Radicalizador do português brasileiro baseado na Morfologia Distribuída

Abstract

A discussão teórica e empírica acerca do processamento morfológico tem sido relacionada às diferentes arquiteturas de processamento. Enquanto os modelos de Full Entry propõem o acesso lexical por meio da ativação da palavra inteira, os modelos de Full Parsing propõem o acesso lexical por meio da decomposição morfológica. Nesse sentido, radicalizadores (stemmers) são mecanismos úteis para análise morfológica porque permitem a conflação de palavras no léxico e a modelagem computacional do processamento morfológico, assim como das interfaces morfofonológica e morfossintática. Contudo, os radicalizadores atuais de Processamento de Linguagem Natural foram desenvolvidos desconsiderando os modelos teóricos de Morfologia ou da Linguística. Sendo assim, o objetivo do presente trabalho foi desenvolver um radicalizador do português brasileiro baseado na teoria linguística da Morfologia Distribuída. Os objetivos específicos foram i. apresentar o repertório de morfemas flexionais e derivacionais, ii. analisar os morfemas em termos de traços morfossintáticos e classes gramaticais, e, iii. modelar a decomposição de palavras polimorfêmicas. Nossos resultados apontam que um modelo decomposicional é capaz de processar as estruturas morfológicas do português brasileiro. Ainda, um modelo flexível com diferentes subestruturas para os casos de alomorfia poderia apresentar resultados mais eficazes para a derivação e a flexão irregular. Além da radicalização, nosso algoritmo apresenta algumas características específicas, tais como i. a ativação dos traços morfossintáticos, ii. a definição da classe gramatical derivacional e iii. especificação teórica baseado na teoria. Enfim, o algoritmo possui código aberto e acesso livre para utilização em diversas aplicações, estando disponível em https://lexicodoportugues.shinyapps.io/Stemmer/.