Acesso a corpos de português: Projecto AC/DC: corpo C-Oral-Brasil

O corpo foi criado simplesmente passando o material distribuído no CD-ROM em formato texto (extensão .txt) pelo conjunto de programas de processamento e anotação sintática e semântica do AC/DC.

As hesitações e repetições foram (por enquanto) removidas, e as pausas longas foram convertidas em ponto de fim de frase, e as pausas curtas em vírgula. Para tornar o texto mais parecido com as convenções gráficas do português escrito, a primeira letra de cada frase foi passada para maiúscula.

Estrutura do corpo O corpo está dividido em arquivos, marcados pelo atributo fich, contendo por sua vez falas, marcadas pelo atributo fala, com informação do nome ou identificação do falante . Além disso, sempre que começa um novo interveniente, está marcado através do atributo estrutural personagem. O corpo está além disso dividido em frases, s, obtidas através das pausas fornecidas pelos compiladores do C-ORAL-BRASIL. Versão do corpo Corpus CoralBrasil, anotado em 7 de julho de 2023, v. 7.1 Excerto do corpo <fich bfamcv01.txt> <fala "LEO"> <personagem> LEO </personagem> <s> O Juninho foi. </s> </fala> <fala "GIL"> <personagem> GIL </personagem> <s> Ô, mas, voltando à questão, falando em e também falando em povo mascarado, esse povo do Galáticos é muito palha, eu acho que es nu deviam mais participar, e tal. </s> </fala> <fala "LUI"> <personagem> LUI </personagem> <s> Não. </s> </fala> Dados quantitativos Corpo CORALBRASIL Número de formas Número de tipos Unidades 439519 14583 Total de palavras 267102 14433 Palavras em minúscula 167864 10314 Palavras com inicial maiúscula 30826 3250 Palavras todas em maiúsculas 19464 298 Números 1284 99 Palavras com números Palavras mistas 157 42 Pontuação 29553 10 Número de unidades estruturais Atributo Número p 0 s 30626 fala 19398 personagem 19395 mwe 2915 Contabilização de multipalavras Número de entidades Número de unidades Nomes próprios 21239 22484 Locuções 2915 6153 Palavras gráficas 267102 267102 Palavras simples 238465 238465 Palavras 262619 267102 Distribuição por categoria gramatical Categoria gramatical Expressão de procura Número de palavras Percentagem do corpo Substantivos N|N[^U].* 34954 14,66% Verbos V.* 47972 20,12% Adjectivos ADJ.* 9599 4,03% Pronomes pessoais .*PERS.* 13804 5,79% Preposições PRP.* 18876 7,92% Conjunções K.* 17087 7,17% Advérbios ADV.* 25257 10,59% Determinantes .*DET.* 26080 10,94% Especificadores .*SPEC.* 5906 2,48% Numerais NUM.* 4197 1,76% Para informação sobre como foram obtidos este valores, consulte esta página

[ Exemplos | Atomização | Anotação | Corpos | Agradecimentos ]