Please use this identifier to cite or link to this item: https://repositorio.mcti.gov.br/handle/mctic/3720
metadata.producao.dc.title: Criação de um ambiente para o processamento de córpus de Português Histórico
metadata.producao.dc.contributor.author: Candido Junior, Arnaldo
metadata.producao.dc.contributor.authorLattes: http://lattes.cnpq.br/8769928331729891
metadata.producao.dc.contributor.advisor: Aluísio, Sandra Maria
metadata.producao.dc.contributor.advisorLattes: http://lattes.cnpq.br/4793072701914550
metadata.producao.dc.date.issued: Feb-2008
metadata.producao.dc.type: Dissertação
metadata.producao.dc.description.resumo: A utilização de córpus tem crescido progressivamente em áreas como Linguística e Processamento de Língua Natural. Como resultado, temos a compilação de novos e grandes córpus e a criação de sistemas processadores de córpus e de padrões para codificação e intercâmbio de textos eletrônicos. Entretanto, a metodologia para compilação de córpus históricos difere das metodologias usadas em córpus contemporâneos. Outro problema é o fato de a maior parte dos processadores de córpus proverem poucos recursos para o tratamento de córpus históricos, apesar de tais córpus serem numerosos. Da mesma forma, os sistemas para criação de dicionários não atendem satisfatoriamente necessidades de dicionários históricos. A motivação desta pesquisa é o projeto do Dicionário Histórico do Português do Brasil (DHPB) que tem como base a construção de um córpus de Português do Brasil dos séculos XVI a XVIII (incluindo alguns textos do começo do século XIX). Neste trabalho são apresentados os desafios encontrados para o processamento do córpus do projeto DHPB e os requisitos para redação de verbetes do dicionário histórico. Um ambiente computacional para processamento de córpus, criação de glossários e redação de verbetes foi desenvolvido para o projeto DHPB, sendo possível adaptá-lo para ser aplicado a outros projetos de criação de dicionários históricos.
metadata.producao.dc.description.abstract: Corpora have been increasingly used within the areas of Linguistics and Natural Language Processing. As a result, new and larger corpora have been compiled and processing systems and standards for encoding and interchange of electronic texts have been developed. However, when it comes to compilation of historical corpora, the methodology is different from the ones used to compile corpora of contemporary language. Another drawback is the fact that most corpus processing systems provide few resources for the treatment of historical corpora, although there are numerous corpora of this type. Similarly, the systems for dictionary creation do not satisfactorily meet the needs of historical dictionaries. The present study is part of a larger project the Historical Dictionary of Brazilian Portuguese (HDBP) – which aims to compile a dictionary on the basis of a corpus of Brazilian Portuguese texts from the sixteenth through the eighteenth centuries (including some texts from early nineteenth century). Here, we present the challenges for processing the corpus of the HDPB project and establish the criteria for creating the entries of a historical dictionary. This study has developed a computational environment for processing the corpus, building glossaries as well as for creating the entries of the HDPB. This system can be easily adapted to the needs and scope of other historical dictionary projects.
metadata.producao.dc.language: pt_BR
metadata.producao.dc.publisher: Universidade de São Paulo - USP
metadata.producao.dc.publisher.program: Serviço de Pós-Graduação do Instituto de Ciências Matemáticas e de Computação
metadata.producao.dc.subject: Assunto::Tecnologia da informação e da comunicação – TIC
metadata.producao.dc.rights.access: Acesso Aberto
metadata.producao.dc.identifier.uri: https://repositorio.mctic.gov.br/handle/mctic/3720
Appears in Collections:Produção científica dos servidores

Files in This Item:
File Description SizeFormat 
2008_arnaldo_junior_dissertacao.pdf2.45 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.