint Grammar Framework. Aarhus University Press.

BIRD, Steven, Edward LOPER, Ewan KLEIN (2009): Natural Language Processing with Python. O’Reilly Media Inc.

BOS, Johan (2008): “Wide-Coverage Semantic Analysis with Boxer”. In: J. Bos, R. Delmonte ed., Semantics in Text Processing. STEP 2008 Conference Proceedings. Research in Computational Semantics. College Publications, 277-286.

BRANCO, António, Amália MENDES, Sílvia, PEREIRA, Paulo HENRIQUES, Thomas PELLEGRINI, Hugo MEINEDO, Isabel TRANCOSO, Paulo QUARESMA, Vera Strube de LIMA e Fernanda BACELAR (2012): The Portuguese Language in the Digital Age - A Língua Portuguesa na Era Digital. In: Georg Rehm and Hans Uszkoreit eds. White Paper Series. Berlin: Springer Verlag. Disponível em: http://www.meta-net.eu/whitepapers.

CARDOSO, Nuno (2008): REMBRANDT - Reconhecimento de Entidades Mencionadas Baseado em Relações e ANálise Detalhada do Texto. Encontro do Segundo HAREM, PROPOR. Aveiro.

LISBOA, João Luís, Tiago MIRANDA e Fernanda OLIVAL (2002): As Gazetas Manuscritas da Bibiloteca Pública de Évora, vol. 1 (1729-1731). Lisboa. Colibri/CIDEHUS-EU/CHC/UNL.

LISBOA, José Luís, Tiago MIRANDA e Fernanda OLIVAL (2005): As Gazetas Manuscritas da Biblioteca Pública de Évora. Vol. 2 (1732-1734). Lisboa. Colibri, CIDEHUS-UE/CHC/UNL.

PAIXÃO DE SOUSA, Maria Clara, F. N. KEPLER, P. P. F. FARIA (2010): E-Dictor: Novas perspetivas na codificação e edição de corpora de textos históricos. In: Tania Shepherd, Tony Berber Sardinha, Marcia Veirano Pinto org., Caminhos da Linguística de Corpus. Campinas: Mercado de Letras.

REHM, Georg e Hans USZKOREIT (2012): META-NET White Paper Series. Disponível em: http://www.meta-net.eu/whitepapers

RODRIGUES, Luís (2011). Sumarização automática de texto. Tese de Mestrado em Engenharia Informática. Universidade de Évora.

SAIAS, José e Paulo QUARESMA (2012): “DI@UE in CLEF2012: Question answering approach to the multiple choice qa4mre challenge”. In: Pamela Forner, Jussi Karlgren, and Christa Womser-Hacker eds. CLEF (Online Working Notes/Labs/Workshop).

SAIAS, José e Paulo QUARESMA (2004): “A methodology to create legal ontologies in a logic programming based web information retrieval system”. Journal of Artificial Intelligence and Law (AI & Law), 12 (4): 397 – 417.

SCHIMD, Helmut (1994): Probabilistic Part-of-Speech Tagging Using Decision Trees. International Conference on New Methods in Language Processing. Manchester. UK

SIMÕES, Alberto Manuel e José João ALMEIDA (2001): jspell. pm — um módulo de análise morfológica para uso em processamento de linguagem natural. In: Anabela Gonçalves e Clara Nunes Correia eds., Actas do XVII Encontro Nacional da Associação Portuguesa de Linguística (Lisboa, 2-4 de Outubro de 2001). Lisboa: APL, 485-495. Disponível em: http://alfarrabio.di.uminho.pt/~albie/publications/jspell.pm.pdf

Notes

1 Projecto FCT PTDC/HAH/64759/2006 "Gazetas Manuscritas: informação e sociedade (1729-1754)".

2 Ver: http://nltk.org/

3 Disponível em: http://www.ims.unistuttgart.de/projekte/corplex/TreeTagger/DecisionTreeTagger.html

4 Disponível em: http://nlp.lsi.upc.edu/freeling/

5 Disponível em: http://natura.di.uminho.pt/wiki/doku.php?id=ferramentas:jspell

6 Ver: http://xldb.di.fc.ul.pt/Rembrandt/

7 shallow parser

8 http://gramatica.usc.es/pln/tools/deppattern.html

9 http://beta.visl.sdu.dk/

10 Disponível em: http://svn.ask.it.usyd.edu.au/trac/candc/wiki/boxer

11 Disponível em: http://humanidadesdigitais.org/edictor/

12 CLEF – Cross Language Evaluation Forum.

13 TREC – Text Retrieval Conference.

14 Disponível em: http://www.joomla.org/

15 Disponível em: http://www.dspace.org/

16 A frase foi simplificada, tendo-se retirado uma segunda oração.

17 Os sinais de “=” representam níveis de profundidade da árvore sintáctica.

18 “io” representa “índice onomástico

19 Supondo que o nome próprio ocorre na folha 66 das Gazetas Manuscritas.

Auteur

Universidade de Évora/Departamento de Informática
CITI – Centro de Inovação em Tecnologias de Informação
Docente e investigador do Departamento de Informática da Universidade de Évora. Doutor e Agregado em Informática. Especialista em Processamento de Linguagem Natural. pq@uevora.pt

© Publicações do Cidehus, 2013

Conditions d’utilisation : http://www.openedition.org/6540

Lire

Open access

Acheter

Volume papier

Chargement

Unavailable