• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Master's Dissertation
DOI
https://doi.org/10.11606/D.45.1999.tde-20210729-023423
Document
Author
Full name
Carlos Daniel Chacur Alves
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 1999
Supervisor
Title in Portuguese
Etiquetagem do português clássico baseada em Corpus
Keywords in Portuguese
Linguística Computacional
Abstract in Portuguese
A construção do Corpus Tycho Brahe do português histórico motivou a criação de ferramentas automáticas para a etiquetagem morfo-sintática de palavras de um texto. Para esse fim, selecionamos o método de etiquetagem de Brill por ser um dos que apresenta os melhores resultados na anotação do inglês e por ser um método de aprendizagem automática que representa o conhecimento explicitamente, sob a forma de regras claras e, portanto, de fácil compreensão. No entanto, mostramos teórica e experimentalmente que tal método não é apropriado para línguas com a riqueza morfológica do português, que requerem um grande número de etiquetas para codificação de tais informações. Para aumentar a eficiência do aprendizado das regras, propomos uma extensão ao método de Brill que impõe uma estrutura ao conjunto de etiquetas utilizado e adiciona uma fase de refinamento ao método original. Este refinamento pode ser feita de forma eficiente por não utilizar aprendizado. Apresentamos medidas e resultados obtidos com a versão atual do Corpus Tycho Brahe e discutimos os diversos problemas encontrados no desenvolvimento de nossa abordagem. Além disso, mostramos, através de uma série de experimentos, como um etiquetador morfo-sintático pode ser uma importante ferramenta para o estudo de uma língua
Title in English
not available
Abstract in English
The construction of the Tycho Brahe Corpus of historical portuguese motivated the development of automatic tools for part-of-speech tagging. For this purpose, the transformation-based error-driven learning method proposed by Eric Brill waschosen. This method was chosed due to its good results in tagging English texts and its use of an explicit representation of linguistic knowledge by means rules that are easy to understand. However, we have shown theoretically and experimentallythat this method is not appropriate for languages that are morphologically rich, like Portuguese, and therefore need a large number of tags to capture this richness. To avoid such a problem, we proposed an extension to Brill's method that addsan inner structure to the tags used for annotating the texts and introduces a new phase in the tagging process called refinement. We show that this refinement can be done efficiently without using any kind of automated learning technique. Wepresent the results obtained so far using the latest version of the corpus and discuss some problems that have arisen during the development of the new method. We also discuss how a part-of-speech tagger can be used as a power tool for studying a language
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2021-07-29
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2022. All rights reserved.