Revista de Estudos da Linguagem

589-597

Authors: Ariel Novodvorski; Guilherme Fromm

Este número da Revista de Estudos da Linguagem (RELIN) está voltado para a metodologia e a abordagem baseadas em corpora, e leva até o leitor textos oriundos de trabalhos advindos do XII Encontro de Linguística de Corpus (ELC) e da VII Escola Brasileira de Linguística Computacional (EBRALC). Os eventos foram realizados nas dependências do Instituto de Letras e Linguística (ILEEL) da Universidade Federal de Uberlândia (UFU), Minas Gerais, em novembro de 2014. Esses eventos contaram com o patrocínio da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – CAPES –, da Fundação de Amparo à Pesquisa do Estado de Minas Gerais – FAPEMIG – e do Programa de Pós-Graduação em Estudos Linguísticos – PPGEL/ILEEL/UFU.

641-680

Authors: Cláudia Freitas; Diana Santos; Cristina Mota; Bruno Carriço; Heidi Jansen

Resumo: Apresentamos aqui os resultados iniciais de um amplo estudo sobre o léxico do corpo humano e os seus sentidos, realizado por meio da anotação e revisão de corpora de grandes dimensões. Ao longo do artigo explicitamos as decisões linguísticas subjacentes à anotação, relatamos o resultado de um estudo sobre as classes de anotação e exploramos o vasto material criado: um corpus de entrevistas (1,4 milhão de palavras) e um corpus literário (1,2 milhão de palavras) anotados e integralmente revistos, e demais corpora do projeto, parcialmente revistos. Todo o material está publicamente disponível para a comunidade. Palavras-chave: corpo humano; léxico; anotação semântica; corpus; descrição do português. Abstract: This paper presents the first results of a broad study regarding the lexicon of the human body. The study was based on the annotation of large corpora of Portuguese language. We explain the linguistic annotation choices, present the results of an agreement study and explore the material made available: a corpus of interviews (1.4 million words) and a literary corpus (1.2 million words) full annotated and revised, and the remained corpora partially revised. The whole material is publicly available. Keywords: Human Body; Lexicon; Sense Annotation; Corpus Linguistics; Portuguese.

695-726

Authors: Arnaldo Candido Junior; Célia Magalhães; Helena Caseli; Régis Zangirolami

Abstract: This article aims to evaluate the application of two efficient automatic methods for keyword extraction used by Corpus Linguistics and Natural Language Processing communities for generating keywords from literary texts: WordSmith Tools and Latent Dirichlet Allocation (LDA). These tools have their own specificities and are based on different extraction techniques; thus an analysis focused on their performance was required. This article aims to understand how each method works and to evaluate them when applied to extract keywords from literary works. To this end, we used human analysis, with knowledge of the field of the texts used. The LDA method was used for extracting keywords through its integration with Portal Min@s: Corpora de Fala e Escrita, a general corpora-processing system, designed for different research in corpus linguistics. The experiment outcomes confirm the effectiveness of WordSmith Tools and LDA in extracting keywords from literary corpus. They also show that human analysis of the lists is required at a stage prior to experiments to complement the automatically generated list, crossing WordSmith Tools and LDA results, and that the linguistic intuition of a human analyst about the lists generated separately by the two methods in this study was more favorable to the use of the WordSmith Tools keyword list. Keywords: Keyword Extraction, Natural Language Processing, Corpus Analysis, WordSmith Tools, Latent Dirichlet Allocation, Portal Min@s. Resumo: Este artigo tem o objetivo da avaliar a aplicação de dois métodos automáticos eficientes na extração de palavras-chave, usados pelas comunidades da Linguística de Corpus e do Processamento da Língua Natural para gerar palavras-chave de textos literários: o WordSmith Tools e o Latent Dirichlet Allocation (LDA). As duas ferramentas escolhidas para este trabalho têm suas especificidades e técnicas diferentes de extração, o que nos levou a uma análise orientada para a sua performance. Objetivamos entender, então, como cada método funciona e avaliar sua aplicação em textos literários. Para esse fim, usamos análise humana, com conhecimento do campo dos textos usados. O método LDA foi usado para extrair palavras-chave por meio de sua integração com o Portal Min@s: Corpora de Fala e Escrita, um sistema geral de processamento de corpora, concebido para diferentes pesquisas de Linguística de Corpus. Os resultados do experimento confirmam a eficácia do WordSmith Tools e do LDA na extração de palavras-chave de um corpus literário, além de apontar que é necessária a análise humana das listas em um estágio anterior aos experimentos para complementar a lista gerada automaticamente, cruzando os resultados do WordSmith Tools e do LDA. Também indicam que a intuição linguística do analista humano sobre as listas geradas separadamente pelos dois métodos usados neste estudo foi mais favorável ao uso da lista de palavras-chave do WordSmith Tools. Palavras-chave: extração de palavras-chave; processamento natural da linguagem; análise de corpus; WordSmith Tools; Latent Dirichlet Allocation; Portal Min@s.

769-796

Authors: Rove Luiza de Oliveira Chishman; Aline Nardes dos Santos; Diego Spader de Souza; João Gabriel Padilha

Resumo: O objetivo deste trabalho é apresentar o papel do concordanceador Sketch Engine no desenvolvimento do Field – Dicionário de Expressões do Futebol, um recurso lexicográfico trilíngue baseado na noção de Frame Semântico e em corpora linguísticos. Aqui são apresentadas algumas considerações concernentes não apenas aos recursos disponíveis na ferramenta mas também às análises realizadas por meio desse programa. Na segunda seção, a Semântica de Frames, teoria proposta por Fillmore (1982, 1985), é apresentada, bem como suas aplicações lexicográficas; na terceira seção, o potencial metodológico da Linguística de Corpus é apresentado por meio de alguns de seus princípios basilares, além de se descreverem algumas características dos corpora de estudo do projeto. O quarto segmento descreve os procedimentos de análise, visando a identificar (i) as unidades polissêmicas e (ii) as colocações provenientes do corpus, por meio do Sketch Engine. Os resultados evidenciam que o programa permite aos usuários visualizar detalhadamente toda a produtividade da língua, principalmente por meio do recurso Word Sketch. Palavras-chave: futebol; Semântica de Frames; Linguística de Corpus. Abstract: This paper aims at presenting the role of the Sketch Engine concordancer in the development of Field – Football Expressions Dictionary, a trilingual lexicographic resource based on the notion of frame and on linguistic corpora. Here, some considerations are presented concerning not only the resources available in the software, but also the analyses conducted through it. In the second section, Frame Semantics, a theory developed by Fillmore (1982, 1985) and its lexicographic applications are presented; in the third section, the Corpus Linguistics methodological potential is introduced by approaching some of its main principles, and some features of the study corpus. The fourth section describes the analyses procedures to identify (i) polysemic words and (ii) collocations in our corpus, through Sketch Engine. The results indicate that the software can be used for various lexicography-related purposes, once it enables users not only to visualize in detail the entire productivity of language, especially through the Word Sketch option, but also to define the lexicography policy supported by corpus evidence. Keywords: Football; Frame Semantics; Corpus Linguistics.

833-881

Authors: Adriane Orenha-Ottaiano

Resumo: Esta pesquisa defende que a seleção de colocações para o ensino de língua estrangeira deve ser inicialmente realizada com o propósito de atender aprendizes de uma L1 específica e, desse modo, sustenta que materiais de ensino devam ser elaborados a começar por uma seleção cuidadosa de colocações que retratem as dificuldades específicas desses aprendizes (MACKIN, 1978). Nesse sentido, este artigo visa tratar da compilação de um workbook on-line de colocações na língua inglesa, baseado em corpus, no intuito de permitir que professores de inglês como LE trabalhem com as colocações em sala de aula de modo mais eficiente e auxiliem seus alunos a empregá-las de modo mais preciso e produtivo. Temos também como público-alvo tradutores aprendizes e profissionais, principalmente aqueles cuja L1 é o português. As atividades estão sendo desenvolvidas com base nas dificuldades dos alunos brasileiros no uso de colocações, segundo dados observados em traduções produzidas por alunos universitários, na direção português-inglês, que compõem um corpus paralelo, o Corpus de Aprendizes de Tradução, bem como de redações, escritas por alunos universitários, que compõem o Corpus de Aprendizes de Língua Estrangeira. Para extrair os dados, utilizamos o programa WordSmith Tools (SCOTT, 2008), possibilitando-nos levantar os padrões colocacionais mais frequentemente empregados pelos alunos. O Corpus of Contemporary American English (DAVIES, 1990-2012) também é utilizado, para verificar a frequência e recorrência dos padrões colocacionais extraídos, assim como levantar outras colocações para serem incluídas nos exercícios que irão compor o workbook. A proposta objetiva contribuir para a conscientização do aspecto colocacional e, principalmente, o desenvolvimento da fluência na língua inglesa. Palavras-chave: workbook; colocações; corpus; material pedagógico; ensino de colocações. Abstract: This study argues that the selection of collocations should be geared to targeting L2 learners of a particular L1 background and thus teaching material should be designed with a careful selection of collocations focusing on their specific difficulties (MACKIN, 1978). Bearing that in mind, this article aims at discussing the compilation of an online corpus-based collocational workbook, in order to allow English as a foreign language teachers to work with the collocations in the classroom more effectively and help learners use them more accurately and productively. Our public audience is also learner and professional translators, mainly the ones whose L1 is Portuguese. The activities are being developed based on the difficulties the Brazilian learners had regarding the use of collocations, raised from the translations carried out by university students in the Portuguese-English direction, which comprise a Translation Learner Corpus, as well as essays also written by university students which constitute a Learner Corpus. For extracting the data, the computing program WordSmith Tools (SCOTT, 2008) is used, enabling us to raise the most frequent collocational patterns employed by the learners. We also check frequency and recurrence of collocational patterns extracted as well as raise more collocations to be included in the workbook on The Corpus of Contemporary American English (DAVIES, 1990-2012). The proposal of designing an online workbook has the objective of contributing to Brazilian students’ awareness of collocational aspects and mainly to the improvement of fluency in English. Keywords: Workbook; Collocations Corpus; Pedagogical Material; Teaching Collocations.