Lemmatizer to remove duplicates, plurals, capitalization variants? about openwordnet-pt

[arademaker]

Possivelmente usando https://github.com/rikarudo/LemPORT ou FreeLing?

[arademaker]

Outra estratégia seria usar

select ?ss ?lf ?t
{
  ?ss wn30:containsWordSense/wn30:word ?w ;
      rdf:type wn30:AdjectiveSynset .
  ?w wn30:lexicalForm ?lf .
  filter( regex(?lf,".*s$") && regex(str(?ss),"br") )
}

Se #36 for executada antes. Mas teriamos depois que voltar com os dados de RDF para a base da interface.

[arademaker]

Claudia tb sugeriu:

Mando em anexo uma lista de N ou ADJ cujo lema tem -s. Ou seja, buscamos os N | ADJ que estão codificados com -s e, se estiverem nessa lista, mantemos. Os que não estiverem, ficam sem o -s.
Para garantir, damos uma olhada no que deve ficar sem o -s.
Faz sentido?
A lista vem de uma busca no corpus CHAVE, que é jornalístico e metade PT, metade BR, com quase 100 milhões de palavras. Pedi N ou ADJ que tivessem lema terminando em -s, e dei uma limpada rápida na mão.

(nota alexandre: lista no tmp do workdir do projeto)

[arademaker]

neste momento, vários destes problemas já foram corridos manualmente pela interface através de sugestões.