Acesso a corpos de português: Projecto AC/DC: corpo Natura/Minho

Segundo o projecto Natura, o corpus original é assim descrito:
Uma série de edições do Diário do Minho. Não aparecem neste corpus os textos de desporto e alguns de publicidade por dificuldades com os formatos. Todos os outros textos aparecem completos. Os artigos aqui apresentados contêm algumas gralhas (correspondem à versão antes da revisão de provas).

Tentámos retirar artigos que continham apenas publicidade, resolução de palavras cruzadas ou de desafios de futebol, assim como evitar artigos repetidos.

Estrutura do corpo A partir da versão 2.0, introduzimos a anotação marca para sinalizar (conjuntos de) asteriscos que indicam notas de rodapé. A partir da versão 3.0, introduzimos a anotação li para assinalar listas. Marcadores estruturais: p, s, assinatura, legenda, subtitulo, titulo, art, marca e li. Versão do corpo Corpus Natura/Minho (de 9 de Março de 2001), versão texto criada em Abril de 2002, anotado a 6 de julho de 2024, v. 11.1 Excerto do corpo <art id="fevereiro/1999/02/01"> <titulo> Fevereiro mexe nos telefones </titulo> <p par=117> <s> A partir de hoje cada impulso do serviço fixo telefónico custará 9,2 escudos , sendo o custo da instalação de 14.400 escudos e 2.100 escudos a assinatura , acrescendo a activação ( 9,2 escudos ) , que no caso das chamadas internacionais é de 18,4 escudos . </s> </p> <p par=118> <s> Cenário mais penalizador é o dos postos públicos , onde , se a cabine for de moedas , o impulso ficará nos 12,8 escudos , ou seja , por uma chamada o utilizador pagará , à partida , 25,6 escudos . </s> </p> ... Dados quantitativos Corpo NATMINHO Número de formas Número de tipos Unidades 2255442 69861 Total de palavras 1800223 68325 Palavras em minúscula 1284145 39047 Palavras com inicial maiúscula 249489 17475 Palavras todas em maiúsculas 15596 2143 Números 22452 1206 Palavras com números 2941 415 Palavras mistas 970 486 Pontuação 119437 1530 Número de unidades estruturais Atributo Número p 56926 s 70246 assinatura 541 legenda 782 t 7666 art 5117 marca 0 mwe 27032 Contabilização de multipalavras Número de entidades Número de unidades Nomes próprios 103595 218855 Locuções 27032 57530 Palavras gráficas 1800223 1800223 Palavras simples 1523838 1523838 Palavras 1654465 1800223 Distribuição por categoria gramatical Categoria gramatical Expressão de procura Número de palavras Percentagem do corpo Substantivos N|N[^U].* 376185 24,69% Verbos V.* 208282 13,67% Adjectivos ADJ.* 99438 6,53% Pronomes pessoais .*PERS.* 19531 1,28% Preposições PRP.* 323136 21,21% Conjunções K.* 68920 4,52% Advérbios ADV.* 63896 4,19% Determinantes .*DET.* 313292 20,56% Especificadores .*SPEC.* 28517 1,87% Numerais NUM.* 42703 2,80% Para informação sobre como foram obtidos este valores, consulte esta página

[ Exemplos | Atomização | Anotação | Corpos | Agradecimentos ]