Estudo e desenvolvimento de métodos para detecção e correção automática de erros e inconsistências em corpora sintaticamente anotados

• Processo: 13/18090-6
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de janeiro de 2014
• Data de Término da vigência: 31 de julho de 2016
• Área de conhecimento: Interdisciplinar
• Pesquisador responsável: Charlotte Marie Chambelland Galves
• Beneficiário: Pablo Picasso Feliciano de Faria
• Instituição Sede: Instituto de Estudos da Linguagem (IEL). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 12/06078-9 - A língua portuguesa no tempo e no espaço: contato linguístico, gramáticas em competição e mudança paramétrica, AP.TEM
• Bolsa(s) vinculada(s): 14/17172-1 - Estudo e aplicação de formalismos gramaticais explícitos na detecção de inconsistências em treebanks, BE.EP.PD
• Assunto(s): Aprendizado computacional Controle da qualidade Linguística computacional
• Palavra(s)-Chave do Pesquisador: Aprendizagem de Maquina | controle de qualidade | Corpus sintaticamente anotado | correção automática | detecção de anomalia | Gramática de Adjunção de Ávore | Linguística Computacional

Resumo

Este projeto tem como objetivo central o estudo - para aplicação e avanço no desenvolvimento - de métodos computacionais utilizados para a detecção e correção automática de erros e inconsistências em corpora sintaticamente anotados (treebanks), tais como o algoritmo proposto por Kato & Matsubara (2010), baseado na Gramática Síncrona de Substituição de Árvore (Shieber & Schabes, 1990). Vinculada ao Projeto Temático "A língua portuguesa no tempo e no espaço: contato linguístico, gramáticas em competição e mudança paramétrica" (FAPESP 12/06078-9), esta pesquisa vem se somar aos esforços da frente de trabalho para ampliação e consolidação do Corpus Tycho Brahe (CTB), na medida em que o estudo será feito e aplicado sobre o corpus. Como resultado da pesquisa, espera-se (i) o desenvolvimento de um método de detecção e correção automática de inconsistências com resultados melhores que os propostos até o momento; (ii) a inclusão do método como parte do processo de anotação sintática e sua aplicação ao CTB para disponibilização de uma versão revisada do corpus (em sua extensão atual); e, finalmente, (iii) com base na análise dos principais tipos de erros recorrentes detectados pelo método, a atualização das orientações de anotação sintática para melhor preparação da equipe de revisores.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

FARIA, PABLO; NEW YORK ACAD SCI. Using Dominance Chains to Detect Annotation Variants in Parsed Corpora. 2014 IEEE 10TH INTERNATIONAL CONFERENCE ON E-SCIENCE (E-SCIENCE), VOL 1, v. N/A, p. 8-pg., 2014-01-01. (13/18090-6)