\item Sistema {\transparent{.5} (“elementos que interagem para realizar objetivos”\footnote{STAIR, R. M.; REYNOLDS, G. W. \textbf{Princípios de Sistemas de Informação}. 9ª ed. São Paulo: Cengage Learning, 2011. ISBN: 978-85-221-0797-1. p. 7.})}
\item para processamento de {\transparent{.5} (o objetivo é processar \textit{algo})}
\begin{itemize}
\item corpora {\transparent{.5} (entrada do sistema)}
\end{itemize}
\end{itemize}
\end{frame}
\begin{frame}{Corpus}{plural: corpora}
\begin{itemize}
\item O que é?\\
Um conjunto de textos relevante para estudar um determinado grupo de pessoas ou um ramo do conhecimento\footnote{TAGNIN, S. E. \textbf{Glossário de linguística de corpus}. São Paulo: HUB Editorial, 2010. p. 358.}.
\item Uma aplicação?
\begin{itemize}
\item Compilação das palavras mais frequentes da língua inglesa em 1921;
\item Revolução no ensino de inglês enquanto língua estrangeira.
\end{itemize}
\item De qual área do conhecimento estamos falando?
\begin{itemize}
\item Processamento automático da linguagem natural;
\item Linguística de corpus.
\end{itemize}
\end{itemize}
\end{frame}
\begin{frame}
\begin{block}{Processamento automático da linguagem natural}
Tratamento computacional das estruturas da língua que se repetem.
\end{block}
\begin{block}{Linguística de corpus}
O estudo da língua a partir de seus usos em conjuntos de documentos que representam a área estudada.
\end{block}
\end{frame}
\begin{frame}{Processamento automático de corpora}
\begin{itemize}
\item É o que o WordSmith faz;
\item É o que o CorpusEye faz;
\item É o que o SketchEngine faz;
\item É o que o Unitex/Gramlab faz;
\item É o que o COCA Online Corpus faz;
\item É o que o sistema proposto pelo título fará:
\begin{itemize}
\item O que ele faz que os outros não fazem?
\end{itemize}
\end{itemize}
\begin{description}
\item[Público alvo:] pesquisadores linguistas, professores de letras, alunos de línguas ou tradutores que não programam.
\caption{Tabela comparativa resumida de softwares de Processamento de Linguagem Natural}
{\usebeamercolor[fg]{structure} Fonte:} O autor
\label{tab:compplnres}
\end{table}
\end{frame}
\section{Objetivos}
\subsection{Geral}
\begin{frame}{Objetivo geral}
\begin{block}{}
Desenvolver uma aplicação \textit{web} de código aberto para marcação e busca de partes do discurso em corpora, visando ampliar as funcionalidades em relação a \textit{softwares} similares existentes e com interface amigável ao usuário.
\end{block}
\end{frame}
\subsection{Específicos}
\begin{frame}{Objetivos específicos}
\begin{itemize}
\item Analisar comparativamente os recursos das ferramentas WordSmith, CorpusEye, COCA Online Corpus, Unitex/GramLab e Sketch Engine;
\item Desenvolver ou adaptar um módulo extrator de sentenças;
\item Desenvolver ou adaptar um módulo extrator de lista de palavras;
\item Desenvolver ou adaptar um módulo etiquetador de partes do discurso que atue sobre sentenças;
\item Desenvolver ou adaptar um módulo concordanciador que suporte busca por etiquetas;
\item Integrar os módulos desenvolvidos ou adptados numa aplicação web;
\item Disponibilizar uma ferramenta livre para uso educacional.
\end{itemize}
\end{frame}
\section{Desenvolvimento}
\subsection{Um \textit{overview} sobre os objetivos}
\item A tabela \ref{tab:compplnres} era uma versão resumida desta;
\item Gerou os objetivos subsequentes.
\end{itemize}
\end{frame}
\begin{frame}{Separador de sentenças}{Separador de frases}
\begin{description}
\item[O que faz:] Separa um texto em frases;
\item[Desafios:] Siglas, abreviações e abreviaturas; {\transparent{.5} (Sr., Sra., V.Exa.)}
\item[Implementação:] Adaptada do Unitex/Gramlab;
\end{description}
\end{frame}
\begin{frame}{Extrator de lista de palavras}
\begin{description}
\item[O que faz:] Identifica as palavras do texto e as classifica como simples ou composta, seu lema, e suas possíveis flexões;
\item[Implementação:] Adaptada do Unitex/Gramlab;
\end{description}
\end{frame}
\begin{frame}{Etiquetador de partes do discurso}
\begin{description}
\item[O que faz:] Atribui etiquetas de partes do discurso a cada palavra da sentença;
\item[Desafios:] Ambiguidades; {\transparent{.5} (“casa” é verbo ou substativo?)}
\item[Implementação:] Se o treinamento do Unitex/Gramlab obtiver precisão maior que 75\%, será utilizado o etiquetador deste; caso contrário, serão utilizados os etiquetadores treinados por Aires\footnote{AIRES, R. V. X. Implementaçao, adaptaçao, combinação e avaliação de etiquetadores para o português do Brasil. 154 p. Tese (Doutorado) — Universidade de São Paulo, São Carlos, 2000.}, priorizados por precisão.
\end{description}
\end{frame}
\begin{frame}{Concordanciador}
\begin{description}
\item[O que faz:] “extrai todas as ocorrências de uma palavra de busca num corpus juntamente
com seu cotexto [...]”\footnote{TAGNIN, S. E. \textbf{Glossário de linguística de corpus}. São Paulo: HUB Editorial, 2010. p. 358.};
\item[Implementação:] Própria.
\end{description}
\end{frame}
\begin{frame}{Tecnologias escolhidas}
\begin{itemize}
\item Django 1.11;
\item Bootstrap 4.0b1;
\item FontAwesome 4.7.0;
\end{itemize}
Na época que o projeto iniciou, estas eram as versões mais recentes.
\end{frame}
\subsection{Aprofundando nos objetivos}
\begin{frame}{Arquitetura modular}
\begin{itemize}
\item Eventos com tipo:
\begin{itemize}
\item Provedor;
\item Busca;
\item Filtro;
\item Ação.
\end{itemize}
\item Desacoplamento entre partes;
\item Módulos substituíveis;
\item Uma tela mostrando todas as ações disponíveis sobe um corpus.
\end{itemize}
\end{frame}
\begin{frame}{Concordanciador}
\begin{itemize}
\item Problemas a serem resolvidos:
\begin{itemize}
\item Distância entre o usuário e o manual ou referência;
\item Usabilidade.
\end{itemize}
\item Ações possíveis:
\begin{itemize}
\item Busca por etiqueta;
\item Busca por palavra exata ou partes desta;
\item Intervalo de fixo ou variável de palavras a ignoradas;
\item Combinação das anteriores.
\end{itemize}
\end{itemize}
\end{frame}
\begin{frame}{Treino do etiquetador}{1 de 3}
\begin{description}
\item[Corpus:] Floresta Sintática\footnote{LINGUATECA. Projecto Floresta Sinta(c)tica. 2010.}{\transparent{.5} (ordem de milhão de amostras)}
\item[Etiquetador:]\textit{Unitex/GramLab}
\vspace{1em}
\item[Problema:] Qual o significado das etiquetas de saída?
\begin{itemize}
\item Documentação incompleta;
\item Dos 5 artigos citados, apenas um era de acesso público e não trazia dados sobre o significado das etiquetas.
\end{itemize}
\vspace{1em}
\item[Problema:] O resultado obtido se compara a quê? O que seria um resultado ruim?
\end{description}
\end{frame}
\begin{frame}{Treino do etiquetador}{2 de 3}
Desenvolvido outro etiquetador, para ser o parâmetro de ruim:
\vspace{1em}
\begin{description}
\item[Corpus:] Floresta Sintática\footnote{LINGUATECA. Projecto Floresta Sinta(c)tica. 2010.}{\transparent{.5} (ordem de milhão de amostras)}
\item[Etiquetador:]\textit{YAS-Tagger}
\item[Funcionamento:] Tabela associativa de vizinhança para etiqueta;
\end{description}
\vspace{1em}
Resultados inesperados levaram à dúvida: “qual seria o impacto se o corpus fosse uma ordem de grandeza menor?”
\end{frame}
\begin{frame}{Treino do etiquetador}{3 de 3}
\begin{description}
\item[Corpus:] Aires\footnote{AIRES, R. V. X. Implementaçao, adaptaçao, combinação e avaliação de etiquetadores para o português do Brasil. 154 p. Tese (Doutorado) — Universidade de São Paulo, São Carlos, 2000.}{\transparent{.5} (ordem de centena de milhar de amostras)}
\caption[Prevalência de etiquetas do \textit{Unitex/GramLab}]{Prevalência das 15 etiquetas mais frequentes do conjunto de treino, teste e etiquetado pelo \textit{Unitex/GramLab}}
{\usebeamercolor[fg]{structure} Fonte:}{O autor}
\label{fig:t1:prev}
\end{center}
\end{figure}
\end{frame}
\begin{frame}{Floresta Sintática + YAS-Tagger}
\begin{itemize}
\item Precisão $\approx$ 76,93\%;
\item Precisão distribuída mais uniformemente por etiqueta;
\item A prevalência no conjunto de saída do etiquetador é sempre menor que a frequência no treino e teste;
\caption[Prevalência de etiquetas do \textit{YAS-Tagger}]{Prevalência das 15 etiquetas mais frequentes do conjunto de treino, teste e etiquetado pelo \textit{YAS-Tagger}}
{\usebeamercolor[fg]{structure} Fonte:}{O autor}
\label{fig:t2:prev}
\end{center}
\end{figure}
\end{frame}
\begin{frame}{Aires + YAS-Tagger}
\begin{itemize}
\item Precisão $\approx$ 53,40\% (queda de 23,56\%);
\item A etiqueta “???” agora representa 33,74\% da saída do etiquetador:
\caption[Prevalência de etiquetas do \textit{YAS-Tagger} sobre corpus de Aires]{Prevalência das 15 etiquetas mais frequentes do conjunto de treino, teste e etiquetado pelo \textit{YAS-Tagger} sobre o copus de Aires}
{\usebeamercolor[fg]{structure} Fonte:}{O autor}
\label{fig:t3:prev}
\end{center}
\end{figure}
\end{frame}
\begin{frame}
\begin{table}[h]
\begin{center}
\begin{tabular}{c|c}
\hline
Etiquetador & Precisão \\
\hline
\hline
MXPOST &$89,66\%$\\
\hline
Brill Tagger &$88,76\%$\\
\hline
Tree Tagger &$88,47\%$\\
\hline
YAS-Tagger &$76,93\%$\\
\hline
Unitex/GramLab &$60,76\%$\\
\hline
\end{tabular}
\end{center}
\caption[Comparação da precisão entre cinco etiquetadores]{Comparação da precisão entre os etiquetadores \textit{MXPOST}, \textit{Brill Tagger}, \textit{Tree Tagger}, \textit{YAS-Tagger} e \textit{Unitex/GramLab}}
{\usebeamercolor[fg]{structure} Fonte:} Aires\footnote{AIRES, R. V. X. Implementaçao, adaptaçao, combinação e avaliação de etiquetadores para o português do Brasil. 154 p. Tese (Doutorado) — Universidade de São Paulo, São Carlos, 2000. p. 82.} e o autor.
\caption{Listagem de documentos a partir dum clique na \aspas{seta para trás}}
{\usebeamercolor[fg]{structure} Fonte:}{O autor}
\label{fig:ss:btm}
\end{center}
\end{figure}
\end{frame}
\section{Conclusão}
\begin{frame}
\begin{itemize}
\item É possível conseguir uma ferramenta comparável às pagas apenas integrando softwares gratuitos existentes;
\item Este trabalho deixa uma fonte de inspiração para concordanciadores existentes e futuros uma para aumentar a usabilidade destes por usuários inexperientes;
\item Unitex/GramLab tem uma documentação incompleta que cobre apenas o uso da interface.
\end{itemize}
\end{frame}
\subsection{Trabalhos futuros}
\begin{frame}{Trabalhos futuros}
\begin{itemize}
\item Garantir que o sistema desenvolvido seja acessível por surdos;
\item Adicionar interoperabilidade do sistema desenvolvido com outros sistemas que usam este como execução remota de procedimento;
\item Adicionar elementos de rede social, de foma a ser possível compartilhar resultados entre pesquisadores;
\item Implementar todos os requisitos levantados, mas não concretizados neste trabalho;
\item Implementar pontuador automático para auxiliar pessoas com dislexia.