Floresta Sintá(c)tica

Programas da Floresta Sintá(c)tica

Usando o Milhafre

• A página do Milhafre (PHP)
• Os corpora compilados (ver abaixo)
• Os scripts CGI (Perl)
• O TGrep2, um programa de pesquisas em árvores sintácticas (Linux)

A localização exacta destes ficheiros pode variar conforme a configuração do sistema. A versão actual assume que ue a página PHP está localizada no directório /var/www/html/Floresta/milhafre/, e os restantes ficheiros no directório /var/www/cgi-bin/Floresta/. Caso tal não seja possível ou desejável, é necessário editar a página PHP para corrigir a ligação ao CGI existente nessa página.
Se for necessário acrescenter ou remover algum corpus da lista, quer a página PHP quer os scripts CGI devem ser editados: os próprios ficheiros indicam os locais onde devem ser editados para tal. Actualmente, o Milhafre corre num servidor com a codificação interna Latin-1, e usando o locale pt_PT. É igualmente possível executar o Milhafre num computador com a codificação interna UTF-8, mas deve-se ter em atenção que a codificação do ficheiro de texto do corpus deve ser coerente com a do servidor.

Como funciona o TGrep2

O Tgrep2 compila um corpus no formato PennTreebank, e permite efectuar buscas nesse corpus. O programa pode ser obtido no respectivo site. Para informações mais detalhadas, consultar o respectivo manual.

Os utilizadores que pretendam utilizar directamente o TGrep2 para interrogar os corpora, sem recurso ao Milhafre, podem descarregar os corpora já compilados, acessíveis a partir desta página.

Como funciona o Milhafre

O utilizador introduz as suas opções na página de busca; a partir dessas opções é gerado um comando no formato compreendido pelo TGrep2, que é passado ao CGI. O CGI por sua vez passa o comando ao TGrep2, lê os resultados e apresenta-os.

Compilando o Bosque

• copiam-se os corpora no formato .ad para FS/bosques
• cria-se o ficheiro no formato PennTreebank em FS/conv_pennTreebank/
  make cfol cpub
  
  zcat ../ficheiros/Bosque_CF_8.0.PennTreebank.ptb.gz ../ficheiros/Bosque_CP_8.0.PennTreebank.ptb.gz > bosque.penn

  compila-se o ficheiro

  ./tgrep2 -p bosque.penn bosque.tg

  testa-se o corpus compilado

  o comando ./tgrep2 -c bosque.tg "/FRASE/" | wc -l deve dar o número de frases esperado

  copia-se o corpus compilado para o mesmo directório onde são executados os CGIs.

Compilar a Selva / Floresta Virgem / Amazônia

O processo de compilação de qualquer corpus no formato .ad, não-revisto manualmente, é semelhante; no entanto, uma vez que não foram revistos manualmente, há um determinado número de frases (cerca de 15%, menos em versões mais recentes do PALAVRAS) que não são compiladas. Por isso, essas frases são removidas antes da compilação do corpus, e não são pesquisáveis.
O corpus é compilado em FS/conv_pennTreebank/ com os comandos