文章基本信息

标题：Um mundo novo na Floresta Sintá(c)tica – o treebank do Português
其他标题：Um mundo novo na Floresta Sintá(c)tica – o treebank do Português
本地全文：下载
作者：Claudia Freitas ; Paulo Rocha ; Eckhard Bick 等
期刊名称：Calidoscópio
印刷版ISSN：2177-6202
出版年度：2008
卷号：6
期号：3
页码：142-148
DOI：10.4013/5256
出版社：Calidoscópio
摘要：A Floresta Sintá(c)tica tem como objetivo criar e disponibilizar um corpus sintaticamente anotado. Neste artigo, são apresentados dois novos materiais do projeto: Selva (300 mil palavras e parcialmente revisto) e Amazônia (3.8 milhões de palavras, não revisto). Para lidar com um material tão grande e variado foi construída a interface Milhafre. O artigo mostra, ainda, como vem sendo enfrentado o desafio de compatibilizar, de uma lado, o usuário lingüista, que pode ter um perfil muito heterogêneo e, em geral, pouca familiaridade determinadas formalizações mais utilizadas em informática e, de outro, um único modelo de anotação sintática, freqüentemente pouco conhecido do lado “lingüístico não-computacional” e uma interface de acesso e manipulação de corpora capaz de lidar com um objeto tão complexo como a língua. Palavras-chave: árvores sintáticas, corpus anotado, corpus revisto, busca em corpora.
其他摘要：Floresta Sintá(c)tica is a publicly available treebank for Portuguese, created as a collaboration project between Linguateca and the VISL project. It consists of Brazilian and European Portuguese texts automatically annotated by the parser PALAVRAS (Bick, 2000) and manually revised. In this paper, we present two new corpora, Selva (composed by literary, scientific and transcribed spoken texts, partially revised) and Amazonia , (a huge corpus of 3.8 million words, unrevised), and a user-friendly web based corpus tool, Milhafre. We also present how we manage to balance (a) our user, which can have different linguistic background, (b) the need for a grammar that is rich and complex enough in order to process real language (our corpora); and (c) the absence of a consensual syntactic model.
关键词：árvores sintáticas; corpus anotado; corpus revisto; busca em corpora.