• 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
 
 
Disertación de Maestría
DOI
https://doi.org/10.11606/D.45.1999.tde-20210729-023423
Documento
Autor
Nombre completo
Carlos Daniel Chacur Alves
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Paulo, 1999
Director
Título en portugués
Etiquetagem do português clássico baseada em Corpus
Palabras clave en portugués
Linguística Computacional
Resumen en portugués
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
Título en inglés
not available
Resumen en inglés
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
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Fecha de Publicación
2021-07-29
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2021. Todos los derechos reservados.