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

Natura/Minho : AC/DC : Linguateca
O corpus Natura/Minho é um corpus jornalístico contendo texto do jornal regional português Diário do Minho, criado no âmbito do projecto Natura. O corpus (correspondente à versão 3 diariodoMinho.3.cor) contém notícias completas, separadas em edições e marcadas pela data. No texto encontravam-se assinalados, numa codificação de tipo XML, títulos, assinaturas e legendas, além de conter marcação (markup) de parágrafos e de formatação, esta última retirada do corpus final.

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 1 de agosto de 2022, v. 9.4

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 formasNúmero de tipos
Unidades 220354769748
Total de palavras 174746168143
Palavras em minúscula 128381238882
Palavras com inicial maiúscula24973017403
Palavras todas em maiúsculas 156842146
Números 223751206
Palavras com números2978448
Palavras mistas991496
Pontuação1201271580

Número de unidades estruturais

Atributo Número
p 56923
s 70240
assinatura 542
legenda 782
t 7668
art 5116
marca 0
mwe 27013

Contabilização de multipalavras

Número de entidades Número de unidades
Nomes próprios 105806 219720
Locuções 27013 57544
Palavras gráficas 1747461 1747461
Palavras simples 1470197 1470197
Palavras 1603016 1747461

Distribuição por categoria gramatical

Categoria gramaticalExpressão de procura Número de palavrasPercentagem do corpo
Substantivos N|N[^U].* 372022 25,30%
Verbos V.* 207923 14,14%
Adjectivos ADJ.* 100664 6,85%
Pronomes pessoais .*PERS.* 19549 1,33%
Preposições PRP.* 320577 21,81%
Conjunções K.* 68998 4,69%
Advérbios ADV.* 65817 4,48%
Determinantes .*DET.* 313498 21,32%
Especificadores .*SPEC.* 28578 1,94%
Numerais NUM.* 44668 3,04%

Para informação sobre como foram obtidos este valores, consulte esta página

[ Exemplos | Atomização | Anotação | Corpos | Agradecimentos ]


Última atualização: 06 de Agosto de 2022
Perguntas, comentários e sugestões