pln-poemas

TCC

Disponível no link: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19712

Sobre o trabalho (Resumo)

O contato com poemas na educação básica é um incentivo para que os alunos descubram o prazer proporcionado pela experiência com a linguagem poética. O Projeto Coletânea de Poesias, realizado anualmente no FERA Colégio e Curso, é uma iniciativa que se propõe a promover esse contato através da leitura, apreciação e escrita de poemas, gerando a cada ano um livro com textos redigidos por alunos dos ensinos fundamental e médio. Como a análise desses poemas seria custosa se feita manualmente, o presente trabalho empregou técnicas de Processamento de Linguagem Natural, como Part-of-Speech tagging e modelagem de tópicos, a fim de fazer a mineração dos textos produzidos nas dez edições mais recentes do projeto. Os resultados obtidos reforçam aspectos ligados à liberdade de criação envolvida na produção poética e que os temas abordados pelos alunos variam de acordo com a sua maturidade e o seu ambiente.

Sobre o repositório

Este repositório concentra os códigos e materiais gerados/utilizados no contexto do Trabalho de Conclusão de Curso em Ciência da Computação intitulado "Mineração de poemas através de técnicas de Processamento de Linguagem Natural". Esse trabalho envolveu, dentre outros esforços, técnicas de Processamento de Linguagem Natural como Part-of-Speech tagging e modelagem de tópicos. Nesta última, utilizou-se o algoritmo de Gibbs Sampling for the Dirichlet Multinomial Mixture (GSDMM), com implementação disponível em repositório open source.

Organização de pastas

Na pasta /coletaneas, estão disponíveis os arquivos (em DOCX) contendo os poemas das dez edições mais recentes do Coletânea de Poesias. Esses arquivos foram gentilmente cedidos pela equipe organizadora do projeto para os propósitos da pesquisa e, além disso, com permissão de torná-los públicos através deste repositório.

Na pasta /dados, encontram-se:

• topicos.csv, uma tabela com os tópicos extraídos e discutidos no trabalho;
• stopwords.csv, contendo a lista de stopwords considerada durante a análise.

Na pasta /scripts, encontram-se os arquivos com os códigos desenvolvidos e utilizados:

• leitura-docx.ipynb efetua a extração dos textos dos documentos;
• pln-poemas.ipynb é um Python Notebook contendo o passo a passo das análises, com comentários.

Na pasta /materiais, encontram-se os materiais adicionais produzidos:

• score-npmi.pdf: uma explicação mais detalhada do cálculo de score implementado para modelos de tópicos.