Fundamentos em processamento de linguagem naturaluma proposta para extração de bigramas

Resumo

É senso comum que o texto escrito é uma importante forma de registrar as informações e que atualmente grande parte desse conteúdo informacional está disponível em meio digital. Entretanto, de maneira geral, os computadores lidam com o texto como sendo uma cadeia de caracteres que não têm nenhum significado. A área de Processamento de Linguagem Natural (PLN) vem se empenhando em extrair significados do texto. Nesse sentido este trabalho apresenta uma revisão desse tema e propõe um método automatizado que utiliza uma heurística determinística denominada Heudet que visa extrair bigramas do texto. A meta é extrair o significado do texto através de um conjunto de expressões multipalavras identificadas. Os resultados obtidos foram melhores se comparados com aqueles que utilizam-se das técnicas de medidas de associação estatística obtidas pelo software Ngram Statistics Package (NSP).

Ficha do documento

Tipo

Artigo científico

Ano

2014

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Português

Acesso

Não informado

Identificador

oai:repositorio.fgv.br:10438/15027

Temas

TecnologiaDados

Palavras-chave

Medidas de associação estatísticasHeudetMultiword expression extractionMeasures of association statisticsExtração de expressões multipalavrasMatemáticaProcessamento da linguagem natural (Computação)