BrAgriNews: Um Corpus Temporal-Causal (Português-Brasileiro) para a Agricultura

Abstract

ResumoRecentemente tem havido um aumento no interesse, tanto no meio acadêmico quanto na indústria, em aplicações de aprendizagem de máquina e técnicas de inteligência artificial relacionadas com problemas agrícolas. Mineração de texto e técnicas relacionadas com o processamento da língua natural, raramente foram usadas para resolver problemas agrícolas, e muito menos para a língua portuguesa.É possível que um dos fatores que influenciam a escassez no uso técnicas de mineração de texto, para analisar textos em português e resolver problemas agrícolas, pode ser devidoà falta de um corpus anotado livremente disponível. Para colmatar a falta de um corpus agrícola em língua portuguesa, estamos liberando um recurso em português-brasileiro voltado para agricultura, descrito neste artigo. O corpus abrange um período parcialmente contínuo de tempo entre 1996 e 2016, consistindo de notícias em português-brasileiro que foram anotadas com o seguinte tipo de informação: causal, sentimento, entidades nomeadas que incluem expressões temporais. O corpus tem recursos adicionais como: treebank, listas de termos frequentes (sem stop-words): unigramas, bigramas e trigramas, bem como palavras ou frases que foram identificados por jornalistas como de domínio específico. Espera-se que a liberação do corpus estimule a adoção da mineração de texto na agricultura na comunidade de pesquisa lusófona. AbstractThere has been a recent sharp increase in interest in academia and industry in applying machine learning and artificial intelligence to agricultural problems. Text mining and related natural language processing techniques, have been rarely used to tackle agricultural problems, and at the time of writing there was a single project in the Portuguese language. It is 1. Palavras frequentes; 2.

ENAGRINEWS:An English News Dataset for Agriculture

“…The BrAgriNews [11] was the largest agriculture-speci∂c corpus that was discovered in the literature search, with around 36,000 documents which are exclusively related to agriculture. However, the documents are in Portuguese.…”

Chatbot as support to decision-making in the context of natural resource management

“…For this purpose, it was necessary to use a set of texts that contain aspects of natural resources in the Portuguese language. Thus, we use the corpus collected by [Drury et al 2017] during the experiments. This corpus contains about 97 thousand news about the agricultural area from 1997 to 2016.…”