A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Corpora Comparáveis Belinda Maia FLUP. Citações de: EAGLES - Expert Advisory Group on Language Engineering Standards EAGLES - Expert Advisory Group on.

Apresentações semelhantes


Apresentação em tema: "Corpora Comparáveis Belinda Maia FLUP. Citações de: EAGLES - Expert Advisory Group on Language Engineering Standards EAGLES - Expert Advisory Group on."— Transcrição da apresentação:

1 Corpora Comparáveis Belinda Maia FLUP

2 Citações de: EAGLES - Expert Advisory Group on Language Engineering Standards EAGLES - Expert Advisory Group on Language Engineering Standards Guidelines – 1996 – at: Guidelines – 1996 – at: owse.html owse.html owse.html owse.html

3 Comparable corpora - definition A comparable corpus is one which selects similar texts in more than one language or variety. There is as yet no agreement on the nature of the similarity, because there are very few examples of comparable corpora. A comparable corpus is one which selects similar texts in more than one language or variety. There is as yet no agreement on the nature of the similarity, because there are very few examples of comparable corpora.

4 Comparable corpora - uses The possibilities of a comparable corpus are to compare different languages or varieties in similar circumstances of communication, but avoiding the inevitable distortion introduced by the translations of a parallel corpus. The possibilities of a comparable corpus are to compare different languages or varieties in similar circumstances of communication, but avoiding the inevitable distortion introduced by the translations of a parallel corpus.

5 Corpora Comparáveis (CC) Textos que reflectem as convenções da cultura subjacente Textos que reflectem as convenções da cultura subjacente Textos legais do sistema legal local Textos legais do sistema legal local Textos socialmente convencionados: participações de falecimentos, anúncios de casas ou empregos Textos socialmente convencionados: participações de falecimentos, anúncios de casas ou empregos Textos académicos / científicos – convenções diferentes em culturas e domínios diferentes Textos académicos / científicos – convenções diferentes em culturas e domínios diferentes

6 CC – Vantagens Disponibilidade de mais textos – e mais variedade Disponibilidade de mais textos – e mais variedade Versatilidade para investigação em: Versatilidade para investigação em: Análise do discursoAnálise do discurso PragmáticaPragmática Pesquisa de informaçãoPesquisa de informação Engenharia do conhecimentoEngenharia do conhecimento

7 O que torna textos/corpora COMPARÁVEIS?

8 EAGLES - quotes A comparable corpus is one which selects similar texts in more than one language or variety. A comparable corpus is one which selects similar texts in more than one language or variety. Similar – em mais do que uma língua Similar – em mais do que uma línguaE/OU Similar – em variedade Similar – em variedade... circunstâncias similares de communicação..

9 Similares em – Forma/conteúdo? Forma Forma Tamanho> num. de palavras, frases, parágrafosTamanho> num. de palavras, frases, parágrafos Tamanho dos textosTamanho dos textos Formato -.txt,.doc,.html,.xmlFormato -.txt,.doc,.html,.xml Conteúdo Conteúdo Linguagem geralLinguagem geral Domínios especializadosDomínios especializados

10 Similares em – Estrutura / Função? Estrutura Estrutura Textos formais e bem construídos – ex. Textos legaisTextos formais e bem construídos – ex. Textos legais Discurso informal – ex. Transcrições de conversasDiscurso informal – ex. Transcrições de conversas Função Função SocialSocial CulturalCultural

11 Similares - Registo? Registo Registo Field – situação, assunto, etcField – situação, assunto, etc Tenor – relações interpessoaisTenor – relações interpessoais ex. formal/informal, cortesia, etc ex. formal/informal, cortesia, etc ModoModo Falado: ex. diálogo formal / informal Falado: ex. diálogo formal / informal Escrito: ex. livro, artigo, manual de instruções Escrito: ex. livro, artigo, manual de instruções Multimedia: ex. Encarta, cinema, internet Multimedia: ex. Encarta, cinema, internet

12 Similar - Dialecto? Dialecto Dialecto Geográfico > ex. Áreas urbanas/rurais, países desenvolvidos / em desenvolvimentoGeográfico > ex. Áreas urbanas/rurais, países desenvolvidos / em desenvolvimento Temporal > ex. Período histórico, grupos etários diferentesTemporal > ex. Período histórico, grupos etários diferentes Social > ex. Classes sociais, níveis de educaçãoSocial > ex. Classes sociais, níveis de educação

13 Comparabilidade de Corpora Muito Grandes Corpora Muito Grandes são comparáveis se: Corpora Muito Grandes são comparáveis se: Similares em tamanhoSimilares em tamanho Construídos segundo os mesmos critérios > ex. quantidade e qualidade de tipos de textoConstruídos segundo os mesmos critérios > ex. quantidade e qualidade de tipos de texto Por exemplo? Por exemplo? British National CorpusBritish National Corpus Mannheimer CorpusMannheimer Corpus

14 Comparabilidade de corpora jornalísticos Corpora jornalísticos variam em: Corpora jornalísticos variam em: Tipo: qualidade/popular, conteúdo geral/especializadoTipo: qualidade/popular, conteúdo geral/especializado Data de publicação: o mesmo dia/mês/anoData de publicação: o mesmo dia/mês/ano Por exemplo?Por exemplo? CETEMPúblico – PortuguêsCETEMPúblico – Português Corpus da Reuter – InglêsCorpus da Reuter – Inglês

15 Comparabilidade em Corpora Literários Período: Período: Medieval, Século XVIII, Pós-guerraMedieval, Século XVIII, Pós-guerra Escola: Escola: Romantismo, Realismo, Pós- modernismoRomantismo, Realismo, Pós- modernismo Género (Genre): Género (Genre): Romance, ficção científica, teatro, poesiaRomance, ficção científica, teatro, poesia

16 Comparabilidade em corpora técnicos e científicos - forma Panfletos Panfletos Manuais Manuais Livros de ensino Livros de ensino Artigos e comunicações Artigos e comunicações Dissertações, teses Dissertações, teses

17 Comparabilidade em corpora técnicos e científicos - conteúdo Informação geral Informação geral Informação enciclopédica Informação enciclopédica Instruções Instruções Educação Educação Comunicação entre peritos Comunicação entre peritos

18 Construir CC – linguagem geral Começar? Começar? Corpora Muito Grandes comparáveis em 2 ou mais línguas >só a página da Comissão Europeia! Corpora Muito Grandes comparáveis em 2 ou mais línguas >só a página da Comissão Europeia! Corpora gerais, cuidadosamente seleccionados – ex. ICAME corpora (Brown, LOB etc) = possível mas limitado Corpora gerais, cuidadosamente seleccionados – ex. ICAME corpora (Brown, LOB etc) = possível mas limitado

19 Utilizar CC de linguagem geral Vantagens: Vantagens: Investigação comparativa a todos os níveisInvestigação comparativa a todos os níveis Úteis para investigação do léxico e das estruturas sintácticasÚteis para investigação do léxico e das estruturas sintácticas Desvantagens: Desvantagens: Dificuldades para análise mais cuidadosaDificuldades para análise mais cuidadosa Desnecessários para certos tipos de análiseDesnecessários para certos tipos de análise

20 Construir CC – Textos de jornais Fáceis de adquirir Fáceis de adquirir Grande variedade de temas Grande variedade de temas Comparáveis a vários níveis Comparáveis a vários níveis Possível arranjar versões diferentes da mesma notícia – concurrent corpora Possível arranjar versões diferentes da mesma notícia – concurrent corpora

21 Utilizar CC – Textos de jornais Comparação de tratamento de notícias: Comparação de tratamento de notícias: ex. ex. Política – campanhas eleitoriaisPolítica – campanhas eleitoriais Futebol durante a Taça MundialFutebol durante a Taça Mundial OU > estilos de jornalistas individuais OU > estilos de jornalistas individuais

22 Construir CC – linguagem geral + textos semelhantes Tipos de texto semelhante: ex. Entradas em enciclopédias, publicidade turística Tipos de texto semelhante: ex. Entradas em enciclopédias, publicidade turística Textos literários do mesmo autor, período, escola ou genre Textos literários do mesmo autor, período, escola ou genre Textos técnicos e científicos com uma forma ou função semelhante – ex. Livros de ensino Textos técnicos e científicos com uma forma ou função semelhante – ex. Livros de ensino

23 Utilizar CC – linguagem geral + textos semelhantes Pragmática Pragmática Análise do discurso Análise do discurso Análise de genre Análise de genre Análise sociolinguístico Análise sociolinguístico Análise cultural Análise cultural

24 Construir CC – domínios especializados Domínios especializados a níveis diferentes – ex. Domínios especializados a níveis diferentes – ex. Geografia > demografia da população > minorias étnicas...Geografia > demografia da população > minorias étnicas... Engenharia > engenharia mecânica > tribologia...Engenharia > engenharia mecânica > tribologia... Medicina > oncologia > cancro da mamaMedicina > oncologia > cancro da mama

25 Utilizar CC – domínios especializados Análise de genre Análise de genre Extracção de terminologia Extracção de terminologia Pesquisa de informação Pesquisa de informação Tecnologia de browsers Tecnologia de browsers Engenharia do conhecimento Engenharia do conhecimento

26 A construcção de CC - deve Estabelecer uma política geral em relação: Estabelecer uma política geral em relação: À forma – estrutura computacionalÀ forma – estrutura computacional Ao conteúdo dos sub-corporaAo conteúdo dos sub-corpora À possibilidade de partilhar os recursos com um público geral ou restritoÀ possibilidade de partilhar os recursos com um público geral ou restrito Especificar os objectivos para a construção dos sub-corpora Especificar os objectivos para a construção dos sub-corpora

27 A construção de CC - deve Respeitar os direitos de autor (copyright) Respeitar os direitos de autor (copyright) Lembrar factores contextuais e/ou exteriores ao texto Lembrar factores contextuais e/ou exteriores ao texto O estilo e particularidades do autor individualO estilo e particularidades do autor individual As convenções da escrita numa situação específica cultural/socialAs convenções da escrita numa situação específica cultural/social Efeito homogenizante da internacionalizaçãoEfeito homogenizante da internacionalização Eurospeak Eurospeak Anglicismos em terminologia científica e técnica Anglicismos em terminologia científica e técnica

28 CC - limitações Qualquer corpus pequeno é construído para um fim específico – ex. extracção de terminologia, análise de genre, estudo contrastivo de línguas Qualquer corpus pequeno é construído para um fim específico – ex. extracção de terminologia, análise de genre, estudo contrastivo de línguas Estes corpora têm um uso específico e um prazo de validade Estes corpora têm um uso específico e um prazo de validade

29 Corpógrafo - permite Construir CC em várias línguas Construir CC em várias línguas Analisar a linguagem dos textos com concordâncias, n-gramas, etc Analisar a linguagem dos textos com concordâncias, n-gramas, etc Extrair terminologia semi- automaticamente Extrair terminologia semi- automaticamente Criar bases de dados terminológicas Criar bases de dados terminológicas Extrair definições e relações semânticas semi-automaticamente Extrair definições e relações semânticas semi-automaticamente


Carregar ppt "Corpora Comparáveis Belinda Maia FLUP. Citações de: EAGLES - Expert Advisory Group on Language Engineering Standards EAGLES - Expert Advisory Group on."

Apresentações semelhantes


Anúncios Google