This is an old revision of the document!

Propostas Dissertação 2010/2011

Análise, comparação e homogeneização de etiquetadores

Tema/Título: Análise, comparação e homogeneização de etiquetadores
Área Científica: I.2.7 Natural Language Processing / Text analysis
Proponentes: José João Almeida (+ Alberto Simões)
Local: DIUM / Projecto PER-FIDE
Descrição: Existem disponíveis vários etiquetadores morfo-sintácticos para várias línguas. Infelizmente não existem todas as línguas disponíveis para cada motor, e existem models da mesma língua para motores diferentes. Ora, no projecto Per-Fide, será necessária a etiquetação de 7 línguas (PT, ES, RU, FR, IT, DE, EN). Assim, propõe-se uma análise cuidada aos vários etiquetadores disponíveis (TNT, FreeLing, TreeTagger, entre outros), comparação das línguas disponíveis e da qualidade de etiquetação, e da construção de uma interface homogénea para todas estas ferramentas (interface e instalador).

Tema/Título: Extracção de Relacionamentos Semânticos sobre Dicionários
Área Científica: I.2.7 Natural Language Processing / Text analysis
Proponentes: José João Almeida (+ Alberto Simões)
Local: DIUM / Projecto P-Pal
Descrição: O Dicionário-Aberto é, neste momento, uma transcrição do Novo Diccionário da Língua Portuguesa de Cândido de Figueiredo de 1913. Em breve a sua grafia será modernizada e será aberto à comunidade, sendo transformado num Wiki. Ainda antes dessa operação pretende-se extrair conhecimento deste dicionário: relações semânticas entre palavras. Exemplos de relações semânticas são: nêspera =igual= magnório, gato <instância de< felino ou folha <faz parte de< livro. A extracção destas relações é realizada usando padrões, habitualmente designados por “Hearst's patterns”. Este projecto de mestrado inclui: o estudo destes padrões; a análise de trabalho similar (como o PAPEL); a adaptação destas regras para o Dicionário-Aberto; a extracção massiva de relações do Dicionário-Aberto; a construção de uma ontologia com base nestas relações;

Tema/Título: mkBookReport - Analisador e corrector de documentos textuais
Área Científica: I.2.7 Natural Language Processing / Text analysis
Proponentes: José João Almeida
Local: DIUM / Projecto PER-FIDE
Descrição: A conversão de formatos como PDF, DOC ou RTF para texto leva à perda de informação, e a introdução de lixo no documento final. Propõe-se a criação de uma ferramenta capaz de analisar o estado de um texto após a sua conversão, e que seja capaz, mediante um conjunto de opções, de proceder à limpeza do documento (e etiquetação num formato standard XML).