Projecto Natura

This page is read only. You can view the source, but not change it. Ask your administrator if you think this is wrong.
====== SPLN ======

==== Diário de Bordo - Aula 4 - 2016-03-07 ====

=== Sumário ===

 * Revisão do estado dos TPC
 * Analisador Morfológico
   * Uso básico de Jspell
   * Criação de scripts perl com recurso ao Jspell

Palavra:  
  * Categoria = {verbo,subjetivo,adjetivo...}
    * Substantivo -> género, número...
    * Verbo -> tempo...
    * Adjetivo -> grau, género...
    
Análise Morfológica: palavra -> análise*  
                     análise -> lema  
                                categoria

**Jspell**  
* Instalação do módulo:  

      cpan Lingua::Jspell  

* Instalar dicionário português:  

      jspell-installdic pt  

* Entrar no modo de fazer queries ao dicionário português (A flag `-d` serve para indicar o dicionário a ser utilizado):

      ujspell -d pt

* Exemplos de utilização:

      a
      >> *
      
      para
      >> * para 0 :lex(para, [CAT=prep], [], [], []), lex(parar, [CAT=v,T=inf,TR=_], [], [P=3,N=s,T=p], []), lex(parar, [CAT=v,T=inf,TR=_], [], [P=2,N=s,T=i], []), lex(parir, [CAT=v,T=inf,TR=_], [], [P=1,N=s,T=pc], []), lex(parir, [CAT=v,T=inf,TR=_], [], [P=3,N=s,T=pc], []), lex(parir, [CAT=v,T=inf,TR=_], [], [P=3,N=s,T=i], [])
      
      gere
      >> * gere 0 :lex(gerar, [CAT=v,T=inf,TR=t], [], [P=1_3,N=s,T=pc], []), lex(gerar, [CAT=v,T=inf,TR=t], [], [P=3,N=s,T=i], []), lex(gerir, [CAT=v,T=inf,TR=_], [], [P=3,N=s,T=p], []), lex(gerir, [CAT=v,T=inf,TR=_], [], [P=2,N=s,T=i], [])
      
      quatro
      >> * quatro 0 :lex(quatro, [CAT=card,N=p], [], [], [])


=== Scripting ===

Começamos por criar um exemplo básico do uso da biblioteca Jspell dentro do perl.

    $ cat jspell.pl


    #!/usr/bin/env perl
    
    use warnings;
    use strict;
    use Lingua::Jspell;
    use Data::Dumper;
    
    my $dic = Lingua::Jspell -> new("pt");
    
    my @analysis = $dic -> fea("era");
    
    use Data::Dumper;
    print Dumper(\@analysis);

Resultdo:

    $ perl jspell.pl

    $VAR1 = [
          {
            'rad' => 'era',
            'G' => 'f',
            'CAT' => 'nc',
            'N' => 's'
          },
          {
            'P' => '1',
            'TR' => '_',
            'rad' => 'ser',
            'T' => 'pi',
            'N' => 's',
            'CAT' => 'v'
          },
          {
            'CAT' => 'v',
            'N' => 's',
            'TR' => '_',
            'rad' => 'ser',
            'P' => '3',
            'T' => 'pi'
          }
        ];

Agora que já conseguimos dar uso à biblioteca, vamos agora usá-la para descobrir os radicais das palavras no dicionário português e contar a frequência de cada radical.

    $ cat jspell2.pl



Contagem de lemas...

    #!/usr/bin/env perl
    
    use warnings;
    use strict;
    
    use Lingua::Jspell;
    use Data::Dumper;
    
    use Memoize;
    memoize('radicais');
    
    my $dic = Lingua::Jspell -> new("pt");
    my (%oco, $c);
    
    while (<>) {
        next if /^</;
    
        while ( /\w+(-\w+)*/g ) {
            my $word = $&;
        
            my @rad = radicais($word);
            for my $rad (@rad) {
                $oco{$rad}++;
            }
        }
    }
    
    for my $rad (sort { $oco{$b} <=> $oco{$a}} keys %oco){
        print "$rad\t$oco{$rad}\n"
    }
    
    sub radicais {
        my $word = shift;
        return $dic -> rad($word);
    }

Resultado:

    $ perl jspell.pl | head
    
    o    121406  
    de   45603  
    do   44633  
    a    39908  
    que  24364  
    e    22731  
    um   17779  
    no   17707  
    ser  12245  
    em   11686