Metodologia computacional para identificação de sintagmas nominais da língua portuguesa

Detalhes bibliográficos
Autor(a) principal: Morellato, Luana Vieira
Data de Publicação: 2010
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
Texto Completo: http://repositorio.ufes.br/handle/10/4217
Resumo: In Portuguese language, syntagmas are units of meaning and with syntactic function in a phrase [Nicola, 2008]. Generally speaking, phrases that compose any enunciate express some content through their elements and these elements combinations that the language allows. Therefore, sets and subsets are made and they work as syntactic units in the bigger unit which is the phrase - the syntagmas, that can be separated in noun phrase and verb phrase. Among those, the noun phrases represent a bigger interest due to the biggest semantic value in it. Noun phrases are used in Natural Language Processing (NLP) tasks, such as resolving co-references (anaphora), automatic building of ontologies, in parsers used in medical texts to generate resumes and vocabulary building, or as an initial part in syntactic analyses processes. In Information Retrieval, noun phrases can be applied as atomic terms in indexing systems and documents search, delivering better results. This dissertation proposes a computational methodology to identify noun phrases in digital documents written in natural language. This research explains the adopted methodology to identify and to extract noun phrase through the development of SISNOP (Portuguese Noun Phrase Identifying System - SISNOP, in Portuguese). SISNOP is a system composed by a set of modules and programs, that is able to interpret any kind of text available in the natural language, using morphological and syntactic analyses, in order to recover noun phrases. Besides that, the system obtains syntactic information, as gender, number and degree of the words in the extracted noun phrases. The SISNOP tested, among other corpora, CETENFolha, composed by 24 million words, and CETEMPúblico, about 180 million words in European Portuguese and widely used in papers like of this study field. It was obtained 98,12% and 94,59% of sentences recognized by the system, getting up to 24 million identified noun phrases. The SISNOP modules: EM – Morphologic Tagger, ISN – Noun Phrases Identifier and IGNG – Gender, Number and Degree, were tested individually using a smaller set of data than the former one, because the results analyses were made manually. Noun phrase identifier module got 82,45% of precision and 69,20% of recall.
id UFES_e097cd145b3f89b8c928bf0e1bce8e89
oai_identifier_str oai:repositorio.ufes.br:10/4217
network_acronym_str UFES
network_name_str Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
repository_id_str 2108
spelling Freitas, Sérgio Antônio Andrade deMorellato, Luana VieiraVillavicencio, AlineGarcia, Berilhes Borges2016-08-29T15:33:12Z2016-07-112016-08-29T15:33:12Z2010-01-08In Portuguese language, syntagmas are units of meaning and with syntactic function in a phrase [Nicola, 2008]. Generally speaking, phrases that compose any enunciate express some content through their elements and these elements combinations that the language allows. Therefore, sets and subsets are made and they work as syntactic units in the bigger unit which is the phrase - the syntagmas, that can be separated in noun phrase and verb phrase. Among those, the noun phrases represent a bigger interest due to the biggest semantic value in it. Noun phrases are used in Natural Language Processing (NLP) tasks, such as resolving co-references (anaphora), automatic building of ontologies, in parsers used in medical texts to generate resumes and vocabulary building, or as an initial part in syntactic analyses processes. In Information Retrieval, noun phrases can be applied as atomic terms in indexing systems and documents search, delivering better results. This dissertation proposes a computational methodology to identify noun phrases in digital documents written in natural language. This research explains the adopted methodology to identify and to extract noun phrase through the development of SISNOP (Portuguese Noun Phrase Identifying System - SISNOP, in Portuguese). SISNOP is a system composed by a set of modules and programs, that is able to interpret any kind of text available in the natural language, using morphological and syntactic analyses, in order to recover noun phrases. Besides that, the system obtains syntactic information, as gender, number and degree of the words in the extracted noun phrases. The SISNOP tested, among other corpora, CETENFolha, composed by 24 million words, and CETEMPúblico, about 180 million words in European Portuguese and widely used in papers like of this study field. It was obtained 98,12% and 94,59% of sentences recognized by the system, getting up to 24 million identified noun phrases. The SISNOP modules: EM – Morphologic Tagger, ISN – Noun Phrases Identifier and IGNG – Gender, Number and Degree, were tested individually using a smaller set of data than the former one, because the results analyses were made manually. Noun phrase identifier module got 82,45% of precision and 69,20% of recall.Sintagmas são unidades de sentido e com função sintática dentro de uma frase, [Nicola 2008]. De maneira geral, as frases que compõem qualquer enunciado expressam um conteúdo por meio dos elementos e das combinações desses elementos que a língua proporciona. Dessa forma, vão se formando conjuntos e subconjuntos que funcionam como unidades sintáticas dentro da unidade maior que é a frase -- os sintagmas, que podem ser divididos em: sintagmas nominais e verbais. Dentre esses, os nominais representam maior interesse devido ao maior valor semântico contido. Os sintagmas nominais são utilizados em tarefas de Processamento de Linguagem Natural (PLN), como resolução de correferências (anáforas), construção automática de ontologias, em parses usados em textos médicos para geração de resumos e criação de vocabulário, ou ainda como uma etapa inicial em processos de análise sintática. Em Recuperação de Informação (RI) os sintagmas podem ser aplicados na criação de termos em sistemas de indexação e buscas de documentos, gerando resultados melhores. Esta dissertação propõe uma metodologia computacional para identificação de sintagmas nominais da língua portuguesa em documentos digitais escritos em linguagem natural. Nesse trabalho, é explicitada a metodologia adotada para identificar e extrair sintagmas nominais por meio do desenvolvimento do SISNOP -- Sistema Identificador de Sintagmas Nominais do Português. O SISNOP é um sistema composto por um conjunto de módulos e programas, capaz de interpretar textos irrestritos disponíveis em linguagem natural, através de análises morfológicas e sintáticas, a fim de recuperar sintagmas nominais. Alem disso, são obtidas informações sintáticas, como gênero, número e grau das palavras contidas nos sintagmas extraídos. O SISNOP testou, entre outros corpus, o CETENFolha, composto por mais 24 milhões de palavras, e o CETEMPúblico, com aproximadamente 180 milhões de palavras em português europeu, e muito utilizado em trabalhos da área. Foi obtido 98,12% e 94,59% de frases reconhecidas pelo sistema, obtendo mais de 24 milhões de sintagmas identificados. Os módulos do SISNOP: EM Etiquetador Morfológico, ISN Identificador de Sintagmas Nominais e IGNG Identificador de Gênero, Número e Grau, foram testados de maneira individual utilizando um conjunto de dados menor que o anterior, visto que, a análise dos resultados foi feita manualmente. O módulo identificador de sintagmas obteve precisão de 82,45% e abrangência de 69,20%.TextMORELLATO, Luana Vieira. Metodologia computacional para identificação de sintagmas nominais da língua portuguesa. 2010. 113 f. Dissertação (Mestrado em Informática) - Universidade Federal do Espírito Santo, Centro Tecnológico, Vitória, 2010.http://repositorio.ufes.br/handle/10/4217porUniversidade Federal do Espírito SantoMestrado em InformáticaPrograma de Pós-Graduação em InformáticaUFESBRCentro TecnológicoLíngua portuguesa - Sintagma nominalProcessamento de linguagem natural (Computação)Recuperação da informaçãoCiência da Computação004Metodologia computacional para identificação de sintagmas nominais da língua portuguesainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)instname:Universidade Federal do Espírito Santo (UFES)instacron:UFESORIGINALDissertação_3340_a13-furia.pdfapplication/pdf1204054http://repositorio.ufes.br/bitstreams/a57e5c14-a847-4680-a27f-1f492ecb3bbf/download6bd0535e50d6ecfd469372fbce27e1a1MD5110/42172024-07-17 16:56:10.393oai:repositorio.ufes.br:10/4217http://repositorio.ufes.brRepositório InstitucionalPUBhttp://repositorio.ufes.br/oai/requestopendoar:21082024-10-15T17:56:28.273420Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)false
dc.title.none.fl_str_mv Metodologia computacional para identificação de sintagmas nominais da língua portuguesa
title Metodologia computacional para identificação de sintagmas nominais da língua portuguesa
spellingShingle Metodologia computacional para identificação de sintagmas nominais da língua portuguesa
Morellato, Luana Vieira
Ciência da Computação
Língua portuguesa - Sintagma nominal
Processamento de linguagem natural (Computação)
Recuperação da informação
004
title_short Metodologia computacional para identificação de sintagmas nominais da língua portuguesa
title_full Metodologia computacional para identificação de sintagmas nominais da língua portuguesa
title_fullStr Metodologia computacional para identificação de sintagmas nominais da língua portuguesa
title_full_unstemmed Metodologia computacional para identificação de sintagmas nominais da língua portuguesa
title_sort Metodologia computacional para identificação de sintagmas nominais da língua portuguesa
author Morellato, Luana Vieira
author_facet Morellato, Luana Vieira
author_role author
dc.contributor.advisor1.fl_str_mv Freitas, Sérgio Antônio Andrade de
dc.contributor.author.fl_str_mv Morellato, Luana Vieira
dc.contributor.referee1.fl_str_mv Villavicencio, Aline
dc.contributor.referee2.fl_str_mv Garcia, Berilhes Borges
contributor_str_mv Freitas, Sérgio Antônio Andrade de
Villavicencio, Aline
Garcia, Berilhes Borges
dc.subject.cnpq.fl_str_mv Ciência da Computação
topic Ciência da Computação
Língua portuguesa - Sintagma nominal
Processamento de linguagem natural (Computação)
Recuperação da informação
004
dc.subject.br-rjbn.none.fl_str_mv Língua portuguesa - Sintagma nominal
Processamento de linguagem natural (Computação)
Recuperação da informação
dc.subject.udc.none.fl_str_mv 004
description In Portuguese language, syntagmas are units of meaning and with syntactic function in a phrase [Nicola, 2008]. Generally speaking, phrases that compose any enunciate express some content through their elements and these elements combinations that the language allows. Therefore, sets and subsets are made and they work as syntactic units in the bigger unit which is the phrase - the syntagmas, that can be separated in noun phrase and verb phrase. Among those, the noun phrases represent a bigger interest due to the biggest semantic value in it. Noun phrases are used in Natural Language Processing (NLP) tasks, such as resolving co-references (anaphora), automatic building of ontologies, in parsers used in medical texts to generate resumes and vocabulary building, or as an initial part in syntactic analyses processes. In Information Retrieval, noun phrases can be applied as atomic terms in indexing systems and documents search, delivering better results. This dissertation proposes a computational methodology to identify noun phrases in digital documents written in natural language. This research explains the adopted methodology to identify and to extract noun phrase through the development of SISNOP (Portuguese Noun Phrase Identifying System - SISNOP, in Portuguese). SISNOP is a system composed by a set of modules and programs, that is able to interpret any kind of text available in the natural language, using morphological and syntactic analyses, in order to recover noun phrases. Besides that, the system obtains syntactic information, as gender, number and degree of the words in the extracted noun phrases. The SISNOP tested, among other corpora, CETENFolha, composed by 24 million words, and CETEMPúblico, about 180 million words in European Portuguese and widely used in papers like of this study field. It was obtained 98,12% and 94,59% of sentences recognized by the system, getting up to 24 million identified noun phrases. The SISNOP modules: EM – Morphologic Tagger, ISN – Noun Phrases Identifier and IGNG – Gender, Number and Degree, were tested individually using a smaller set of data than the former one, because the results analyses were made manually. Noun phrase identifier module got 82,45% of precision and 69,20% of recall.
publishDate 2010
dc.date.issued.fl_str_mv 2010-01-08
dc.date.accessioned.fl_str_mv 2016-08-29T15:33:12Z
dc.date.available.fl_str_mv 2016-07-11
2016-08-29T15:33:12Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv MORELLATO, Luana Vieira. Metodologia computacional para identificação de sintagmas nominais da língua portuguesa. 2010. 113 f. Dissertação (Mestrado em Informática) - Universidade Federal do Espírito Santo, Centro Tecnológico, Vitória, 2010.
dc.identifier.uri.fl_str_mv http://repositorio.ufes.br/handle/10/4217
identifier_str_mv MORELLATO, Luana Vieira. Metodologia computacional para identificação de sintagmas nominais da língua portuguesa. 2010. 113 f. Dissertação (Mestrado em Informática) - Universidade Federal do Espírito Santo, Centro Tecnológico, Vitória, 2010.
url http://repositorio.ufes.br/handle/10/4217
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv Text
dc.publisher.none.fl_str_mv Universidade Federal do Espírito Santo
Mestrado em Informática
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Informática
dc.publisher.initials.fl_str_mv UFES
dc.publisher.country.fl_str_mv BR
dc.publisher.department.fl_str_mv Centro Tecnológico
publisher.none.fl_str_mv Universidade Federal do Espírito Santo
Mestrado em Informática
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
instname:Universidade Federal do Espírito Santo (UFES)
instacron:UFES
instname_str Universidade Federal do Espírito Santo (UFES)
instacron_str UFES
institution UFES
reponame_str Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
collection Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
bitstream.url.fl_str_mv http://repositorio.ufes.br/bitstreams/a57e5c14-a847-4680-a27f-1f492ecb3bbf/download
bitstream.checksum.fl_str_mv 6bd0535e50d6ecfd469372fbce27e1a1
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)
repository.mail.fl_str_mv
_version_ 1813022535160168448