bigorna

Projecto Bigorna

Andre [email protected]

Dep. Informatica, UM

13 de Abril de 2010

Projecto Bigorna

conjunto de ferramentas para desafios de migracao ortografica

motivado pelo Acordo Ortografico de 1990

projecto para o Sapo Summerbits 2009

evoluiu para problemas genericos de migracoes de grafias

Andre Santos, MEI, UM

Jose Joao Almeida, DI, UM

Andre Santos, Jose Joao Almeida, Alberto Simoes Projecto Bigorna, Dep. Informatica, UMinho

Contexto - Acordo Ortografico de 1990

alteracoes ditadas pelo acordo nao podem ser determinadasautomaticamente porque se baseiam em criterios foneticos epor vezes podem ser ambıguas;

e importante manter uma Base de Conhecimento do AcordoOrtografico, uma tabela contendo lemas, alteracoes e regrasbaseada nas listas existentes;

Como determinar quais as palavras candidatas a integrar aBCAO?


Trabalho desenvolvido

recolher recursos ligados ao AO1990

criar um corrector ortografico para a actualizacao doPortugues

criar um conversor de textos para a nova versao

criar um classificador de textos

construir ferramentas capazes de inferir regras de mudanca apartir de bi-textos


Recursos

dicionarios, conversores, listas de palavras

lista do ILTEC, com cerca de 9000 entradas


Lista do ILTEC

PT :: BR :: OA1990 :: prefPT :: prefBR :: Comm

anciloide :: anciloide :: anciloide :: anciloide :: anciloide ::

anciroide :: anciroide :: anciroide :: anciroide :: anciroide ::

androginoide :: androginoide :: androginoide :: androginoide :: androginoide ::

androide :: androide :: androide :: androide :: androide ::

anecoico :: anecoico :: anecoico :: anecoico :: anecoico ::

anelectrico :: aneletrico, anelectrico :: aneletrico, anelectrico ::

aneletrico :: anelectrico,aneletrico :: anelectrico nPT


Actualizacao do dicionario

Ponto de partida: jspell (gerado na UM, propagado paraoutros dicionarios com o Chuveiro de Dicionarios)

actualizacao a partir da lista do ILTEC

Depois de expandidas as actualizacoes, foram obtidas 11500palavras


jspell

acalentar/#vt/XYPLD/coiote/#nm/p/laico/#a/fidp/zinco/#nm//


Ferramentas de conversao

dois conversores: pt2ptao e br2brao

usadas as regras de expansao do jspell e a lista do ILTEC


Conversao - Exemplo

$ pt2ptaoA adopc~ao do acordo implica a actualizac~ao de algumas ferramentas.A adoc~ao do acordo implica a atualizac~ao de algumas ferramentas.

$ br2braoEle fez um voo rasante sobre a areia.Ele fez um voo rasante sobre a areia.


Classificador

procura cada palavra de um texto em dicionarios PT-PT ePT-BR

no fim, considera-se que o texto pertence a linguagem quefizer mais matches


Classificacao - Exemplo

$ whichPT AmorPerd.ptPT AmorPerd.ptBRAmorPerd.ptPT ptAmorPerd.ptBR br


Comparacao lexica

ferramentas capazes de, atraves da analise de textos, construirprogramas para auxiliar em migracoes

script para detectar diferencas linguısticas entre duas versoesde um texto


lexdiff - Exemplo

$ lexdiff -s -ac AmorPerd.ptPT AmorPerd.ptBR | head32 academico => academico16 Vila Real => Vila-Real14 ideia => ideia12 redarguiu => redarguiu7 genio => genio6 cinquenta => cinquenta5 Antonio => Antonio4 reflectiu => refletiu4 projectos => projetos


lexdiff - Exemplo

$ lexdiff -s -ac AmorPerd.ptPT AmorPerd.ptBR | head36 et => ect34 dem => dem18 dei => dei17 gui => gui15 que => que11 gen => gen9 mon => mon8 at => act7 qui => qui7 ec => ecc


Projecto Bigorna

Andre [email protected]

Dep. Informatica, UM

13 de Abril de 2010

bigorna

Technology