Processamento da linguagem natural na área da música: técnicas e tecnologias

Estudo exploratório sobre extração automática de conceitos com base no Processamento da Linguagem Natural (PLN). O objetivo da pesquisa consiste em analisar o cenário práticoconceitual da extração automática, visando a sistematização e organização de ferramentas de gestão terminológica e recuperação da informação por meio da estruturação de um vocabulário da área de Música. Apresenta os fundamentos da representação da informação e explica as ferramentas semânticas para interpretação organizada de estruturas do conhecimento, bem como as expressões de conceitos de um domínio, que representam a maior proximidade entre a linguagem ou termos utilizados pelos usuários em sistemas de buscas. Discorre sobre a categorização de domínios de especialidade fundamentada por Ranganathan. Expõe o PLN como sub-área da Linguística Computacional, que propicia a extração de termos com maior precisão semântica para recuperação da informação em sistemas de busca automatizados. Caracteriza os níveis, limitações e a arquitetura do PLN em bancos de dados, representados pelo léxico e acessado por analisadores léxicos, sintáticos e semânticos. Indica as tipologias de softwares para processamento de corpus e extratores de candidatos a termos, dividindo-os em três categorias: estatísticos, linguísticos e híbridos. Aborda o Domínio Musical em suas várias facetas de expressão, artística, antropológica e representação da informação musical. A metodologia e a descrição da pesquisa caracteriza-se como pesquisa aplicada, de natureza descritiva, utiliza os procedimentos de pesquisa bibliográfica e documental das áreas de CI, Linguística, Computação e Música, assumindo assim, o caráter interdisciplinar. Emprega o modelo de pesquisa em PLN, com o corpus composto pela amostra de 10 dissertações e 10 teses, disponíveis em 11 bases de dados de Programas de Pós Graduação em Música no Brasil e na Biblioteca Digital de Teses e Dissertações (BDTD), e 30 artigos de revistas científicas especializadas em Música, ambos os gêneros técnico-científicos produzidos entre os anos de 2003 à 2013. Utiliza o ambiente colaborativo de gestão terminológica, E-termos, para extração automática de termos, que irão compor o vocabulário controlado do domínio musical. Apresenta como resultados um corpora classificado como grande em termos quantitativos, composto por 424 textos com um total de 9.482.246 palavras, fato que implica na obtenção de um nível de representatividade alta de termos, classificada como médio-grande para construção do vocabulário de Música. Mostra as etapas executadas pelo E-termos para compilação, análise de corpus, contadores de freqüência e extração automática de termos. Apresenta o comparativo entre as categorias estruturadas por indexação manual e extração automática. Conclui indicando que a extração automática baseada em PLN constitui-se de uma ferramenta efetiva para a tradução da linguagem natural, utilizando as expressões utilizadas para a busca da informação como objetos lingüísticos e rapidez na construção de terminologias