Grupo de Estudos em Lingüística Formal, Lingüística Computacional e Lingüística Comparada GELFOCO

Transcrição

1 Palavras-chave: lingüística formal, lingüística gerativa, gramática formal, gramática gerativa, gramática computacional, lingüística computacional, processamento computacional da linguagem natural, processamento automático das línguas naturais, engenharia da linguagem, lingüística comparada, lingüística comparativa, lingüística contrastiva, tipologia lingüística, lingüística geral, teoria lingüística, lingüística teórica, lingüística descritiva, morfologia, sintaxe Grupo de Estudos em Lingüística Formal, Lingüística Computacional e Lingüística Comparada GELFOCO Homepage: Notas para a reunião do GELFOCO de Autor: Leonel F. de Alencar Versão 1.0 Última atualização: :30 Comentários, sugestões e críticas: prof_leonel-gelfoco A R R O B A yahoo.com.br 1. Modelos de organização da gramática e implementações computacionais 1.1. Modelo 1 (1) Modelo simplificado da gramática de uma língua natural LÉXICO SINTAXE Nesse modelo simples, a gramática de uma língua natural constitui-se de dois módulos: um léxico e uma sintaxe. A seta maior, que aponta da esquerda para a direita, indica que o léxico fornece o material com o qual a sintaxe trabalha, à semelhança dos fabricantes de pneus, bancos etc. que fornecem componentes já prontos para as fábricas de carros, apropriadamente chamadas de montadoras. A seta menor apontando da direita para a esquerda indica que a sintaxe não opera cegamente, combinando quaisquer elementos extraídos. Ao contrário, o módulo sintático precisa ter acesso a informações bastante específicas sobre os itens que manipula. Essas informações estão presentes no léxico. A relação entre esses dois módulos da gramática vai se tornar mais clara ao longo desta exposição. O primeiro componente constitui-se de uma lista de palavras. O léxico, contudo, não se resume num mero inventário de formas como menino, menina, meninos, meninas (numa representação ortográfica) ou /me'ninu/, /me'nina/ etc. (numa representação fonológica). 1 Além desse tipo de informação, o léxico especifica a categoria sintática (tradicionalmente classe de palavra) à qual o item pertence. Isso pode ser formalizado por meio de regras como as de (2). Por meio dessas regras, a forma menininhas, por exemplo, é classificada como elemento da categoria N (i.e. nome ou substantivo). Uma forma como aquele é categorizada como D (i.e. determinante). 1 Essas representações fonológicas constituem apenas aproximações. /E/ simboliza fonema do português do Brasil que, dependendo da região do país, é pronunciado como "ê", "é" ou "i" (cf. Macambira 1985:59-60). 1

2 (2) Regras do léxico (cf. Raposo 1992:76) N menino, menina, meninos, meninas, menininho,..., menininhas,..., meninazinha,...meninez,..., meninada, meninadas... D o, os, a, as, este, esta,..., aquele, aquela, aqueles,... O segundo componente da gramática compreende uma lista de regras (i) de construção de sintagmas, tipicamente por meio da concatenação de palavras, e (ii) de combinação de sintagmas para formar outros sintagmas, até o nível da frase (que é um tipo de sintagma). No componente sintático, cada sintagma também recebe um rótulo categorial. Enquanto o léxico atribui a cada item uma categoria lexical, a sintaxe atribui a cada sintagma uma categoria sintagmática (cf. Raposo 1992:68,76; Pittner/Berman 2004:14). (3) Regras da sintaxe NP D N NP N A primeira regra de (3) diz que um sintagma ou grupo nominal (representado pela sigla NP, do inglês noun phrase) constitui-se de um determinante seguido de um substantivo. A segunda regra diz que apenas um substantivo sozinho pode constituir um NP. Em outras palavras, o D é um constituinte opcional do NP. Costuma-se simplificar regras como (3) na forma de (4), onde os parênteses indicam que o elemento em questão é facultativo (cf. Raposo 1992:76): (4) Notação alternativa para (3) NP (D) N Um dos critérios para classificar um determinado constituinte de uma frase (ou de um sintagma menor que uma frase) como sendo um elemento de uma determinada categoria é a distribuição do elemento, ou seja, o conjunto de co-textos onde ocorre. Os exemplos abaixo mostram que D^N (i.e. a concatenação de D e N) e N podem ocorrer no mesmo co-texto não choram, o que sugere que realizam a mesma categoria NP: (5) a. [ NP [ N Meninos]] não choram. b. [ NP [ D Aqueles] [ N meninos]] não choram Revisão e implementação do modelo 1 Esse modelo simplificado da gramática de uma língua natural pode ser facilmente implementado na linguagem de programação Prolog. Em (6), temos um programa que contém exatamente as mesmas informações que um subconjunto das regras de (2) e (3). 2

3 (6) Fragmento de gramática computacional do português Versão 1 n([menino]). n([menina]). n([meninas]). n([meninos]). %léxico d([o]). d([a]). d([os]). d([as]). %léxico np(z):- d(x), n(y), append(x,y,z). %sintaxe Essa minigramática gera todas as combinações gramaticais possíveis de artigo definido e uma das formas do lexema menino, por exemplo, o menino, as meninas etc. O programa é capaz, também, de reconhecer se uma dessas construções é gramatical. Esse fragmento de gramática, porém, cumpre apenas um dos requisitos de uma gramática gerativa. É preciso, além disso, que a gramática exclua as construções agramaticais, como, por exemplo, *as menino. O problema dessa minigramática decorre de que adota uma visão simplista do léxico. De fato, cada item lexical possui um amplo feixe de informações que vão além da representação ortográfica (ou fonológica). Por exemplo, cumpre que uma gramática, enquanto modelo do conhecimento lingüístico dos falantes do português, inclua no léxico a informação de que a forma as é um determinante de gênero feminino e número plural. 2 Isso pode ser implementado em Prolog acrescentando a cada item lexical uma segunda lista, constituída de traços morfossintáticos, os quais representam as propriedades gramaticais do item. É preciso também alterar as regras sintáticas, de modo a torná-las sensíveis a essas propriedades. Em (7), temos uma reformulação da minigramática de (6), levando em conta os traços morfossintáticos, tanto na elaboração das entradas lexicais quanto na formulação das regras sintáticas. (7) Fragmento de gramática computacional do português Versão 2 n([menino],[masc,sing]). n([menina],[fem,sing]). %léxico d([o],[mas,sing]). d([a],[fem,sing]). %léxico np(z,[gênero,número]):- d(x,[gênero,número]), n(y,[gênero,número]), append(x,y,z). %sintaxe 1.3. O modelo 2 de gramática e sua implementação em Prolog (8) Modelo mais elaborado da gramática de uma língua natural LÉXICO SINTAXE Morfologia 2 É preciso levar em conta que, a rigor, quando se afirma algo do tipo X é um Y, não se está excluindo que X seja também um Z ou um W, com Y Z e Y W. De fato, não se usou na afirmação um elemento do tipo apenas, como em X é apenas um Y. A forma as é também um pronome clítico acusativo: E as meninas? Vocês as viu? 3

4 O modelo 1 dá conta da sintaxe das línguas naturais, na medida em que constitui base para gramáticas computacionais capazes de gerar e analisar um número potencialmente infinito de construções. Facilmente a minigramática de (7) poderia ser ampliada para produzir e reconhecer estruturas extremamente complexas como o filho da irmã da tia da prima da vizinha do pai do chefe do avô da menina ou a metade de um quarto de um quinto de um décimo de um centésimo de um milésimo de um bilhão. O modelo 1 é, assim, capaz de lidar com a criatividade lingüística no plano sintático. Esse modelo, porém, precisa ser abandonado, na medida em que não dá conta da criatividade no nível lexical, que consiste na capacidade de produzir e analisar palavras novas. Por exemplo, uma grande parte dos falantes do português não terá listadas no seu léxico mental palavras como pintável ou sujabilidade que, no entanto, são aceitáveis, uma vez que se conformam ao mesmo modelo de formação de lavável e operabilidade. 3 As cadeias *velpinta, *gatável e *sujavelidade, pelo contrário, não são aceitáveis. O léxico precisa, portanto, incluir um mecanismo capaz de não somente de gerar, mas também reconhecer palavras novas: a morfologia. Essa não é, contudo, a única tarefa desse subcomponente, pois, do mesmo modo que deriva pintável de pint- (raiz do verbo pintar), é responsável também pela flexão de plural desse adjetivo (v. azulejos pintáveis). A morfologia deve também ser capaz de analisar as formas flexionadas (reconhecendo, por exemplo, que escaneássemos é a 1 a pessoa do plural do pretérito imperfeito do subjuntivo do verbo escanear). Do ponto de vista da linguagem Prolog, a unidade básica da sintaxe das línguas naturais é a lista (i.e. o tipo de estrutura de dados chamado lista nessa linguagem). Isso implica que palavras, sintagmas e frases são listas de elementos. A razão para isso é que a ordem dos elementos é tão importante na sintaxe: (9) a. Um menino não chora. b. *Menino um não chora. c.?? Um menino chora não. d. *Não um menino chora. (10) a. O leão matou o menino. b. O menino matou o leão. (11) Exemplo de lista em Prolog /* os 4 países de maior PIB do mundo (em ordem decrescente da esquerda para a direita) */ 'os 4 mais ricos'(['eua', 'Japão','Alemanha','China']). Como vimos, uma palavra como meninazinhas pode ser representada em Prolog como uma lista de um único elemento. Um sintagma como o NP aquelas meninazinhas constitui uma lista de dois elementos, uma frase como aquelas meninazinhas não choram é uma lista de quatro elementos, e assim por diante. A saída do módulo lexical no esquema de (8) é sempre constituída por palavras, representadas em Prolog (nesse modelo) como pares ordenados (i.e. predicados binários) 3 Pelo Google, podem-se levantar algumas dezenas de textos com a palavra pintável, que não consta da versão 3.0 do Aurélio Eletrônico. Quanto a sujabilidade, também não consignada naquele dicionário, encontrei, pelo mesmo buscador, apenas uma ocorrência. 4

5 constituídos de dois elementos: (i) uma lista de um único elemento, contendo a representação ortográfica da palavra e (ii) uma lista de traços morfossintáticos. As listas de um único elemento são manipuladas pela sintaxe para formar sintagmas. No entanto, com que elementos básicos opera o subcomponente morfológico? E de que se constitui o léxico no modelo (8)? Nesse modelo, a morfologia opera com morfemas, representados em Prolog como átomos. A saída da morfologia são combinações de morfemas, i.e., sob a perspectiva de Prolog, concatenações de átomos. Os elementos básicos do léxico passam a ser não as palavras, mas os morfemas, como, por exemplo, menin-, -a e -s, que são concatenados para formar meninas (cf. Langendoen 1999). (12) Implementação da morfologia flexional 4 raiz(n,menin). sufixo(n,o,[gênero(masc)]).sufixo(n,a,[gênero(fem)]). sufixo(n,s,[num(pl)]). sufixo(n,'',[num(sing)]). radical(n,radical,[gênero(g)]):- raiz(n,raiz), sufixo(n,sufixo,[gênero(g)]), atom_concat(raiz,sufixo,radical). n([substantivo],[gênero(g),num(n)]):- radical(n,radical,[gênero(g)]), sufixo(n,sufixo,[num(n)]), atom_concat(radical,sufixo,substantivo). Exercícios: (1) elaborar programa que gere meninazinha, meninozinho, meninazinhas e meninozinhos, ao mesmo tempo excluindo *meninozinha, *meninazinho, *meninaszinhas etc.; (2) implementar parte da conjugação verbal: comprei, vendi, *compri, *vendei. Dicas: raiz(v,compr,'1'). raiz(v,vend,'2'). sufixo(v,ei,'1',[pessoa('1'),num(sing)]). sufixo(v,i,'2',[pessoa('1'),num(sing)]). COMO CITAR ESTE TEXTO ALENCAR, Leonel Figueiredo de. Modelos de organização da gramática e implementações computacionais. Fortaleza: Universidade Federal do Ceará/Grupo de Estudos em Lingüística Formal, Computacional e Comparada, Disponível em: < > Acesso em: 4 Para simplificar, não decomponho, como propõe Monteiro (1987:41), formas do tipo menino em uma raiz menin- e uma vogal temática -o. Em vez disso, trato esse último morfema, à semelhança do -a de menina, como sufixo que expressa o gênero do substantivo. 5