FenixEdu™

Dissertação

Syntax Deep Explorer EVALUATED

Detalhes: A análise de padrões de co-ocorrência entre as palavras permite compreender melhor as diferenças de uso (e significado) que estão associadas às diferentes relações em que uma dada palavra participa. O objetivo deste projeto é desenvolver uma ferramenta que, com base na cadeia de processamento de língua natural (PLN) STRING permita obter o acesso aos dados de co-ocorrência obtidos a partir de textos em português. Atualmente, já existem várias ferramentas (DeepDict, Sketch Engine e Wortschatz) que permitem obter, para corpora em português, informação sobre os padrões de co-ocorrência de uma palavra, baseando-se em diferentes sistemas de PLN, adotando diferentes medidas de associação. Entre estas, encontram-se a PMI, o Dice, o Log-likelihood Ratio, ou diferentes adoções destas medidas. A solução apresentada é composta pela extração das co-ocorrências e uma interface Web. A extração ocorre a partir de um corpus processado pela cadeia, que encontra e armazena as co-ocorrências numa base de dados, sendo posteriormente calculadas as diferentes medidas de associação. A aplicação Web fornece aos utilizadores uma interface que permite explorar esses padrões de co-ocorrência. A solução é avaliada com base no tempo consumido para extrair as co-ocorrências do corpus CETEMPúblico, espaço ocupado, organização da base de dados e o tempo de resposta da interface. O projeto desenvolvido permite aceder rapidamente às co-ocorrências resultantes de corpora processado pela STRING, aproveitando os ricos recursos lexicais da cadeia bem como a sua sofisticada análise sintática e semântica, para produzir resultados que os sistemas referidos não permitem.
Keywords: Processamento de Língua Natural (PLN), Interface gráfica, Co-ocorrência, Colocação, Medidas de associação, STRING

Discussão: novembro 11, 2015, 10:30