A análise de dependências sintáticas é uma técnica de processamento de linguagem natural que representa a estrutura gramatical de uma frase como dependências entre palavras. Cada palavra está ligada a uma palavra principal, por exemplo o sujeito e o objeto ao verbo: em "O cliente encomenda dois candeeiros", "cliente" e "candeeiros" dependem de "encomenda". Isto ajuda na extração de informação, por exemplo para identificar quem fez o quê.
Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.
Iniciar demonstraçãoA etiquetagem de classes gramaticais atribui automaticamente a cada palavra de uma frase a sua categoria gramatical, como substantivo, verbo, adjetivo ou preposição. Como muitas palavras são ambíguas («casa» como substantivo ou como forma do verbo casar, «claro» como adjetivo ou advérbio), os métodos têm em conta o contexto da frase. A etiquetagem POS é um passo clássico de pré-processamento para a análise sintática, a extração de informação ou a verificação ortográfica e é oferecida por bibliotecas como o spaCy e o NLTK.
O processamento de linguagem natural é o ramo da IA que permite aos computadores analisar, compreender e gerar linguagem humana em texto ou fala. Abrange tarefas como tradução, classificação, resumo, análise de sentimento e resposta a perguntas. Em tempos dominaram as regras e os métodos estatísticos; hoje, a área é moldada pelos grandes modelos de linguagem.
O spaCy é uma biblioteca Python de código aberto para processamento de linguagem natural, desenvolvida pela empresa berlinense Explosion. Divide os textos em palavras e frases, determina classes gramaticais e formas de base, analisa a estrutura das frases e reconhece entidades nomeadas, como pessoas, empresas ou locais. Existem modelos pré-treinados para muitas línguas, incluindo o alemão. O spaCy foi concebido para a velocidade e para a utilização em aplicações reais, por exemplo para pré-processar grandes volumes de documentos.
A resolução de correferência é uma tarefa de processamento de linguagem natural que identifica que expressões de um texto se referem à mesma pessoa, coisa ou assunto. Em "A Dra. Weber ligou. Ela gostaria de receber uma chamada de volta", o sistema tem de perceber que "ela" se refere à Dra. Weber. Isto é importante para resumos, extração de informação e chatbots que precisam de acompanhar referências ao longo de várias frases ou turnos de conversa.
