Python para Linguística de Corpus: Guia Prático

INTRODUÇÃO
	Linguística Aplicada
	Por que Python?
	A habilidade de programar
CAPÍTULO 1
1.Língua e Tecnologia
	1.1. Linguística de Corpus
		1.1.1. Definição de corpus
		1.1.2. Por que usar corpus?
		1.1.3. Onde encontrar corpora?
		1.1.4. O que os programas de análise de corpora podem fazer?
		1.1.5. Programas geralmente utilizados
		1.1.6. Lista de frequência de palavras
		1.1.7. Valores da composição do corpus
		1.1.8. Palavras-chave
		1.1.9. Concordâncias
		1.1.10. Colocados
		1.1.11. N-gramas
		1.1.12. Dispersão de palavras
CAPÍTULO 2
2. Ferramentas e métodos disponíveis
	2.1. Programas e páginas da Web
	2.2. Wordsmith Tools
	2.3. AntConc
	2.4. LancsBox
	2.5. Unitex
	2.6. Wmatrix
	2.7. Corpus COCA online
	2.8. Corpus do Português online
	2.9. Sketch Engine
	2.10. Sistema CorPor
	2.11. Kitconc
		2.11.1. Kitconc versão .NET (versão antiga)
		2.11.2. Kitconc Python (mais recente)
CAPÍTULO 3
3.Linguagem Python
	3.1. Primeiro programa
	3.2. Principais funcionalidades
		3.2.1. Comentários
		3.2.2. Operadores aritméticos, variáveis e tipos
		3.2.3. Expressões booleanas
		3.2.4. Operadores derivados de atribuição
		3.2.5. Operadores relacionais
		3.2.6. Operadores lógicos
		3.2.7. Execução condicional
		3.2.8. Funções
		3.2.9. Importação de funções
		3.2.10. Comandos de repetição
		3.2.11. Tratamento de erros
		3.2.12. Conversão de tipos
		3.2.13. Manipulação de strings
		3.2.14. Caracteres de escape
		3.2.15. Expressões regulares
		3.2.16. Listas
		3.2.17. Tuplas
		3.2.18. Dicionários
		3.2.19. Arquivos
		3.2.20. Classes
	3.3. Tipos especiais do módulo collections
CAPÍTULO 4
4. Coleta, organização e etiquetagem
	4.1. Critérios para uso e criação de corpus
	4.2. Formato eletrônico de textos
	4.3. Como conseguir textos
	4.4. Salvar textos com o bloco de notas
	4.5. Salvar textos com o Microsoft Word
	4.6. Salvar textos com o navegador de Internet
	4.7. Organização dos textos
	4.8. Compilação de corpus com o BootCaT
		4.8.1. Etapas para compilação do corpus com o BootCaT
	4.9. Extrair textos de arquivos pdf
	4.10. Definir a codificação de caracteres
	4.11. Remover etiquetas HTML de textos
	4.12. Extrair textos de arquivos XML
	4.13. Limpar textos por meio de substituições
	4.14. Anotar textos com o Webanno
	4.15. Etiquetagem de textos com o TreeTagger
CAPÍTULO 5
5. Análise de textos com NLTK e spaCy
	5.1. NLTK
		5.1.1. Instalar o NLTK
		5.1.2. Baixar os recursos linguísticos do NLTK
		5.1.3. Acessar o corpus Machado
		5.1.4. Acessar o corpus MacMorpho
		5.1.5. Acessar o corpus Floresta Sinta(c)tica
		5.1.6. Itemizar sentenças
		5.1.7. Itemizar palavras
		5.1.8. Realizar estemização de palavras
		5.1.9. Calcular a similaridade entre palavras
		5.1.10. Treinar um etiquetador morfossintático
		5.1.12. Usar seu próprio corpus
		5.1.13. Acessar um corpus não anotado
		5.1.14. Acessar um corpus anotado
		5.1.15. Contar palavras para criar listas de frequência
		5.1.16. Filtrar listas de frequência
		5.1.17. Exibir linhas de concordância
		5.1.18. Salvar linhas de concordância em arquivo
		5.1.19. Exibir gráficos de dispersão de palavras
		5.1.20. Encontrar colocações
		5.1.21. Extrair pacotes específicos
		5.1.22. Extrair pacotes considerando o contexto
		5.1.23. Sintaxe com gramáticas livre de contexto
	5.2. spaCy
		5.2.1. Instalar o spaCy
		5.2.2. Baixar modelos de idioma
		5.2.3. Carregar modelos e processar textos
		5.2.4. Itemização de sentenças
		5.2.5. Itemização de palavras
		5.2.6. Etiquetagem de palavras
		5.2.7. Dependências
		5.2.8. Entidades nomeadas
		5.2.9. Stopwords
CAPÍTULO 6
6. Processamento de dados quantitativos
	6.1. Linguística de Corpus e Estatística
		6.1.1. Teste de hipóteses
		6.1.2. População e amostra
		6.1.3. Amostragem aleatória simples
		6.1.4. Amostragem proporcional estratificada
		6.1.5. Amostragem sistemática
		6.1.6. Manipulação de tabelas com pandas
		6.1.7. Séries estatísticas
		6.1.8. Distribuição de frequência
		6.1.9. Frequências relativas ou normalizadas
		6.1.10. Lei de Zipf
		6.1.11. Agrupamentos em uma distribuição de frequência
		6.1.12. Medidas de posição em distribuição de frequência
		6.1.13. Medidas de dispersão ou variabilidade
		6.1.14. Combinação de frequências e dispersão
		6.1.15. Medidas de assimetria
		6.1.16. Probabilidade
		6.1.17. Gerar listas de palavras-chave
		6.1.18. Calcular estatísticas de associação
CAPÍTULO 7
7. Aprendizagem com dados linguísticos
	7.1. Dados para treinamento e teste de algoritmos
	7.2. Sistemas especialistas baseados em regras
	7.3. Exploração dos dados de treinamento para a tarefa
	7.4. Separação dos dados de treinamento e teste
	7.5. Seleção de atributos e formatação
	7.6. Treinamento e avaliação de um classificador
	7.7. Uso de resultados de classificadores em aplicações
	7.8. DecisionTreeClassifier
	7.9. MaxentClassifier
	7.10. NaiveBayesClassifier
	7.11. Exploração de dados com a aplicação Orange
	7.12. SklearnClassifier
	7.13. Aprendizado não supervisionado
	7.14. Modelagem de tópicos com gensim
		7.14.1. Principais conceitos
		7.14.2. Pré-processamento e vetorização
		7.14.3. Geração e uso de modelos
		7.14.4. Identificação automática de tópicos
		7.14.5. Avaliação de modelos (coerência de tópicos)
		7.14.6. Similaridade de palavras com Word2Vec
CAPÍTULO 8
8. Exploração de corpora com o Kitconc
	8.1. Instalar o kitconc
	8.2. Baixar exemplos
	8.3. Criar um corpus
	8.4. Gerar lista de frequência de palavras
	8.5. Extrair palavras-chave
	8.6. Gerar lista de frequência de etiquetas
	8.7. Agrupar frequência por arquivos do corpus
	8.8. Gerar linhas de concordância (KWIC)
	8.9. Exibir contexto a partir de sentenças
	8.10. Gerar lista de colocados
	8.11. Exibir gráfico de distribuição de colocados
	8.12. Exibir gráfico de colocados
	8.13. Gerar lista de pacotes (Clusters)
	8.14. Gerar lista de n-gramas
	8.15. Exibir gráficos de dispersão
	8.16. Exibir gráfico de dispersão de palavras-chave
	8.17. Retornar palavras do corpus
	8.18. Retornar sentenças itemizadas
	8.19. Retornar sentenças etiquetadas
	8.20. Treinar modelos de língua
	8.21. Exportar e importar corpora
	8.22. Inicializar a interface gráfica
CAPÍTULO 9
9. Visualização de dados linguísticos
	9.1. Recursos necessários
	9.2. Criar gráficos com o módulo matplotlib
	9.3. Criar gráficos estatísticos com pandas
	9.4. Criar nuvem de palavras
	9.5. Exibir gráfico de calor
	9.6. Exibir gráfico mosaico
	9.7. Exibir gráfico de dispersão de palavras
	9.8. Visualizar redes com o NetworkX
CAPÍTULO 10
10. Uso de corpus com bancos de dados
	10.1. Recursos necessários
	10.2. Estrutura para o banco de dados
	10.3. Criar banco de dados e tabelas
	10.4. Importar dados para as tabelas
	10.5. Criar índices em tabelas
	10.6. Retornar índices de palavras e etiquetas
	10.7. Retornar listas de frequência
	10.8. Retornar a frequência de colocados de uma palavra
	10.9. Retornar sentenças do corpus
	10.10. Retornar o contexto de uma palavra de busca
	10.11. Possibiliades
SOBRE O AUTOR
REFERÊNCIAS
ÍNDICE REMISSIVO