Jorge Baptista

Este artigo apresenta a configuração e a avaliação de um GPT personalizado para a anotação semântica abstrata de textos em português europeu segundo o modelo Lexicalized Meaning Representation (LMR). O LMR constitui uma adaptação do Abstract Meaning Representation (AMR), concebida para acomodar propriedades da gramática do português e preservar uma ligação mais direta entre o texto e a respetiva representação semântica. O GPT foi configurado através de uma instrução específica e de uma base de conhecimento fechada, composta pelas diretivas do LMR e por um conjunto de frases previamente anotadas. O trabalho introduz ainda relações e operadores destinados à representação de determinadas configurações de discurso reportado e de citação. Para a avaliação, foi constituído um corpus de 42 notícias de acesso aberto sobre inteligência artificial, a partir do qual foram selecionadas cinco frases, anotadas independentemente pelos dois autores e posteriormente submetidas a adjudicação por consenso para formar o conjunto de referência. As experiências comparam o desempenho dos modelos GPT-4o e GPT-5-Thinking em quatro condições: sem exemplos no prompt (zero-shot ao nível do prompt), few-shot out-of-domain, many-shot out-of-domain e few-shot in-domain. A avaliação através da métrica Smatch, complementada por uma análise qualitativa dos desvios, mostra que, no conjunto analisado, o GPT-5-Thinking produz anotações mais próximas da referência, com um F-score médio de 0,62, comparativamente a 0,51 no GPT-4o. O efeito dos exemplos não se revelou uniforme nem cumulativo, variando em função do modelo e da condição experimental. Os resultados confirmam o potencial destes sistemas como ferramentas de apoio à anotação semântica, embora continue a ser necessária supervisão humana.

This paper examines the syntactic and semantic properties of POV adverbs in Portuguese, with the aim of delineating their lexical, syntactic, and semantic properties in comparison with other adverbial classes. Within the Lexicon–Grammar framework, the analysis shows that POV adverbs display several properties typically associated with sentence-internal modifiers, although their distribution also overlaps with that of sentence-external modifiers. The study discusses this classification in detail on the basis of a lexicon of 745 -mente adverbs, 13 compound adverbs, and a set of adverbial constructions built with different operator-nouns. The analysis further identifies two additional subclasses of POV adverbs: demonym-derived and eponym-derived forms which convey culturally and intellectually groundedperspectives. To our knowledge, this is the first study to document these formations as a productive subclass of POV adverbs in Portuguese and to offer a preliminary corpus-based account of their syntactic behavior and distribution.

Este artigo investiga as propriedades e características dos advérbios de foco, simples e compostos, em português (brasileiro e europeu), como só em O Pedro leu só este livro. Os advérbios de foco operam tipicamente no interior de um constituinte sintático e não podem ser extraídos de forma independente, como ilustram os contrastes *Foi só que o Pedro leu este livro vs. Foi só este livro que o Pedro leu. Neste estudo, a interpretação de foco é sistematicamente controlada, de modo que o advérbio incida sobre o objeto (este livro), permitindo uma análise consistente em diferentes configurações sintáticas. Para analisar estes elementos, foi reunido um amplo conjunto de advérbios de foco simples e compostos, testados em 504 frases geradas sistematicamente, validadas por dois falantes nativos do português brasileiro e europeu e cujas propriedades foram descritas de forma sistemática. Os resultados mostram que, embora os advérbios de foco possam ser definidos, de maneira geral, do ponto de vista sintático, apresentam uma heterogeneidade significativa quanto às suas propriedades combinatórias, o que exige um enquadramento descritivo mais refinado. Essa complexidade reflete-se igualmente na análise automática dessas expressões, que revela dificuldades recorrentes nos sistemas de análise sintática do português, como demonstra a comparação entre os parsers STRING/XIP e UDPipe 2. O presente artigo aborda estas questões ao examinar como os sistemas de análise sintática atuais analisam a posição e a interpretação de foco dos advérbios, evidenciando limitações importantes e contribuindo para uma descrição e um tratamento mais adequados dos advérbios de foco em português.

Este artigo propõe uma extensão do modelo Lexicalized Meaning Representation (LMR), visando a representação sistemática de material lexical ausente na estrutura de superfície, em particular em fenómenos de redução a zero e elipse. Partindo da constatação de que as práticas correntes de anotação (nomeadamente em Abstract Meaning Representation, AMR) tendem a omitir ou a substituir por conceitos abstratos elementos semanticamente relevantes, defendemos que certos itens lexicais omitidos são linguisticamente recuperáveis com base na estrutura interna da frase, e não resultantes de inferência discursiva ou de conhecimento extralinguístico, e devem ser explicitamente representados. A proposta introduz critérios linguísticos para a reconstrução de material reduzido a zero, distinguindo entre casos que podem ser tratados por pós-processamento (e.g., anáfora) e casos que exigem reconstrução ao nível da representação, nomeadamente em construções com nomes predicativos e verbos-suporte, verbos auxiliares e estruturas comparativas. Com base em exemplos do português europeu, mostramos que a reconstrução controlada desses elementos melhora a correspondência entre forma linguística e representação semântica, reduzindo ambiguidades e assegurando maior consistência estrutural. Ao privilegiar apenas material lexical ancorado ou inferível a partir da estrutura linguística, a proposta mantém o princípio de lexicalização do LMR, ao mesmo tempo que reforça a sua adequação para tarefas de anotação semântica e processamento computacional.

Présentation du projet européen iRead4Skills (Intelligent Reading Improvement System for Fundamental and Transversal Skills Development)

This paper examines the syntactic properties of Portuguese multiword adverbs, focusing specifically on disjunctive adverbs of style (PS). Also known as enunciative, metalinguistic, or illocutionary adverbs, PS adverbs function as sentence-external modifiers, typically expressing the speaker’s attitude on a given statement. Our research has cataloged approximately 3,700 multiword adverbs in Brazilian and European Portuguese, among which 90 have been identified as disjunctive adverbs of style. This study aims not only to define the formal properties and semantic nuances of this adverbial category, but also to provide a comprehensive analysis of its diverse roles in discourse. To achieve this, we examine their occurrences in the Roda Viva corpus (Miranda et al., 2024), which consists of transcripts from 711 interviews in contemporary Brazilian Portuguese.

A Inteligência Artificial (IA), em particular os Modelos de Linguagem de Grande Escala (LLMs), tem vindo a transformar o ensino de línguas. Este estudo explora a aplicação de LLMs no ensino de Português como Língua Estrangeira (PLE), centrando-se na criação, classificação e validação automática de um corpus de narrativas curtas baseadas em provérbios portugueses. Os objetivos centram-se em: (i) gerar automaticamente narrativas curtas baseadas em provérbios, adequadas a diferentes níveis de proficiência definidos pelo QECR; (ii) classificar automaticamente o nível de proficiência linguística dessas narrativas, utilizando técnicas de machine learning tradicionais e modelos fundacionais (LLMs), com posterior validação por avaliadores humanos; (iii) avaliar a adequação das narrativas aos provérbios originais, justificando o seu potencial uso didático no contexto do ensino de PLE. A metodologia envolve a geração de narrativas com LLMs, validadas por ferramentas automáticas e por especialistas humanos, bem como a análise da correspondência entre provérbio e narrativa gerada, tendo em vista a sua aplicação pedagógica.

A partir de um conjunto de dados semi-automaticamente anotados do Corpus de Textos Antigos (CTA), este artigo propõe-se a analisar os resultados obtidos sobre a síncope de -d- intervocálico no morfema da 2.ª pessoa plural, e a consequente resolução do hiato, e as terminações de Particípio Passado -udo/-ido nos verbos com origem etimológica nas 2.ª e 3.ª conjugações latinas. A novidade deste artigo está no recurso a métodos de Processamento de Linguagem Natural (PLN) para a otimização da obtenção e extração sistemática dos dados relevantes para análise, contribuindo para um estudo que engloba um maior conjunto de textos. É apresentada a metodologia adotada para a anotação dos dados, e consequente extração dos dados relevantes à análise, afirmando-se a importância do recurso a métodos e ferramentas de PLN para o estudo linguístico e para a descrição dos estados anteriores da língua portuguesa.

Descrevem-se dois tipos de reestruturação de completiva-sujeito de adjetivo em português do Brasil: elevação de sujeito (Que João faça isso é bacana / João é bacana em fazer isso) e elevação de objeto (Fazer isso é incomum / Isso é incomum de se fazer). A formação e a extensão desse fenômeno são descritas a partir de uma lista dos lemas de adjetivos mais frequentes em um corpus. Observou-se que os adjetivos que aceitam elevação de sujeito formam um subconjunto, composto principalmente por adjetivos de comportamento e avaliativos, dos que aceitam elevação de objeto.

A tarefa de Correção Automática de Redação tem despertado crescente interesse na área de processamento de texto em português. Entre os conjuntos de dados disponíveis, destaca-se um corpus de redações narrativas produzidas por alunos do 5º ao 9º ano do ensino fundamental no Brasil. Essas redações são avaliadas segundo quatro competências: registro formal, coerência temática, estrutura retórica narrativa e coesão textual. Este trabalho explora a criação de um sistema baseado em conhecimentos derivados de outro dataset (desenvolvido com base em textos produzidos para o ENEM) e de outras tarefas (cálculo de complexidade textual e análise de legibilidade). O sistema desenvolvido combina modelos neurais, características (features) curadas calculadas por programas de análise textual e seleção de features em um modelo de Aprendizado em Dois Estágios. Com isso, foi possível elevar a performance em relação ao estado-da-arte, nomeadamente, em 9% para a primeira competência, 5,5% para a terceira e 8,9% para a quarta.