README

#
# FreeLing: Português Europeu
#
# Pablo Gamallo Otero <pablo.gamallo@usc.es>
# Marcos Garcia González <marcos.garcia.gonzalez@usc.es>
# Grupo ProLNat
# Departamento de Língua Espanhola
# Universidade de Santiago de Compostela
# http://gramatica.usc.es/pln
#
# Isaac González López <isaacjgonzalez@cilenis.com>
# Iria Gayo <iriagayo@cilenis.com>
# Cilenis Language Technology
# http://www.cilenis.com
#

Adaptação e avaliação:
Garcia, Marcos and Pablo Gamallo, 2010. Análise Morfossintáctica para Português
Europeu e Galego: Problemas, Soluções e Avaliação. Linguamática, 2(2), p. 59-67.

http://linguamatica.com/index.php/linguamatica/article/download/56/87


Corpus de treino utilizado (PoS-tagger e NER bio):
-Bosque 8.0 da Linguateca (http://www.linguateca.pt/Floresta/corpus.html#bosque):
 parte da Floresta Sintá(c)tica etiquetada manualmente.
-Aprox. 9.300 frases e 138.000 tokens.
-Adaptado para o formato requerido pelo Freeling.
-Mudanças para adaptá-lo ao dicionário (lemas e categorias) e correcções.

Corpus de treino utilizado (NEC):
-Bosque 8.0 da Linguateca.
-Dois corpora (Wikipedia e Europarl) de 30.000 tokens cada um.


Dicionário utilizado:
-Label-Lex (SW) do Label (http://label.ist.utl.pt/pt/downloads_pt.php): léxico de palavras simples.
-Aprox. 900.000 tokens gerados a partir de 120000 lemas.
-Adaptado para o formato requerido pelo Freeling.
-Mudanças para adaptá-lo ao corpus e modificações de alguns lemas e/ou categorias.


Propriedades:
-Tagset: adaptação do Parole.
-Enquanto os verbos com pronomes mesoclíticos são lematizados com a forma normal do verbo:
 comê-lo-ão > comerão + o, com pronome clítico são lematizados pelo alomorfe: fazê-lo > fazê (VMN) + o.
-Locuções extraídas automaticamente do corpus.
-O dicionário não contém palavras compostas (com traço), nem expressões multipalavra (só as extraídas automaticamente em locucions.dat).