RECUPERAÇÃO DE INFORMAÇÕES POR SIMILARIDADE DE FONEMAS ADAPTADA À LINGUA PORTUGUESA

Transcrição

1 RECUPERAÇÃO DE INFORMAÇÕES POR SIMILARIDADE DE FONEMAS ADAPTADA À LINGUA PORTUGUESA RONI RUI RUBEN FRANTZ Porto Alegre 2009

2 2 RONI RUI RUBEN FRANTZ RECUPERAÇÃO DE INFORMAÇÕES POR SIMILARIDADE DE FONEMAS ADAPTADA À LINGUA PORTUGUESA Trabalho de Conclusão de Curso II apresentado à Faculdade de Informática, como requisito parcial à obtenção do título de Bacharel em Sistemas de Informação. Orientador: Prof. Fábio Zschornack Porto Alegre 2009

3 3 RESUMO A recuperação de informação por similaridade em textos envolve o uso de várias técnicas ainda não padronizadas (quando disponíveis) nos SGBDs (Sistema Gerenciador de Banco de Dados) que são obsoletas ou inadequadas para textos na Língua Portuguesa. Duas técnicas são utilizadas para este fim, funções que retornam um código fonético de uma cadeia de caracteres e ferramentas adicionais que criam um índice invertido de um determinado campo texto do banco de dados. Ambas as soluções apresentam limitações, uma por ser inapropriada para o Português e a outra por não considerar termos similares. Com o objetivo de resolver este problema, é proposta uma nova função que produz um código fonético mais preciso e adequado para a Língua Portuguesa, e também implementar uma solução completa para a pesquisa em grandes bases de dados. Palavras-Chave: Recuperação de Informação, RI, Full-Text, Text-Mining, Pesquisa Fonética em português, AFI, Fulltext, Soundex, Difference, Match Against, Similaridade.

4 4 ABSTRACT The recovery of information in texts by similarity involves the use of several techniques not yet standardized (when available) in DBMS (Database Management System) that are obsolete or inadequate to texts in Portuguese. Two techniques are used for this purpose, functions that return a code of phonetic a string and additional tools that create an invert index of a particular text field of the database. Both solutions have limitations, one being inappropriate for Portuguese and the other by not considering similar terms. With aim to solve this problem, it is proposed a new function that produces a phonetic code more accurate and appropriate for the Portuguese language, and also implement a complete solution for search in large databases. Keywords: Information Retrieval, IR, Full-Text, Text-Mining, Portuguese Phonetic Search, AFI, Fulltext, Soundex, Difference, Match Against, Similarity.

5 5 LISTA DE FIGURAS Figura 1 - A língua Portuguesa no mundo (WIKIPEDIA, 2008)... 7 Figura 2 - Distribuição das vogais conforme a freqüência sonora (SILVA, 2007) 21 Figura 3 - Distribuição de vogais portuguesas (SILVA, 2007) Figura 4 - Interação do usuário com a recuperação de informação. YATES / NETO (1999) Figura 5 - Visão Lógica do Documento em "full-text" intermediário. (YATES, RIBEIRO-NETO, 1999) Figura 6 - O processo de Recuperação de Informação. (YATES, NETO, 1999).. 40 Figura 7 - Pesquisa Booleana Figura 8 - Esquema do Full-Text Search do SQL Server (MICROSOFT, 2008).. 59 Figura 9 - Trecho de um cabeçalho em uma página HTML Figura 10 - Advance search interface do Google (2008) Figura 11 - PageRank. Patente US (Page Lawrence, 2001) Figura 12 - Diagrama da Solução Proposta Figura 13 - Cenário de Transação Figura 14 Interface Visual Figura 15 Interface Visual - Resultados Figura 16 - Diagrama da classe Phonex Figura 17 - Tela do programa Indexa.exe (grawer) Figura 18 - Tela principal do protótipo com pesquisa por "focos" Figura 19 - Tela do sistema com resultados de pesquisa por "focus" em todos os campos Figura 20 - Tela do cadastro de Empresas Figura 21 - Tela do cadastro de Contatos (Nomes) Figura 22 - Diagrama das classes do protótipo desenvolvido... 93

6 6 LISTA DE QUADROS Quadro 1 - Classificação das vogais da língua Portuguesa (SILVA, 2007) Quadro 2 - Ditongos da Língua Portuguesa. (CEGALLA, 2005) Quadro 3 - Classificação das Consoantes (CEGALLA, 2005) Quadro 4 - Diferenças na pronúncia de algumas consoantes no Brasil (CEGALLA, 2005) Quadro 5 - Principais dígrafos da língua Portuguesa (SILVA, 2007) Quadro 6 - Codificação das consoantes do algoritmo Soundex Quadro 7 - Exemplos dos códigos Soundex Quadro 8 - Códigos fonéticos de Phonix Quadro 9 - Regras do algoritmo Metaphone (Gálvez, 2006) Quadro 10 - Exemplo de nomes com Soundex e Difference do SQL Server Quadro 11 - Recursos básicos dos buscadores Quadro 12 - Regras de transformação do método WordToPhonex() Quadro 13 - Comparativo Full-Text X Protótipo Phonex Quadro 14 - Como você considerou a facilidade de acesso às opções do sistema? Quadro 15 - "Como você considerou a clareza e qualidade das informações obtidas?" Quadro 16 - "Como você classificaria a utilidade desta ferramenta?" Quadro 17 - Precisão dos resultados segundo os avaliadores

7 7 LISTA DE GRÁFICOS Gráfico 1 - Como você considerou a facilidade de acesso às opções do sistema? Gráfico 2 - "Como você considerou a clareza e qualidade das informações obtidas?" Gráfico 3 - "Como você classificaria a utilidade desta ferramenta?" Gráfico 4 - Precisão dos resultados segundo os avaliadores

8 8 LISTA DE ABREVIATURAS E SIGLAS ACM AFI API CSS DBMS DOC ERP FTP FTS GPL HTML HTTP ID IDF IPL IR IIS NARA NLP NNTP NYSIIS NGB PDF RI Association for Computing Machinery Alfabeto Fonético Internacional Application Programming Interface Cascading Style Sheets Database Management System Arquivo de Documento do Microsoft Word Enterprise Resource Manager File Transfer Protocol Full-Text Search Generic Public License Hypertext Markup Language HyperText Transfer Protocol Identificador Inverse Document Frequency Interbase Public License Information Retrieval Internet Information Server National Archives and Records Administration Natural Language Processing Network News Transfer Protocol New York State Identification and Intelligence Systems Nomenclatura Gramatical Brasileira Portable Document Format Recuperação de Informação

9 9 SGBD SMTP SQL TF-IDF URL UTF-8 XLS XML Sistema Gerenciador de Banco de Dados Simple Mail Transfer Protocol Structered Query Language Term Frequency-Inverse Document Frequency Uniform Resource Locator Unicode Transformation Format Arquivo de Planilha Eletrônica do Microsoft Excel Extensible Markup Language

10 10 SUMÁRIO 1 - INTRODUÇÃO MOTIVAÇÃO OBJETIVOS ESTRUTURA DO TRABALHO REFERENCIAL TEÓRICO FONÉTICA A Língua Portuguesa Fonemas Vogais Semivogais Ditongo Tritongo Hiato Consoantes Encontros Consonantais Dígrafos Separação Silábica RECUPERAÇÃO DE INFORMAÇÃO Visão Lógica dos Documentos Processo de Recuperação Modelos Modelo Booleano Modelo Vetorial Modelo Probabilístico Análise dos Dados Avaliação de Resultados ESTADO DA ARTE E TRABALHOS RELACIONADOS ALGORITMOS FONÉTICOS Soundex Phonix Metaphone NYSIIS Full-Text MySQL Microsoft SQL Server Outros SGBD RECUPERAÇÃO DE INFORMAÇÃO NA WEB Google... 66

11 4 - IMPLEMENTAÇÃO PROPOSTA DESCRIÇÃO RECURSOS MODELAGEM DO SOFTWARE Cenário de Transação Módulos/Processos Especificação de Casos de Uso SOLUÇÃO IMPLEMENTADA AMBIENTE DE IMPLEMENTAÇÃO Microsoft IIS Microsoft Visual Studio Lucene.NET CLASSE PHONEX PROTÓTIPO DESENVOLVIDO Indexa (Grawer) Protótipo do Buscador TestePhonex TESTES E VALIDAÇÕES COMPARATIVO FULL-TEXT SQL-SERVER X PROTÓTIPO VALIDAÇÃO - QUESTIONÁRIO CONCLUSÃO REFERÊNCIAS BIBLIOGRÁFICAS ANEXOS

12 12 1 INTRODUÇÃO 1.1 MOTIVAÇÃO Por mais que a Informática tenha avançado e com sistemas cada vez mais completos, chega a ser um paradoxo que os sistemas em geral não tenham acompanhado essa evolução com técnicas mais apropriadas de recuperação das informações armazenadas, uma vez que esta característica é o meio ou mesmo o objetivo final de muitas aplicações. Em muitos ambientes essa tarefa tem uma importância crítica e deve ser tratada com mais ênfase pelos analistas de sistemas, posto que, usando apenas os mecanismos tradicionais de pesquisa de dados, leva a resultados inconsistentes a longo prazo no que é um dos principais objetivos dos sistemas: precisão e qualidade das informações armazenadas. A redundância é um entrave para a qualidade das informações. No entanto, mesmo em um sistema normatizado, não são fornecidas as ferramentas adequadas para que o usuário não introduza registros duplicados onde o entendimento é ambíguo, pois os sistemas costumam fazer apenas uma pesquisa básica (com o método de comparação booleana caractere a caractere) para evitar a duplicidade de cadastros. Um exemplo básico é um usuário, ora digitar um nome com a acentuação, ora omitindo-a, é claro que na maioria dos sistemas estas diferenças não são tratadas, muito menos a utilização de abreviaturas. Não é difícil imaginar a confusão e problemas causados em cadastros de um sistema depois de alguns anos. Muitas vezes, leva a situações de difícil reparação. Entenda-

13 13 se por cadastro não apenas os de pessoa física ou jurídica, mas qualquer registro que tenha um campo de descrição ou nome como elemento chave para pesquisa. Os mecanismos que deveriam ou provêem alguma facilidade neste sentido são os SGBD (Sistema Gerenciador de Banco de Dados). No entanto, as ferramentas disponíveis nesses sistemas são muito insatisfatórias para a necessidade atual ou totalmente inadequadas aos textos que não são da língua inglesa. Cabe ressaltar que a função disponível e mais utilizada na linguagem de consulta SQL (Structured Query Language) é a soundex, patenteada nos Estados Unidos em Na Internet, foram criadas soluções de busca de grande sucesso, como o Google, Altavista, Windows Live Search, entre outros. Esses serviços são muito apreciados por todos os usuários de computador e seu uso já está intrinsecamente ligado de como o usuário leigo entende a própria Internet. Portanto, o raciocínio é óbvio, os sistemas ERP (Enterprise Resource Manager) também devem possuir essa funcionalidade equivalente. É inegável a facilidade de operação e o resultado propiciado em um ambiente com esse recurso. Embora alguns SGBD forneçam um recurso denominado fulltext, este se mostra incompleto, pois é específico por campo, além de não permitir fazer a procura por similaridade de fonemas, muito menos para a língua portuguesa. O ideal seria que o sistema fizesse a procura em TODOS os campos e em TODAS as tabelas e apresentasse uma lista com os resultados. O presente trabalho não tem a pretensão em enveredar na área de mineração de textos, pois envolve a Análise Semântica (seria necessário o estudo de técnicas que avaliam a sequência dos termos no contexto da frase, o que foge do escopo deste trabalho). No entanto, a RI (Recuperação de Informação) é pertinente neste trabalho, que por sua vez é considerado o primeiro passo de um processo de mineração de textos (EBECKEN, 2003). 1.2 OBJETIVOS

14 14 A proposta desse trabalho é criar um algoritmo e um protótipo para que a busca de informações se aproxime ao universo humano em textos da língua portuguesa e não na matemática exata de comparação dos computadores, ou seja, tornar o resultado da busca de informações mais inteligente, especialmente com informações referentes a nomes, embora possa ser aplicado na pesquisa de qualquer tipo de campo. Tendo em vista o alto poder computacional disponível hoje em dia, imagina-se viável a criação de um Índice com a decomposição em palavras-fonemas de todos os campos e tabelas de um determinado banco de dados. Essa metodologia poderia atender às pesquisas genéricas ou específicas por campo/tabela, além das próprias customizações pertinentes a cada sistema. A aplicação desse trabalho é muito vasta, abrangendo desde os sistemas ERP em geral, Sites de Internet, Sistemas de Call-Centers, Sistemas Hospitalares, Órgãos Públicos, Dicionários Eletrônicos, etc. Com as iniciativas de projetos de código aberto (open source), já existe um projeto denominado Apache Lucene, que é um software de busca e um conjunto de API (Application Programming Interface) de indexação, inicialmente escrito na linguagem Java. Este projeto não contempla a análise sintática, muito menos pesquisas com base na fonética da língua portuguesa, sendo basicamente um motor de busca, mas que serve perfeitamente ao propósito desse trabalho como motor de indexação, ao invés de se criar uma outra tabela no próprio banco de dados para armazenar os códigos fonéticos. 1.3 ESTRUTURAS DO TRABALHO Este trabalho encontra-se dividido como descrito a seguir: No Capítulo 2 é apresentado o estudo da fonética da Língua Portuguesa. A compreensão dos fonemas é de suma importância para a formulação de uma função de similaridade de termos e palavras de um texto. O estudo da teoria de Recuperação de Informação (RI) também faz parte deste capítulo, completando o referencial teórico do trabalho.

15 15 No Capítulo 3 descrevem-se os algoritmos fonéticos existentes e algumas soluções comerciais que possuem correlação com o assunto, como a funcionalidade Full-Text presente nos SGBDs, além de uma análise do site de busca de Internet Google. No Capítulo 4 é descrita a proposta de implementação dos algoritmos e do protótipo com os diagramas de caso de uso. No Capítulo 5 é descrito o ambiente e ferramentas utilizadas e a descrição das classes implementadas e funcionamento do protótipo. No Capítulo 6 são descritos os testes e validações realizados, bem como os métodos de aferição destes resultados. Na Conclusão obtida sobre toda a experiência realizada, destacam-se algumas observações importantes sobre os processos, indicando as implicações e sugestões para trabalhos futuros.

16 16 2 REFERENCIAL TEÓRICO Neste capítulo é apresentado um referencial teórico sobre as diversas áreas envolvidas no desenvolvimento desse trabalho e na implementação das bibliotecas e do protótipo, incluindo a conceituação sobre o estudo da Fonética do Português e teoria da Recuperação de Informação. 2.1 FONÉTICA Fonética é o ramo da lingüística que estuda a produção e percepção dos sons produzidos pela fala humana (SILVA, 2007). A unidade básica no estudo da fonética é o fone. A forma mais comum de representar os fones pelos lingüistas é através do Alfabeto Fonético Internacional (AFI). Neste trabalho pretende-se aprimorar e/ou propor um algoritmo de busca pela similaridade da pronúncia tratando-se especificamente da Língua Portuguesa, portanto é necessário entender as particularidades da formação de fonemas A Língua Portuguesa O Português é a língua oficial de sete países: Brasil, Portugal, Angola, Moçambique, Guiné-Bissau, Cabo Verde e São Tomé e Príncipe, além de dialetos com raízes no português falados por parte da população de países como Timor Leste, Índia (Diu, Damão, Goa) e China (Macau), conforme mapa apresentado na Figura 1. Com mais de 215 milhões de falantes nativos, é a quinta língua mais falada no mundo e a terceira do mundo ocidental.

17 17 Figura 1: A língua Portuguesa no mundo (WIKIPEDIA, 2008). Atualmente existem pelo menos línguas distintas sendo faladas em todo o planeta, de acordo com um cálculo efetuado pela Academia Francesa (BERLITZ, 1982). Desses, os 14 mais importantes quanto ao número de falantes são, em ordem aproximada (BERLITZ, 1982): - chinês - inglês - dindustani (a forma falada do hindi e do urdu) - russo - espanhol - japonês - alemão - iondonésio - português - francês - árabe - bengali - malaio - italiano.

18 Fonemas Para que se possa propor e construir a tabela de códigos fonéticos por similaridade, que é um dos objetivos deste trabalho, de maneira que a quebra de um texto em seus fonemas correspondentes traga os resultados desejados, faz-se necessário o estudo da Fonética da Língua Portuguesa, por exemplo: Para que se possa chegar a uma conclusão fundamentada que a sílaba se tem um valor aproximado com si e mais distante de su, pois seria interessante que fosse apresentado em uma pesquisa, um texto com a palavra próximo mesmo que o usuário tenha informado proxemo, mas não convém apresentar textos que possuem palavra presumo. Embora a pronúncia pode, a princípio, não ter importância em um sistema que não trata de reconhecimento de fala, acaba por mostrar muito antes o contrário, uma vez que o usuário deseja achar registros com base na pronúncia de termos ou palavras, em que não sabe justamente, a grafia correta destas palavra- chave, ou seja, pretende-se achar para o usuário, registros com base pela similaridade pela pronúncia comum, independentemente dos erros ortográficos. Quando se escreve, está se representando a fala através de sinais gráficos chamados letras. No entanto, ao falar produzem-se sons articulados ou fonemas. As letras são percebidas pela visão ou tato, os fonemas são percebidos pela audição humana. O conjunto de letras (símbolos) de uma língua denomina-se alfabeto 1. Fonemas são as menores unidades sonoras da fala. São os sons elementares e distintivos que, articulados e combinados, formam as sílabas, os vocábulos e a teia da frase, na comunicação oral (CEGALLA, 2005). Para distinguir os fonemas dos sons de fato produzidos, estes são representados entre barras oblíquas (/ /), enquanto que os sons são representados entre colchetes ([ ]). Por exemplo, a palavra mesa tem 4 letras: m (éme), e (e), s (esse), a (á) e 4 fonemas: emê, e, zê, a, que são representados com /m/, /e/, /z/, /a/. 1 A palavra alfabeto origina-se do nome das duas primeiras letras do alfabeto grego: alfa + beta.

19 19 A transcrição da representação entre barras é fonológica e na representação entre colchetes é fonética. Os fonemas são comuns a todos os indivíduos que falam a mesma língua, enquanto que os sons que o representam são distintos para cada indivíduo. Existem alguns fonemas que são produzidos com mais de um som, que recebem a denominação variantes ou alofones. Por exemplo, a palavra tia é representada pelos fonemas /tia/ e pode ser pronunciada como [tjia] ou [tia] de acordo com o sotaque pertinente à região de naturalidade do indivíduo. Os fonemas consonantais são lidos com um ê: bê, cê, dê, efê, etc. O sistema fonético do português do Brasil possui aproximadamente 33 fonemas. Ainda segundo Cegalla (2005), o ideal seria que a cada fonema correspondesse a uma só letra, e vice-versa, infelizmente não é isso o que acontece. E é por este motivo que se torna necessário resolver de uma forma mais adequada a pesquisa de textos em sistemas de informação. Segundo Callou e Leite (2003), a Língua Portuguesa tem 26 fonemas segmentais (19 consoantes e 7 vogais) e um fonema supra-segmental, o acento, que não é um segmente e sim uma qualidade que se superpõe a certos segmentes. O maior desafio para a criação de um algoritmo de pesquisa fonética 100% preciso é conseguir reproduzir a pronúncia de todas as palavras, uma vez que o sistema ortográfico português não é rigorosamente fonético, está atrelado à origem das palavras, ou seja, está ligado à etimologia, como por exemplo, a palavra exame, que é escrita com x (ao invés de ezame), pois vem da palavra latina examen. Por fim, nota-se que uma letra pode representar mais de um fonema, como fixo [fikso], próximo [prosimo], enquanto existem letras que não têm som, como o h em hora. Um mesmo fonema pode ser representado por mais de uma letra, como em casa, exílio, cozinha (todas com /z/) ou ainda ser representado por um grupo de duas letras (dígrafos), como nas palavras mulher, machado e carro. Portanto, para conseguir representar TODAS as palavras da língua portuguesa em fonemas, provavelmente, teria que se fazer uso de um dicionário fonético, o que deveria incluir, naturalmente, os nomes próprios. O presente projeto pretende resolver a construção fonética através de um algoritmo e através de tabelas de artigos, pronomes e radicais dos verbos, além de tabelas de sinônimos para pesquisas combinadas e aperfeiçoadas.

20 20 Ainda segundo Callou e Leite (2003), freqüentemente tem-se discutido a possibilidade de uma reforma ortográfica onde se levasse em consideração as relações entre a pronúncia e a ortografia portuguesa do Brasil e de Portugal e também procurasse aproximar o sistema de fonemas ao sistema de letras, como a substituição da letra s por z em palavras nas quais a letra s representa o som [z] (casa, mesa) e de ss, c, ç, e x por s para representarem o som [s] como em posso assado, cinderela, faço, próximo. Entretanto, esse sistema integrado letra-fonema é inviável, posto que teriam de ser levados em consideração todas as diferenças regionais, sócio-culturais e até mesmo individuais. Citam também que, quanto mais um idioma desenvolve-se, mais o sistema ortográfico afasta-se do sistema fonológico, como ocorre com os idiomas Inglês e Francês. Além disso, a simplificação abordada esbarra na questão das palavras homófonas como coser/cozer e cessão/sessão/seção, além de palavras como aterrisar e subsídios, para as quais existem duas pronúncias aceitáveis: ateri[s]ar e aterri[z]ar, sub[s]ídios e subs[z]ídios Vogais A classificação dos sons da língua Portuguesa é dividida em duas classes de sons: as vogais e as consoantes, que serão destacadas a seguir. As vogais são os fonemas possíveis de se obter em que a boca fica entreaberta e o som chegando ao exterior sem fazer ruído audível: a, é, ê, i, ô, ó, u. Na maioria das línguas (e no Português), qualquer sílaba tem que ter uma vogal, sendo essa vogal o segmento fonético pronunciado com maior força (CEGALLA, 2005). A vogal i possui um timbre claro ou agudo, enquanto u possui um timbre sombrio ou grave. O tipo compacto (a) ocupa, sob este aspecto, um lugar intermediário e neutro. Todos os sistemas vocálicos do mundo estão construídos sobre uma dupla oposição entre, por um lado, o agudo e grave (i u), e, por outro lado, o difuso e compactado (i-a, u-a), que podem ser simbolizados pelo triângulo apresentado na Figura 2, o que permite definir futuramente pesos apropriados em uma função de similaridade.

21 21 Figura 2: distribuição das vogais conforme a freqüência sonora (SILVA, 2007). Nas vogais, a zona de articulação (ponto onde se dá o contato dos órgãos) para a produção dos fonemas é a língua e o palato. Produz-se a vogal média a mantendo a língua baixa, quase em posição de descanso, e a boca entreaberta. Para passar da vogal a para as anteriores (é, ê, i), levanta-se gradualmente a parte anterior da língua em direção ao palato duro, ao mesmo tempo em que diminui-se a abertura da boca. Para produzir as vogais posteriores (ó, ô, u), eleva-se a parte posterior da língua em direção ao véu do palato, arredondando os lábios e mantendo a boca entreaberta (SILVA, 2007). Para a produção das vogais orais ([a], [e], [é], [i], [o], [ó], [u]), a corrente sonora é impedida de chegar às cavidades nasais pela úvula (campainha) levantada, então ressoa apenas na boca. Na emissão das vogais nasais dá-se o abaixamento da úvula, e a corrente sonora chega, em parte, às fossas nasais e nelas ressoa ([ã], [ẽ], [ῖ], [õ], [ũ]). O timbre das vogais resulta da maior ou menor abertura da boca. Para as vogais abertas (a, é, ó) a abertura é máxima e no caso das vogais fechadas (ê, ô, i, u) é mínima. As vogais átonas e e o são na maior parte das vezes proferidas como i e u, respectivamente: noite (nôitchi), tribo (tríbu). Na figura 3 pode-se ver a distribuição das vogais na língua Portuguesa.

22 22 Figura 3: Distribuição de vogais portuguesas (SILVA, 2007) De acordo com a NGB (Nomenclatura Gramatical Brasileira), as vogais são classificadas em: Zona de articulação - média: a (ave) - anteriores: é, ê, i (pé, vê, ri) - posteriores: ó, ô, u (nó, avô, tatu) Papel das cavidades bucal e nasal - orais: a, é, ê, i, ó, u (ato, sé, vê, vi, só, fogo, uva) - nasais: ã, õ - tônicas: pá, até, tupi, dó, luz Intensidade - subtônicas: arvorezinha, cafezinho, esplendidamente, somente - átonas: ela, mole, lição, lado, lugar, órfã, lençol Timbre - abertas: a, é, ó (lá, pé, cipó) - fechadas: ê, ô, i, u e todas as nasais (vê, amor, vi, cru, sã, lenda) - reduzidas: as vogais átonas orais ou nasais (vela, vale, vital, sapo) No quadro 1, pode-se ver um resumo da classificação das vogais da Língua Portuguesa, segundo o consenso entre os diversos autores e lingüistas.

23 23 Intensidade Tônicas Átonas Papel das Cavidades Bucal e Nasal Orais Nasais Orais Timbre Anteriores ou Palatais Região de Articulação Médias Centrais ou Posteriores ou Velares Fechadas I U Abertas e é Fechadas ῖ Ũ a O Ó ẽ ã Õ Fechadas i U Semifechadas Semiabertas Semifechadas Semifechadas Abertas Quadro 1: Classificação das vogais da língua Portuguesa (SILVA, 2007). e a O Chbane (1994) coloca que, do ponto de vista da fonética acústica, não há razão para considerar com til, exceto ã, como fonemas distintos, uma vez que seus espectros apresentam uma parte inicial idêntica ao das vogais que o iniciam, seguidos de uma parte muito semelhante a todos eles, que caracteriza o [m] final desses sons, deste modo podem ser tratados como o encontro de dois fonemas, com transições suaves entre duas configurações do trato vocálico. Ainda segundo Chbane, no Brasil, nas sílabas átonas ocorre a chamada neutralização, na qual as vogais anteriores e e i, quando em posição final, são reduzidas a uma única vogal [i], como na palavra tarde ([tardi]) e as vogais posteriores o e u, que são reduzidas a uma única vogal [u], como por exemplo: fomos ([fomus]) Semivogais Semivogais são fonemas vocálicos que se agrupam com a vogal em uma sílaba. Existem duas semivogais: /y/ e /w/. A semivogal palatal (representada por /j/ ou por /i / no AFI) é formada quando o pré-dorso da língua aproxima-se do palato

24 24 anterior, sem no entanto existir fricção de ar. Encontra-se essa semivogal, por exemplo em: leite /lej.ʧi/, cai /kaj/, dói /dɔj/, foi /foj/, cuidado /kuj.da.du/. A semivogal lábio-velar (representada por /w/ ou por /u / no AFI) é formada quando o pós-dorso da língua aproxima-se do palato posterior, ao mesmo tempo que existe um arredondamento dos lábios, sem no entanto existir fricção de ar. Encontra-se essa semivogal, por exemplo em: viu /viw/, meu /mew/, céu /sɛw/, mau /maw/, água /a. ɡwa/. Existe uma confusão entre semivogal e vogal devido ao fato da pronúncia das semivogais /j/ e /w/ ser parecida com a pronúncia das vogais /i/ e /u/, mas sobretudo devido ao se usar as letras vogais i e u para representar os sons semivocálicos /j/ e /w/. Uma semivogal nunca constitui um cume silábico. Apesar de acusticamente se aproximar de uma vogal, em nível funcional da fonologia uma semivogal aproximase de uma consoante. (CEGALLA, 2005) Ditongo Ditongo é a combinação de uma vogal com uma semivogal na mesma sílaba. Exemplos: pai, rei, sou pão, sério. Existem 30 ditongos segundo, conforme dados do quadro 2. ae ai ai ao au ei ei ẽi eu eu iu mãe, pães Pai, vaidade Cãibra, paina pão, mãos, falam (fálão) mau, degrau fiéis, papéis rei, leite, rejeito vivem, têm (tẽi) véu, céu meu, bebeu viu, partiu

25 25 oe oi oi ou ui ui ea eo ia ie io ao ua uã eu uẽ ui uῖ uo põe, limões, ações dói, herói, constrói coitado, foi dou, louco fui, ruivo, gratuito muito (mũito) área, orquídea róseo, níveo várias, sábia série, espécie lírio, curioso nódoa, mágoa água, quadra quando, enquanto tênue, eqüestre agüento, freqüente sangüinário, tranqüilo qüinquagésimo, pingüim aquoso, vácuo Quadro 2: Ditongos da Língua Portuguesa. (CEGALLA, 2005) Tritongo Tritongo é o conjunto de uma semivogal com uma vogal e mais uma semivogal, formando uma sílaba. Exemplos: iguais, averiguou, delinqüiu, Uruguai, saguões, deságuam, etc Hiato

26 26 Um hiato é o encontro de duas vogais pronunciadas em impulsos distintos, formando sílabas distintas. Exemplos: Saara (Sa-a-ra), faísca (fa-ís-ca), saúde (sa-úde), ciúme (ci-ú-me), lagoa (la-go-a), etc. (CEGALLA, 2005) Consoantes As consoantes são fonemas produzidos com obstáculos da passagem da corrente expiratória, ou seja, são fonemas que resultam da interferência de um ou mais órgãos da boca na passagem do ar que vem dos pulmões para a boca ou para as fossas nasais. Por exemplo: para produzir o fonema /b/ é preciso que os lábios se unam de forma a interromper a passagem do ar, e em seguida soltá-lo de modo abrupto e explosivo. As consoantes são fonemas dependentes, ou seja, só podem formar sílabas com o auxílio das vogais (CEGALLA, 2005). As consoantes são classificadas de acordo com o modo de articulação, ponto de articulação, função das cordas vocais e em função das cavidades bucal e nasal. O quadro 3 demonstra melhor a classificação de todas as consoantes. Quadro 3: Classificação das Consoantes (CEGALLA, 2005). Algumas características do modo de articulação das letras segundo Campagnaro (2008) são descritas a seguir.

27 27 - O "B" é a letra correspondente sonora efetuando com menos explosão aérea, sendo assim a pronúncia mais suave. - O "M" é a letra sonora (soando pelas vibrações das cordas vocais), nasal, bilabial, onde o lábio inferior e o superior tocam-se em toda sua extensão), sem pressão; a língua está deitada com a ponta atrás dos dentes inferiores, a úvula (campainha) abaixa-se deixando passar o ar pela cavidade nasal. - O "P" é uma letra surda (sem vibração das cordas vocais), oclusivas, bilabial, em que o lábio inferior e o superior se tocam em toda sua extensão. A pronúncia do "P" realiza-se por uma pressão aérea contra os lábios fechados. Parece que o ar explode na ponta dos lábios. - O "T" é uma letra surda (sem vibração das cordas vocais), oclusivas linguodental. A ponta da língua toca nos dentes superiores e na parte anterior do palato, de modo que nitidamente sente-se uma oclusão. O ar assim trancado "explode" com o súbito abaixamento do maxilar inferior e da língua. - O "D" é a letra correspondente sonora, efetuado com menos explosão aérea sendo assim a pronúncia mais suave. - O "N" é um fonema sonora (com vibrações das cordas vocais), nasal linguodental, onde a ponta da língua bate nos dentes superiores, levemente aberta úvula pendurada que deixa passar o ar pelo nariz com uma formação do "M". - O "Q" é uma letra surda (sem vibração das cordas vocais), oclusivas, velar, onde o dorso da língua se apóia contra a parte posterior do palato, fechando, assim a passagem do ar. A pronúncia do "Q" realiza-se por uma pressão aérea contra o dorso da língua, que cai subitamente, junto com o maxilar inferior. Pronúncia igual ao "Q" tem o "C" antes de "A", "O", "U". E a letra correspondente sonora é o "G" antes de "A", "O", "U", sendo assim a pronúncia mais suave. - O "F" é uma letra surda (formada sem som ou vibração da corda vocal), fricativa, labiodental por estar em contato o lábio inferior e dentes incisivos superiores, passando o ar expirado, por uma fenda assim formada. A Letra "V" é a correspondente sonora formada da mesma maneira com vibração das cordas vocais.