CoordenaÃÃo de AperfeiÃoamento de NÃvel Superior / RESUMO Esta tese, predominantemente teÃrica, postula que os sistemas lingÃÃsticos naturais tendem a uma regularizaÃÃo demonstrÃvel por meio de formas, categorias, classes e funÃÃes prototÃpicas. As formas representativas de prototipicidade de propriedades categoriais ou de classes de palavra sÃo construÃdas por intermÃdio de eleiÃÃes dos usuÃrios de determinadas comunidades lingÃÃsticas. Essas opÃÃes assentam-se ou sedimentam-se com base na freqÃÃncia de uso. Quanto mais freqÃentemente uma forma à usada, maior a possibilidade de gramaticalizaÃÃo acentuada, com perda de massa fÃnica e morfologizaÃÃo, com repercussÃes atinentes ao seu estatuto categorial em relaÃÃo aos paradigmas da lÃngua. A codificaÃÃo gramatical de toda e qualquer propriedade categorial (nÃmero, pessoa, gÃnero, tempo, modo, voz, etc), assim como das classes de palavras Ã, em Ãltima anÃlise, construÃda com base no uso. A propositura fundamental desta tese à a reivindicaÃÃo de uma nova categoria, a proformalidade, com vistas a reconfigurar as classes, de tal sorte que a reordenaÃÃo contemple quatro macroclasses de palavras, a saber: nomes (substantivos, adjetivos, numerais); verbos; advÃrbios; e elementos relacionais (juntores preposicionais e conjuncionais). Essa categoria afeta igualmente as subclasses das referidas macroclasses e os morfemas intralexicais codificadores das aludidas propriedades categoriais, com a admissÃo de uma movimentaÃÃo interclasse e intraclasse decorrente da incidÃncia de processos de gramaticalizaÃÃo. O cabedal teÃrico à constituÃdo do confronto de modelos epistemolÃgicos, com a opÃÃo por um amÃlgama de teses aristotÃlicas e prototipistas; da exposiÃÃo da natureza dos processos de gramaticalizaÃÃo, com a admissÃo de que lÃxico e gramÃtica sÃo seÃÃes diferenciadas pelo estatuto de gramaticalidade; da admissÃo da hipÃtese evolucionÃria para explicar os movimentos de gramaticalizaÃÃo de codificaÃÃes de maior transparÃncia (ou concretude referencial) e funÃÃes exofÃricas para funÃÃes estritamente intralingÃÃsticas. Ao longo dessa exposiÃÃo teÃrica, que confronta teses tradicionais sem desconsiderar seu proveito relativo, anÃlises ilustrativas de amostras de uso concreto da lÃngua portuguesa (coligidas do www.corpusdoportugues.org e de outros sÃtios da internet) sÃo empreendidas com vistas a fundamentar minimamente a razÃo de ser da tese fundamental. Destarte, esta proposta de classificaÃÃo gradua as macroclasses de palavras em dois macrogrupos, denominados de pleriformas e proformas, os quais sÃo discrepados com base na manifestaÃÃo mais ou menos acentuada da categoria proformalidade. Essa categoria responde pela fusÃo de conceitos pragmÃticos, cognitivos e lingÃÃsticos para explicar a prototipicidade de formas de classes, subclasses e morfemas intralexicais como itens exemplares de seus respectivos paradigmas. Sua exemplaridade provÃm da conservaÃÃo de traÃos semÃnticos mÃnimos no interior de cada classe, subclasse ou paradigma mÃrfico intralexical, de tal modo que uma proforma pode desempenhar funÃÃo supletiva com freqÃÃncia majoritÃria, conquanto nÃo absoluta, ou representar prototipicamente todos os membros de sua classe, subclasse ou paradigma mÃrfico intralexical. A compreensÃo de que os processos de variaÃÃo e mudanÃa lingÃÃstica, em especial a gramaticalizaÃÃo, responde pela fluidez categorial nos levou a compor escalas de continua dentro das diversas macroclasses proformais, com vistas a exemplificar o trÃnsito interclasse e intraclasse com diferentes graus de gramaticalidade (observando-se para a avaliaÃÃo do estatuto de gramaticalidade, fatores de ordem mÃrfica, sintÃtica e semÃntica). Por outras palavras, a elaboraÃÃo das escalas tem por interesse ilustrar que o estatuto de gramaticalidade de pleri- e proformas disponÃveis para codificaÃÃo lingÃÃstica de toda ordem pode variar entre as classes, entre as subclasses de uma mesma classe, entre os morfemas intralexicais e entre funÃÃes sintÃtico-semÃnticas. Desse modo, no interior de cada macroclasse pleri- e proformal, de suas subclasses e de suas propriedades categoriais constitutivas, as formas apresentam estatutos de gramaticalidade variados, a depender de sua maior, menor ou mÃltipla filiaÃÃo, respectivamente, a macroclasses, a subclasses, ou a maior ou menor expressÃo morfologizada de uma propriedade categorial. As disputas, portanto, entre lÃxico e gramÃtica, condicionadas por fatores cognitivos e pragmÃticos, ocorrem entre as classes, as subclasses e os morfemas intralexicais codificadores de propriedades categoriais. Por fim, a tese presta um tributo à tradiÃÃo por ter, de um modo ou de outro, chamado atenÃÃo, ou intuÃdo, para a propensÃo de os sistemas lingÃÃsticos apresentarem, de modo periodicamente refundido, uma contraparte mais genÃrica de cada macroclasse, subclasse e morfemas intralexicais. Contudo, esse entendimento se refletiu ou se resumiu estrita e/ou principalmente à classe pronominal. Justifica-se, assim, a consideraÃÃo dos pronomes como os protÃtipos das proformas, ou seja, como seus exemplares tÃpicos ou melhores representantes. / This thesis, predominantly theoretical, postulates that the natural linguistic systems tend to regularization demonstrable through prototypical forms, categories, classes and functions. The representative forms of categorical properties prototypicality are built by means of user-determined choices of language communities. These choices settle down or sediment on the basis of usage frequency. The more often a given form is used, the greater the possibility of stressed grammaticalization, with the loss of phonic mass and the morphologicalization with germane repercussions to the categorical status in relationship to the language paradigms. The grammatical codification of each and every categorical property (number, person, size, gender, tense, mood, voice, and so on), as well as the word classes, is, in the last analysis, construed on the basis of the use. The fundamental proposition of this thesis is the claim for a new category, proformality, in pursuit of reconfiguring the word classes, in such a way the reordination considers four word macroclasses, to wit: nouns (substantives, adjectives, numerals); verbs; adverbs; and relational elements (prepositional and conjunctional connectors). This category affects not only the subclasses of the above mentioned macroclasses but also the intralexical morphemes codifying the referred categorical properties, with the admission of a interclass and intraclass moving as a consequence of the incidence of grammaticalization processes. The theoretical support is constituted by the confrontation of epistemological models, with the final option for an amalgam of Aristothelic and prototypical theses; by the exposition on the grammaticalization processes nature, with the assumption that lexicon and grammar are differentiated sections by virtue of the grammaticality status; by the admission of the evolutionary hypothesis to explain the movements of grammaticalization of codifications of bigger transparence (referential concreteness) and exophoric codifications to strictly intralinguistic functions. Along of that theoretical exposition, which confronts traditional theses without disregarding its relative profit, illustrative analyses of samples taken from the concrete use of Portuguese language (collected from www.corpusdoportugues.org and other internet sites) are undertaken aiming to found minimally the fundamental reason of this thesis. Thus, this proposition of classification gradates the word macroclasses in two macrogroups, named pleriforms and proforms, which are distinguished on the basis of the manifestation more or less stressed of proformality category. This category accounts for the fusion of pragmatic, cognitive and linguistic concepts in order to explain the prototypicality of forms related to classes, subclasses and intralexical morphemes as model items of their correspondent paradigms.Its exemplarity comes from the conservation of minimal semantic features at the bottom of each class, subclass and intralexical morphemic paradigm, in such a way a proform can perform a suppletive function with large-scale frequency, even though not absolute, or represent prototypically all of the members of its class, subclass or intralexical morphemic paradigm. The comprehension that the processes of variation and linguistic change, especially grammaticalization, accounts for categorical fluidity led us to produce scales of continua inside several proformal macroclasses, aiming to exemplify the movement inside the same class and among the different classes with different degrees of grammaticality ( to do that, one observes factors of morphological, syntactic and semantic factors). In other terms, the elaboration of scales aims to illustrate that the status of grammaticality of available pleri- and proforms to any kind of linguistic codification can vary among the classes, the subclasses of the same class, the intralexical morphemes and syntactic-semantic functions. So inside each pleri- and proformal macroclass, inside its subclasses and inside its constitutive categorical properties, forms present different levels of grammaticality on the basis of its greater, lesser or multiple membership, respectively, on macroclasses, subclasses, greater or lesser morphological expression of a categorical property. Therefore, the disputes among lexicon and grammar, conditioned by cognitive and pragmatic factors, occur inside the classes, the subclasses and the intralexical morphemes codifying categorical properties. Finally this thesis pays tribute to the tradition since it has paid attention, one way or the other, to the propension of linguistic systems to put forward, in a periodically remolded way, the more generic counterpart of each macroclass, subclass and intralexical morphemes. However, this understanding has been strictly or mainly reflected and subsumed to the so called pronominal class. That is the reason why it is justifiable the consideration that pronouns are the prototypes of proforms, that is, they are their typical exemplars or their better representatives.

[pt] A dissertação Classes de palavras — da Grécia Antiga ao Google: um estudo motivado pela conversão de tagsets consiste em um estudo linguístico sobre classes gramaticais. A pesquisa tem como motivação uma tarefa específica da Linguística Computacional: a anotação de classes gramaticais (POS, do inglês part of speech ). Especificamente, a dissertação relata desafios e opções linguísticas decorrentes da tarefa de alinhamento entre dois tagsets: o tagset utilizado na anotação do corpus Mac-Morpho, um corpus brasileiro de 1.1 milhão de palavras, e o tagset proposto por uma equipe dos laboratórios Google e que vem sendo utilizado no âmbito do projeto Universal Dependencies (UD). A dissertação tem como metodologia a investigação por meio da anotação de grandes corpora e tematiza sobretudo o alinhamento entre as formas participiais. Como resultado, além do estudo e da documentação das opções linguísticas, a presente pesquisa também propiciou um cenário que viabiliza o estudo do impacto de diferentes tagsets em sistemas de Processamento de Linguagem Natural (PLN) e possibilitou a criação e a disponibilização de mais um recurso para a área de processamento de linguagem natural do português: o corpus Mac-Morpho anotado com o tagset e a filosofia de anotação do projeto UD, viabilizando assim estudos futuros sobre o impacto de diferentes tagsets no processamento automático de uma língua. / [en] The present dissertation, Part of speech — from Ancient Greece to Google: a study motivated by tagset conversion, is a linguistic study regarding gramatical word classes. This research is motivated by a specific task from Computational Linguistics: the annotation of part of speech (POS). Specifically, this dissertation reports the challenges and linguistic options arising from the task of aligning two tagsets: the first used in the annotation of the Mac-Morpho corpus — a Brazilian corpus with 1.1 million words — and the second proposed by Google research lab, which has been used in the context of the Universal Dependencies (UD) project. The present work adopts the annotation of large corpora as methodology and focuses mainly on the alignment of the past participle forms. As a result, in addition to the study and the documentation of the linguistic choices, this research provides a scenario which enables the study of the impact different tagsets have on Natural Language Processing (NLP) systems and presents another Portuguese NLP resource: the Mac-Morpho corpus annotated with project UD s tagset and consistent with its annotation philosophy, thus enabling future studies regarding the impact of different tagsets in the automatic processing of a language.

[pt] Este trabalho tem por objetivo prover um critério operacional para caracterizar substantivos em combinações de substantivo seguido de adjetivo, em que o substantivo apresenta situação análoga à dos chamados verbos leves ou verbos-suporte, largamente estudados em Lingüística e Processamento de Linguagem Natural nos últimos anos. O trabalho se situa na confluência entre estudos lingüísticos, lexicográficos e computacionais e pretende explorar a potencialidade da análise automática de corpora e instrumentos quantitativos em busca de uma maior objetividade na fundamentação de conceitos que norteiam a atividade de análise lingüística. O desenvolvimento da pesquisa alia a pesquisa em corpus ao dicionário tradicional para realizar o levantamento das principais propriedades das combinações S - Adj, particularizado para o caso de ocorrência de adjetivos denominais. A partir das informações lexicográficas e contextuais demonstra-se a existência de um conjunto de substantivos que participam das construções estudadas de maneira semelhante aos verbos- suporte em combinações V - SN. Um método automático de reconhecimento dos substantivos-suporte em textos é elaborado, com o objetivo de fornecer aos estudiosos um instrumento capaz de produzir evidências convincentes, dada a insuficiência de julgamentos intuitivos para justificar a delimitação de expressões de aparente irregularidade. / [en] The main goal of this work is to provide operational criteria for characterizing nouns in Noun - Adjective combinations, in which the noun occurs in an analogous way to so called light verbs or support verbs, widely studied in recent years in both Linguistics and Natural Language Processing. In the work, linguistic, lexicographic and computational studies converge in order to explore the potential for automatic analysis of corpora, whose aim is to provide quantitative tools and methods which would lead to a more objective way of establishing concepts which underlie linguistic analysis. The work unites corpus-based research with traditional lexicography in order to elicit the main properties of the N-Adj combinations occurring with denominal adjectives. The lexicographic and contextual data reveal the existence of a set of nouns that occur in the studied constructions in a way similar to light verbs in V-Noun phrasal combinations. An automatic method for recognizing support nouns in texts is developed, which will provide language specialists with an instrument capable of bringing solid evidence to add to intuitive judgments in the task of justifying the delimitation of expressions that are apparently irregular

[pt] Este trabalho teve por objetivo descrever, analisar e discutir comparativamente tipologias semânticas de advérbios propostas em duas vertentes dos estudos da linguagem: a Gramática Tradicional, de um lado, e a Lingüística de orientação funcionalista, de outro. Para tal, mapeamos tipologias encontradas em um conjunto representativo de gramáticas tradicionais do português e em uma amostra não menos representativa de trabalhos de lingüistas brasileiros que se debruçaram sobre o tema adotando uma abordagem funcionalista. Propusemos dois quadros tipológicos resumitivos das duas vertentes de classificação, nos quais buscamos identificar as principais classes semânticas estabelecidas em cada uma das duas vertentes. Aplicamos, então esses dois instrumentos de classificação a um mesmo corpus de frases autênticas do português (extraído do centro de recursos distribuídos Linguateca/Frases PB), e analisamos os resultados comparando as duas classificações quanto aos seguintes critérios: (a) abrangência; (b) explicitude; e (c) adequação aos propósitos norteadores (normativo-didáticos ou teórico-descritivos). Tendo em vista tais critérios, apontamos vantagens e desvantagens relativas dos dois tipos de classificação e destacamos alguns problemas enfrentados igualmente na tradição gramatical e na lingüística funcionalista no que tange a caracterização do comportamento semântico dos advérbios. / [en] This work aims to describe, analyze and discuss comparatively semantic typologies of adverbs proposed in two srands of linguistic studies: Traditional Grammar on the one hand and Functional Linguistics on the other. For that, we analyzed and mapped typologies found in a representative set of Portuguese traditional grammars as well as in an equally significant sample of funtictionally-oriented Brazilian linguistic studies. Two typological schemes were proposed to represent the two approaches, identifying the main semantic categories established in each one of them. These two classification instruments were then applied to the analysis of a corpus of Portuguese authentic sentences (an excerpt from the corpus made availble by Linguateca/Frases PB). The classifications were analyzed and compared according to the following criteria: a) range; b) explicitude; c) suitability to purposes (didactic-normative and/or descriptive-theoretical). Using these criteria, it was possible to point out relative advantages and disadvantages in both types of approach and to expose some problems faced equally by traditional grammar and functional linguistics concerning the semantic behaviour of adverbs.