Acesso a corpos de português: Projecto AC/DC: corpo ENPCPUB (parte em português)

O corpus ENPCPORT (do qual o ENPCPUB é a parte para cuja disponibilização obtivemos autorização) encontrava-se codificado em SGML, apenas com ligeiras alterações em relação à codificação sugerida pelo TEI (Text Encoding Initiative).

Cada obra (extracto) encontrava-se em ficheiro separado, com frases e parágrafos identificados e numerados, e anotada a sua correspondência com o texto original (alinhamento).
Não mantivemos a informação de formatação (por exemplo itálico), de revisão (correcção do revisor) e retirámos as notas (por serem poucas, e todas notas de tradutor e não de autor). No caso das obras não estarem divididas em partes, juntámos uma divisão "parte única".

Estrutura do corpo Utilizámos como marcadores estruturais texto, parte, capitulo, p e s. Não mantivemos a informação de formatação (por exemplo itálico), de revisão (correcção do revisor) e retirámos as notas (por serem poucas, e todas notas de tradutor e não de autor). No caso das obras não estarem divididas em partes, juntámos uma divisão "parte única". O corpus inclui os atributos estruturais obra e variante (com os valores PT ou BR). Versão do corpo Corpus ENPCPUB, versão de 31 de Dezembro de 2001, anotado a 14 de maio de 2014, v. 7.7 Excerto do corpo <texto Ah1tp-4.txt> <parte 1> Prólogo : 1985 <p par=1> <s frase=1> No 747 , na primeira classe e meia hora depois da partida de Londres, o Dr. Andrew Jordan pegou a mão da mulher. </s> </p> <p par=2> <s frase=2> -- Não se preocupe -- recomendeu ele . </s> Dados quantitativos Corpo ENPCPUB Número de formas Número de tipos Unidades 93164 12895 Total de palavras 72374 12874 Palavras em minúscula 57621 10250 Palavras com inicial maiúscula 7077 1689 Palavras todas em maiúsculas 41 19 Números 137 78 Palavras com números 1 1 Palavras mistas 16 13 Pontuação 5363 21 Número de unidades estruturais Atributo Número p 1682 s 4369 texto 5 parte 8 capitulo 25 mwe 1639 Contabilização de multipalavras Número de entidades Número de unidades Nomes próprios 2542 3305 Locuções 1639 3567 Palavras gráficas 72374 72374 Palavras simples 65502 65502 Palavras 69683 72374 Distribuição por categoria gramatical Categoria gramatical Expressão de procura Número de palavras Percentagem do corpo Substantivos N|N[^U].* 13273 20,26% Verbos V.* 12774 19,50% Adjectivos ADJ.* 3853 5,88% Pronomes pessoais .*PERS.* 3101 4,73% Preposições PRP.* 10737 16,39% Conjunções K.* 3963 6,05% Advérbios ADV.* 5434 8,30% Determinantes .*DET.* 12183 18,60% Especificadores .*SPEC.* 1562 2,38% Numerais NUM.* 775 1,18% Para informação sobre como foram obtidos este valores, consulte esta página

[ Exemplos | Atomização | Anotação | Corpos | Agradecimentos ]