anotacao de corpus
TRANSCRIPT
Anotação de corpus
Fernando A. A. Nóbrega e Nathan S. Hartmann
Universidade de São Paulo (NILC/ICMC/USP)
30/09/2015
Introdução Imersão Prática References
Agenda
Introdução→ O que é anotação de córpus
→ Tipos de anotação
→ Anotação de córpus e mercado de trabalho
Imersão→ Detalhes mais técnicos sobre a anotação
Prática→ Demonstrações
→ Algumas práticas para exercitar
Introdução Imersão Prática References
Introdução
O que é Anotação de Córpus?1 Anotação: Tarefa (geralmente, manual) comobjetivo de explicitar diferentes níveis deconhecimento
→ Pode ser semimanual
→ Fazemos isso o tempo todo
2 Córpus: Uma coleção de objetoslinguísticos para uso em aplicações de PLNSantos 2008
IV SPL e IX SPLIN 1/22
Introdução Imersão Prática References
Introdução
O que é Anotação de Córpus?1 Anotação: Tarefa (geralmente, manual) comobjetivo de explicitar diferentes níveis deconhecimento
→ Pode ser semimanual
→ Fazemos isso o tempo todo
2 Córpus: Uma coleção de objetoslinguísticos para uso em aplicações de PLNSantos 2008
IV SPL e IX SPLIN 1/22
Introdução Imersão Prática References
Introdução
Anotação de CórpusTarefa (geralmente, manual) com objetivo deexplicitar diferentes níveis de conhecimentoao rotular os objetos armazenados no córpus
IV SPL e IX SPLIN 1/22
Introdução Imersão Prática References
Anotação de Córpus na Academia
Geralmente, utilizada para descrever algumfenômeno linguístico e/ou para fins deautomatização computacionalVariados níveis de conhecimento
1 Etiquetação/validação de etiquetasmorfossintáticas
2 Geração/validação de Árvores sintáticas3 Desambiguação de sentidos4 Papéis semânticos5 Polaridade de reviews, sentenças, etc.6 Segmentação de subtópicos7 Identificação de Relações Discursivas8 Identificação de erros em resumos
Onde publicar: STIL, PROPOR, LREC, ELC,...
IV SPL e IX SPLIN 2/22
Introdução Imersão Prática References
Anotação de córpus no Mercado
Amazon Mechanical Turk
Apple
IV SPL e IX SPLIN 3/22
Introdução Imersão Prática References
Dificuldades
Basta ligar o computador e sairanotando....?
NÃO!!!!
É um projeto com várias questões envolvidas
1 Quem e quantos serão os anotadores?2 Qual o conhecimento dos anotadores natarefa?
3 A tarefa de anotação é bem definida?4 É necessário treinar os anotadores? Sesim, como?
5 Qual será o local da anotação (reuniões,online)?
6 Qual a frequência das ”reuniões“?7 Qual a validade da tarefa (concordância)?8 Qual o objetivo do recurso?
IV SPL e IX SPLIN 4/22
Introdução Imersão Prática References
Dificuldades
Basta ligar o computador e sairanotando....?
NÃO!!!!É um projeto com várias questões envolvidas
1 Quem e quantos serão os anotadores?2 Qual o conhecimento dos anotadores natarefa?
3 A tarefa de anotação é bem definida?4 É necessário treinar os anotadores? Sesim, como?
5 Qual será o local da anotação (reuniões,online)?
6 Qual a frequência das ”reuniões“?7 Qual a validade da tarefa (concordância)?8 Qual o objetivo do recurso?
IV SPL e IX SPLIN 4/22
Introdução Imersão Prática References
Dificuldades
Basta ligar o computador e sairanotando....?
NÃO!!!!É um projeto com várias questões envolvidas
1 Quem e quantos serão os anotadores?2 Qual o conhecimento dos anotadores natarefa?
3 A tarefa de anotação é bem definida?4 É necessário treinar os anotadores? Sesim, como?
5 Qual será o local da anotação (reuniões,online)?
6 Qual a frequência das ”reuniões“?7 Qual a validade da tarefa (concordância)?8 Qual o objetivo do recurso?
IV SPL e IX SPLIN 4/22
Introdução Imersão Prática References
Anotação é somente coisa de linguísta?!
Depende da natureza da tarefa.
Público GeralApontar a qualidade de um produto -Ruim-Bom, 0-5, etc.Identificar localidades, nomes de pessoas,etc.
Público EspecíficoAnotar papéis semânticos.Identificar traços de demência em textos.Reconhecimento de língua materna por voz(estrangeiros)
IV SPL e IX SPLIN 5/22
Introdução Imersão Prática References
Mais alguns detalhes
Defindo a tarefa
Validando a anotação - Concordância
Quando refinar a tarefa?
Recursos necessários
IV SPL e IX SPLIN 6/22
Introdução Imersão Prática References
Definição da tarefa
O que é efetivamente a tarefa (semambiguidade e brechas para dúvidas)
→ Definição de um manual de anotação -diretrizes
→ Geralmente, refinado durante a tarefa
IV SPL e IX SPLIN 7/22
Introdução Imersão Prática References
Concordância na anotação
Normalmente mais de uma pessoa anota ummesmo conjunto de dados
Importante, pois indica convergência,padronização (”qualidade“)
Percentual de concordância
Medida Kappa mais frequentemente usada→ Desconsidera o acaso
→ Há ferramentas online:http://vassarstats.net/kappa.html1
1Algumas são parciaisIV SPL e IX SPLIN 8/22
Introdução Imersão Prática References
Concordância com Kappa
Como usar
Instalar o interpretador Perl
Formatar os dados de anotação em um arquivoCSV usando TAB
→ Fácil usando Excel, OpenOffice
Executar com: perl kappaDiagnosis.pl“resumo-anotacao.txt” > saida.txt
→ Necessária Instalação do Perl
IV SPL e IX SPLIN 9/22
Introdução Imersão Prática References
Calculando kappa
Anotador1 Anotador2Sent1 A ASent2 B ASent3 A ASent4 B ASent5 B A
- A BA 2 0B 3 0
Percentual: 40%
Kappa: -0.429
IV SPL e IX SPLIN 10/22
Introdução Imersão Prática References
Prática
Agora vamos praticar!
Vocês verão que:
Podemos utilizar diversos ambientes paraanotação
→ Alguns são mais simples, outros com maisfuncionalidades
Algumas tarefas são mais simples do queoutras
→ Algumas tarefas até demandam treinamento
IV SPL e IX SPLIN 12/22
Introdução Imersão Prática References
Prática - Análise de Sentimentos
Objetivo: Determinar a polaridade de umasentença em relação à uma entidade
Polaridade: Negativa, Neutra e Positiva
Entrada: Pares formados por sentença eentidade
Ferramenta: Google Docs(http://migre.me/rFAdE)
Concordância
IV SPL e IX SPLIN 13/22
Introdução Imersão Prática References
Prática - Anotação de Papéis Semânticos
Anotação de Papéis Semânticos (APS):
Detecta os eventos descritos nas sentenças e osparticipantes destes eventos.
Eventos são realizados por predicados (aqui,verbos).Participantes são chamados de argumentos.
Exemplo:Para a sentença “João quebrou a janela com apedra.”, temos o evento “quebrar” e seusparticipantes, “João”, “a janela” e “a pedra”.
IV SPL e IX SPLIN 14/22
Introdução Imersão Prática References
Prática - Anotação de Papéis SemânticosAnotação de Papéis Semânticos (simplificada)
O agente da ação do verbo
O paciente da ação do verbo
O instrumento da ação do verbo
A maneira com que a ação é feita
A localidade da ocorrência da ação
Tempo, ou quando a ação ocorreu
A causa da ocorrência da ação
Marcação de negação da da ação
Exemplo:[Hoje cedoTempo], [lá em casaLocal], [JoãoAgente] [quebrouVerbo][a janelaPaciente] [com a pedraInstrumento] [porque estavaestressadoCausa].
IV SPL e IX SPLIN 15/22
Introdução Imersão Prática References
Prática - Anotação de Papéis SemânticosAnotação de Papéis Semânticos (simplificada)
O agente da ação do verbo
O paciente da ação do verbo
O instrumento da ação do verbo
A maneira com que a ação é feita
A localidade da ocorrência da ação
Tempo, ou quando a ação ocorreu
A causa da ocorrência da ação
Marcação de negação da da ação
Exemplo:[Hoje cedoArgM−Tmp], [lá em casaArgM−Loc], [JoãoArg0][quebrouV] [a janelaArg1] [com a pedraArg2] [porque estavaestressadoArgM−Cau].
IV SPL e IX SPLIN 15/22
Introdução Imersão Prática References
Prática - Anotação de Papéis Semânticos
Para essa tarefa temos:
Um manual de anotação (diretrizes)
Repositório para consulta
Ferramenta de suporte a anotação
Pessoal especializado
Anotação duplo-cego
Discordâncias resolvidas pelo adjudicador
IV SPL e IX SPLIN 16/22
Introdução Imersão Prática References
Prática - Anotação de Papéis Semânticos
IV SPL e IX SPLIN 17/22
Introdução Imersão Prática References
Prática - Anotação de Papéis SemânticosFerramenta de Anotação Salto
Plataforma gráfica para anotação em córpus
Pode ser utilizada para anotação depropósito geração sobre treebanks
Além de proporcionar uma anotação fácil eintuitiva, ela possui o recurso de auxílioà adjudicação
Desenvolvida por Burchardt et al. 2006
IV SPL e IX SPLIN 18/22
Introdução Imersão Prática References
Brat
Ferramenta “online”
Usada em diversos trabalhos→ Correferência, Dependência Sintática,
Entidade Mencionada, Extração de Eventos,Identificação de Erros, etc.
http://brat.nlplab.org/→ Necessário Python
Anota itens (palavras, sintagmas, trechos)e relações
IV SPL e IX SPLIN 19/22
Introdução Imersão Prática References
Configuração
Vários modelos prontos na Web
Organizado em Arquivos e sessõesREADME →descrição da tarefaannotation.conf →O que será anotadotools.conf →Configuração da ferramentavisual.conf →Configuração visual (cores eefeitos)
→ Mais detalhes em:http://brat.nlplab.org/configuration.html
IV SPL e IX SPLIN 20/22
Introdução Imersão Prática References
Aquivos básicos
tools.conf[options]Tokens tokenizer:whitespaceSentences splitter:newlineAnnotation-log logfile:<NONE>
visual.conf[labels]
[drawing]SPAN-DEFAULT borderColor:darken, fgColor:blue
IV SPL e IX SPLIN 21/22
Introdução Imersão Prática References
Aquivos básicos
annotation.conf[spans]...[entities]...[relations]...[events]...[attributes]...
IV SPL e IX SPLIN 22/22
Introdução Imersão Prática References
Referências
Burchardt, Aljoscha et al. (2006). ‘SALTO: Aversatile multi-level annotation tool’. In:Proceedings of LREC-2006. Genoa, Italy.
Santos, Diana (2008). ‘Avanços da Linguísticade Corpus do Brasil’. In: ed. byStella E. O. Tagnin and Oto Araújo Vale.Humanitas. Chap. Corporizando AlgumasQuestões, pp. 41-66.