Acesso a corpos de português: Exemplos

Projecto AC/DC, Linguateca

Pretendemos, pois, apresentar aqui um conjunto de exemplos significativo das potencialidades e do modo de prosseguir quando se fazem procuras não triviais em corpos. Além disso, fazemos daqui mais um ponto de entrada para mais informação sobre o sistema de processamento de corpos que se lhes encontra subjacente, o IMS Open CWB.

• Dois tipos de consulta
• Exemplos simples e diversificados: uma primeira visão
• Exemplos de consultas por atributos morfológicos
• Procuras envolvendo verbos com ou sem clíticos
• Procuras envolvendo função sintáctica
• Mais exemplos diversificados
• Mais informação com exemplos do uso de IMS Open CWB existente na Web
• Informação mais técnica para utilizadores experimentados

• pedido de concordâncias: ou seja frases reais dos corpos que ilustram o fenómeno pretendido;
• pedido de distribuição: ou seja, as quantidades de um ou vários fenómenos no corpo todo.

• como apresentar a concordância (que só fazem sentido se interessados numa concordância), por exemplo definindo o contexto de apresentação set c 30, os atributos visíveis show +lema, ou a parte identificada a carregado expand
• qual a parte da expressão em cuja distribuição estamos interessados, usando a marca @ (mais uma vez só fazendo sentido para pedidos de distribuição)

Por isso, entremearemos os exemplos de procuras com a presente interface pedindo distribuição e concordância.

Exemplos simples e diversificados: uma primeira visão

• a forma casa do verbo CASAR [word="casa" & pos="V.*"]
• ocorrências do verbo DESEJAR [lema="desejar"]
• adjectivos seguidos de nomes no masculino plural [pos="ADJ" & gen="M" & pessnum="P"] [pos="N" & gen="M" & pessnum="P"]
• os objectos do verbo MATAR no máximo quatro palavras distantes [lema="matar"] []{0,3} [func="<ACC"]
• palavras identificadas como verbos pelo analisador através de heurísticas morfológicas [pos="V.*" & deriv="DER.*"]
• particípios passados de género feminino [temcagr="PCP" & gen="F"]
• formas do imperfeito do conjuntivo [temcagr="IMPF_SUBJ"]

Quer só tempos simples do passado?

Note-se que, se pedir a concordância, esta não lhe é apresentada por uma tal procura dar, em geral, um número excessivo de ocorrências. Experimente, por exemplo, restringi-la à terceira conjugação:

[lema=".*ir" & temcagr="(PS|IMPF).*"]
Resultado: Concordância

Quer só o pretérito perfeito?

Idem sobre número excessivo... Se quiser ver apenas as primeiras 100 ocorrências, peça:

[temcagr="PS.*"] cut 100;
Resultado: Concordância

Quer só o imperfeito do indicativo?

[lema="a.*" & temcagr="IMPF.*IND.*"];
Resultado: Distribuição das formas

Quer saber qual a distribuição do verbo gostar em termos de uso no perfeito ou no imperfeito do indicativo?

Quer saber que pessoas do verbo são mais empregues no imperfeito do indicativo (do indicativo ou do conjuntivo)?

Por exemplo, se não quiser os verbos com clíticos, o utilizador terá de especificar, em todas as suas procuras, que não haja um "+" no atributo morfológico (ou no lema)... Por exemplo, procuraria assim verbos iniciados por "des" no pretérito perfeito sem clíticos:

[lema="des[^+]+" & temcagr="PS_IND.*"]

Se, por outro lado, quiser saber qual a distribuição destes últimos (verbos no pretérito perfeito com enclíticos), terá de recorrer a

[temcagr="PS_.*\+.*"]
Resultado: Distribuição dos lemas

Procuras envolvendo função sintáctica

Quais os verbos mais comuns na forma progressiva?

Qual a distribuição dos sujeitos de parecer?

Qual a posição do adjectivo novo num sintagma nominal?

Qual a distribuição da categoria gramatical da forma cara?

Qual a distribuição da categoria gramatical do lema ser?

Qual a distribuição dos tempos do verbo ser?

Quais são os verbos mais frequentes da terceira conjugação no gerúndio?

Qual é a distribuição sintáctica do nome cara?

Quais são os sujeitos mais comuns de matar?

Quais os verbos mais comuns com clíticos?

Que adjectivos foram determinados heuristicamente, por não se encontrarem no dicionário do analisador?

Quais os verbos mais frequentes depois de depois de?

Qual a distribuição da palavra perguntar de acordo com o tipo de texto?

Qual a distribuição de palavras terminadas em inho de acordo com o autor do texto?

Qual a distribuição de grupos adjectivo nome adjectivo conforme o tipo de texto?

Com que é que a preposição com é usada, a 1 ou 2 palavras do fim da frase?

Em que casos a preposição em é usada dentro de um título?

Quais os três últimos elementos de uma enumeração de palavras simples

Este exemplo ilustra o uso de pontuação em procuras. O ponto (".") tem de ser precedido do caracter "\" de forma a significar ponto e não apenas um caracter qualquer.

Procurar um número qualquer de elementos delimitados por vírgula acabados por ponto

"," [] ("," [])* "\.";

Procurar uma sequência adjectivo nome adjectivo

Nesse caso são os lemas do primeiro adjectivo que aparecem. Se quisermos por exemplo os dos nomes, basta anteceder esta unidade do caracter @, ou seja:

[pos="ADJ.*"] @[pos="N(_.*)*"] [pos="ADJ.*"];.

Procura da mesma palavra com anotações diferentes na mesma frase

a:[pos!="P.*"] []* [word=a.word & pos=!a.pos] within s;

Esta potencialidade é já bastante avançada, e permite referenciar unidades por nomes de variáveis (neste caso, a) para referir a propriedades desta no resto da expressão de procura.

Procura de palavras relacionadas com imaginar

Se se quiser, além disso, ver a anotação, fazer

show +pos; "imagin.*"

Procura de formas do verbo imaginar

Procura de termos iniciados por relig ou secular

Procura de perguntas

Procura de objectos do tipo oração infinitiva

• Todas as ocorrências da construção fazer / mandar / deixar (em todas as formas) + infinitivo

• Apenas envolvendo enclíticos

• Quais os verbos objecto de "deixar"?

Para mais exemplos, veja-se o texto Usos de corpos, pensado como uma introdução ao estudos baseados em corpos em português.

Informação sobre o IMS Open CWB e sobretudo o CQP

• a leitura dos tutoriais
  • Evert, Stefan & the OCWB Development Team. The IMS Open Corpus Workbench (CWB) CQP Query Language Tutorial (CWB Version 3.0), 17 February 2010. pdf
  • Evert, Stefan & the OCWB Development Team. Corpus Encoding Tutorial (CWB Version 3.0), 5 January 2010. pdf
• a consulta do manual The IMS Corpus Workbench: Corpus Query Processor (CQP): User's manual, Christ, Oliver, Schulze, Bruno M., Hofmann, Anja, & Koenig, Esther, Institute for Natural Language Processing, University of Stuttgart, August 16, 1999 (CQP V2.2)
• a leitura de páginas variadas com exemplos de sintaxe em CQP (Note-se, contudo, que a maior parte dessas páginas descrevem projectos específicos com escolhas particulares que não reflectem necessariamente as escolhas (ou nomes de atributos) usados na presente interface; documentados na página de anotação Anotação do AC/DC).
  • http://www.tekstlab.uio.no/Bosnian/Corpus.html#queries
  • Ajuda à pesquisa, produzida pelo COMPARA
• a consulta dos artigos relativos ao português mencionados na página de Anotação
• as instruções sobre o uso do AC/DC numa cadeira de português com corpos: pdf

Informação para utilizadores experimentados

• De momento não é possível guardar resultados parciais, o que significa que é preciso mandar uma sequência de comandos numa única instrução de procura, se se pretender um resultado refinado.
• CQP é invocado com o parâmetro -F, o que quer dizer que não é possível mudar o corpo numa sequência de comandos.
• O tamanho máximo de corpo procurado com []* é de 100 unidades (o chamado limite inalterável, em inglês: "Hard Boundary"); este tamanho está fixo e não se pode alterar.
• Enquanto não for melhorada a interface HTML, é sempre possível ver a anotação dos corpos anotados, fazendo, por exemplo, show +pos.

[ Acesso | Anotação | Atomização | Corpos | Agradecimentos ]