P opos a ecebida em 21 de Ma ¸co 2018 e acei e pa a publica¸c˜ao em 16 de Julho 2018.
Es a ´egias Lexicom´e icas pa a De e a Especi icidades Tex uais
Lexicome ic s a egies o de ec ex ual speci ici ies
´
Al a o I ia e
Uni e sidade do Minho
G upo Galab a-UMinho
[email p o ec ed]
Pablo Gamallo
Uni e sidade de San iago de Compos ela
CiTIUSiTIUS-USC
[email p o ec ed]
Albe o Sim˜oes
2Ai — Poly echnic Ins i u e o C´a ado and A e
Ba celos, Po ugal
G upo Galab a-UMinho
[email p o ec ed]
Resumo
Nes e a igo p opomo-nos a de ini e desen ol e
uma es a ´egia au om´a ica pa a p ocu a especi icida-
des lexicais den o de conjun os de ex os u ilizando
unidades lexicais simples e exp ess˜oes com ´a ias pa-
la as, ou e mos mul ipala a (MWE, a sua sigla em
inglˆes).
P opomos uma me odologia pa a o c´alculo da di-
e gˆencia de dis ibui¸c˜oes de lemas e de MWE que
pe mi i ´a encon a , au oma icamen e, di e en¸cas e
semelhan¸cas en e ex os n˜ao ano ados. Es a me odo-
logia pode ´a se u ilizada pa a pos e io men e iden i-
ica g upos de ex os sob e os quais se p ocede ´a a
an´alises quan i a i as e quali a i as semiau om´a icas
e/ou com in e en¸c˜ao humana.
Num p imei o es e, u ilizamos dois ex os de es-
pecialidade (da ´a ea da pedia ia) e um ex o li-
e ´a io, p esumindo que os ex os de especialidade de-
e iam ap esen a maio es di e gˆencias ela i amen e
ao ex o li e ´a io do que en e eles p ´op ios. Como
os es es ei os mos a am a endˆencia espe ada, de-
cidimos aplica a mesma me odologia a um segundo
g upo de ex os ( ˆes conjun os de en e is as a isi-
an es da cidade de San iago de Compos ela).
Pala as cha e
di e gencia de Kullback-Leible , di e gˆencia lexical,
lexicome ia
Abs ac
In his a icle we p opose o o de ine and de elop
an au oma ic s a egy o sea ch o lexical speci ici-
ies wi hin se s o ex s using simple lexical uni s and
mul iwo d exp essions (MWE).
We p opose a me hodology o calcula ing he di-
e gence o lemma and MWE dis ibu ions ha will
au oma ically ind di e ences and simila i ies be ween
unlabeled ex s. This me hodology can be used o
subsequen ly iden i y g oups o ex s o which quan-
i a i e and quali a i e analyzes will be applied (se-
miau oma ically and/o wi h human in e en ion).
In a i s es , we used wo specialized ex s ( om
he a ea o Paedia ics) and a li e a y ex , assuming
ha he ex s o special y should p esen g ea e di-
e gences wi h espec o he li e a y ex han among
hemsel es. As he es s ha we e done showed he
expec ed end, we decided o apply he same me ho-
dology o a second se o ex s ( h ee se s o in e iews
done o isi o s in he ci y o San iago de Compos-
ela).
Keywo ds
Kullback–Leible di e gence, lexical di e gence, lexi-
come y
1 In odu¸c˜ao
Den o das Ciˆencias Humanas e Sociais e mais
conc e amen e nas Humanidades Digi ais, h´a
uma necessidade cada ez maio de e acesso
a e amen as compu acionais e es a ´ıs icas que
pe mi am de e a semelhan¸cas e di e en¸cas en-
e g upos de ex os (Kilga i ,1996) ou medi a
iqueza lexical dos mesmos (Tweedie & Baayen,
1998). As an´alises quan i a i as baseadas na dis-
ibui¸c˜ao de a¸cos lingu´ıs icos s˜ao essenciais pa a
o desen ol imen o de abalhos lingu´ıs icos e so-
ciolingu´ıs icos que p ocu am especi icidades e di-
e en¸cas em ex os de na u eza e o igem di e -
sas. Den o dos a¸cos lingu´ıs icos, ˆem especial
ele ˆancia as ca ac e ´ıs icas lexicais dos ex os.
P opomo-nos a de ini e desen ol e uma es-
a ´egia au om´a ica pa a p ocu a especi icida-
des lingu´ıs icas, nomeadamen e especi icidades
lexicais, den o de conjun os de ex os. O l´exico
DOI: 10.21814/lm.10.1.263
This wo k is Licensed unde a
C ea i e Commons A ibu ion 4.0 License
Linguam´
a ica — ISSN: 1647–0818
Vol. 10 N´um. 1 2018 - P´ag. 19–26
u ilizado po di e en es indi ´ıduos pode di e i
subs ancialmen e segundo as p op iedades e ca-
ac e ´ıs icas dos mesmos, incluindo, como e e-
mos, g´ene o, p o iss˜ao, es udos, e c. O nosso ob-
je i o n˜ao ´e an o iden i ica especi icidades ex-
uais em ela¸c˜ao ao con e´udo espec´ı ico do ex o
nem ao seu es ilo ( amanho de ases e pala as,
e c.), mas sim em ela¸c˜ao ao uso de unidades
lexicais simples (lemas/pala as) e e mos mul-
ipala a (MWE), en endidos aqui como com-
bina¸c˜oes lexicais, n-g ams ou cadeias de pala-
as (Maia e al.,2008;S ubbs & Ba h,2003)
e n˜ao no sen ido de combina¸c˜oes lexicais es i-
as, mais equen e den o da linguis ica e da le-
xicog a ia (Mel’ˇcuk e al.,1995), combina¸c˜oes le-
xicais que de e iam unciona melho do que as
pala as simples ou os lemas, pa a de e a di-
e gˆencias e con e gˆencias ex uais, po que de e-
iam ap esen a alo es de di e gˆencia maio es.
P opomos uma me odologia pa a o c´alculo da
di e gˆencia de dis ibui¸c˜oes de lemas e de MWE
que pe mi i ´a encon a , au oma icamen e, di-
e en¸cas e semelhan¸cas en e ex os n˜ao ano-
ados. Es a me odologia pode ´a se u ilizada
pa a pos e io men e iden i ica g upos de ex-
os di e enciados sob e os quais se p ocede ´a
a an´alises quan i a i as e quali a i as semiau-
om´a icas e/ou com in e en¸c˜ao humana. A iden-
i ica¸c˜ao des es conjun os de ex os com maio
g au de con e gˆencia pode ´a, assim, se ei a
sem nenhum ipo de c i ´e io ou conhecimen o
p ´e io, como o que es ´a a se u ilizado nos es es
do p esen e a igo ( adu¸c˜ao li e ´a ia s. ex o
´ecnico;en e is as a uni e si ´a ios s. en e is-
as a n˜ao uni e si ´a ios, e c., pe mi indo assim
abo dagens, nas an´alises e e idas, com menos
iscos de ieses cogni i os ou a ´e de p econcei-
os.
As nossas hip´o eses de pa ida o am:
1. A di e gˆencia de Kullback-Leible (di-
e gˆencia KL) pe mi e compa a dis i-
bui¸c˜oes de pala as e MWE, o que pode ´a
se usado pa a compa a au oma icamen e
ex os n˜ao ano ados p e iamen e;
2. O uso de combina¸c˜oes lexicais pa a de e a
di e gˆencias e con e gˆencias ex uais de e-
ia unciona melho do que o uso de pala-
as simples, po que ap esen a ´a alo es de
di e gˆencia maio es.
Pa a le a a cabo o obje i o acima sublinhado,
desen ol e emos um m´e odo conc e o de c´alculo
da di e gˆencia lexical en e ex os com base,
p incipalmen e, na ex a¸c˜ao de MWE. Pensamos
que es a abo dagem pode ´a ac escen a alo `as
an´alises lexicom´e icas com base na unidade pala-
a. Uma ez que es as, as pala as, n˜ao uncio-
nam como unidades isoladas (Saussu e,1999;I i-
a e,2001), conside amos uma mais- alia pa a os
abalhos de lexicome ia e ex ome ia o ac o de
ul apassa a pala a como unidade de an´alise e
desc i¸c˜ao lingu´ıs ica. ´
E no m´ınimo es anho que,
com o su gimen o de e amen as in o m´a icas
que pe mi i am abo dagens lingu´ıs icas mais em-
pi is as, se con inue a abalha com ca ego ias
g ama icais (PoS) j´a documen adas pelos g egos
no ano 100 a.C. (Robins,1997).
O a igo o ganiza-se da seguin e manei a:
abalho elacionado (sec¸c˜ao 2), desc i¸c˜ao do
m´e odo (sec¸c˜ao 3), expe iˆencias (sec¸c˜ao 4) e con-
clus˜oes.
2 T abalho elacionado
O p esen e a igo p esen a uma es a ´egia pa a
a compa a¸c˜ao ex ual. Exis em nume osos
m´e odos cujo obje i o ´e amb´em a compa a¸c˜ao
quan i a i a en e ex os, alguns deles cen ados
no es ilo o mal e ou os no con e´udo ex ual.
En e os m´e odos es il´ıs icos e o mais, um dos
mais comuns ´e o que calcula a di e sidade lexical
a pa i de uma am´ılia de medidas baseadas na
ela¸c˜ao en e o n´ume o de unidades lexicais e o
amanho o al do ex o, sendo a mais b´asica a
a io en e ipos e okens, chamada TTR (Mc-
Ca hy & Ja is,2010;Fe gadio is e al.,2013).
Es e m´e odo pe mi e medi a iqueza lexical dos
ex os, mas n˜ao es abelece a compa a¸c˜ao en e
eles com base no ipo de unidades lexicais u ili-
zadas. Ou os m´e odos es il´ıs icos cen am-se na
legibilidade e complexidade dos ex os com base
no cˆompu o do amanho das ases (pe cen agem
de pala as po o a¸c˜ao) e das p ´op ias pala as
(pe cen agem de s´ılabas po pala as) (Lough-
an & McDonald,2013), como o que deu luga
ao es e de legibilidade chamado Flesch-Kincaid,
que mede a di iculdade de um ex o pa a se
comp eendido no p ocesso de lei u a. Em com-
pa a¸c˜ao com os es il´ıs icos e o mais, os m´e odos
ocados no con e´udo semˆan ico dos ex os calcu-
lam a simila idade ex ual com base em modelos
dis ibucionais e embeddings, que po sua ez o-
am inspi ados pelos m´e odos que calculam a si-
mila idade semˆan ica en e o a¸c˜oes. As pala as
s˜ao ep esen adas como e o es de con ex os e
os documen os (ou pequenos ex a os de ex os)
s˜ao modelados como a soma desses e o es. A
compa a¸c˜ao en e os ex a os ex uais ´e le ada a
cabo median e medidas de simila idade en e e-
o es, sendo a mais comum a do coseno (Agi e
e al.,2016;Mikolo e al.,2013). A di e sidade
lexical e a legibilidade s˜ao es a ´egias quan i a-
20– Linguam´
a ica ´
Al a o I ia e, Pablo Gamallo & Albe o Sim˜oes
i as mui o gen´e icas cen adas no es ilo e na
o ma, enquan o a simila idade dis ibucional ´e
um m´e odo mui o mais espec´ı ico ao oca -se no
con e´udo. O m´e odo p opos o no p esen e a igo,
cen ado na di e gˆencia lexical median e lemas e
MWE, si ua-se a um n´ı el in e m´edio en e o o -
malismo es il´ıs ico e o con e´udo ex ual.
Ou os abalhos mais p ´oximos do nosso ex-
plo am a¸cos lingu´ıs icos conc e os —po exem-
plo uso de p onomes pessoais, de pala as com
pola idade, de modi icado es nominais, e c.—,
com o in ui o de de e a ca ac e ´ıs icas ex uais
p ´op ias de g upos sociais: homens/mulhe es, jo-
ens, e c. (A gamon e al.,2003)
Po ou o lado, e j´a o a do ˆambi o do PLN,
o abalho da Rede Galab a1cen a-se, de ma-
nei a especial, em p oje os de in es iga¸c˜ao e-
lacionados com os discu sos e p ´a icas cul u ais
na comunidade e os seus impac os, nas suas di-
mens˜oes econ´omicas, ambien ais, sociocul u ais
ou simb´olicas (To es-Feij´o,2015;Pazos-Jus o
e al.,2018)
As nossas esponsabilidades, den o dos e e-
idos p oje os, es ˜ao elacionadas com o a a-
men o lingu´ıs ico (nomeadamen e a ex a¸c˜ao e -
minol´ogica e a an´alise lexicom´e ica) dos co po a
cons i u´ıdos: inqu´e i os, en e is as, g a a¸c˜oes
de g upos de discuss˜ao e co pus documen al j´a
ca alogado ( d. in a).
U ilizando as mesmas o ien a¸c˜oes me o-
dol´ogicas e o mesmo co pus, en a -se-´a epli-
ca alguns esul ados dos p oje os da Rede Ga-
lab a ( inalizados e em cu so)2. Rei indica a e-
1h ps:// edegalab a.o g/
2En e ou os:
- Discu sos, im´agenes y p ´ac icas cul u ales sob e
San iago de Compos ela como me a de los Caminos
de San iago. P oje o de 3 anos de du a¸c˜ao inanciado
pela Subdi ecci´on Gene al de P oyec os de In es i-
gaci´on. Di ecci´on Gene al de In es igaci´on Cien ´ı ica
y T´ecnica. Minis e io de Econom´ıa y Compe i i i-
dad. Gobie no de Espa˜na [C´odigo: FFI2012-35521]
(2012-2015); h ps:// edegalab a.o g/discu sos-
imagens-e-p a icas-cul u ais-sob e-san iago-de-
compos ela-como-me a-dos-caminhos
- Bienes a de la comunidad local a a ´es de na a i as
y usos cul u ales: San iago y el Camino ac ual [em cu so];
- Discu sos sob e San iago de Compos ela y el/los Ca-
mino(s) de San iago en la no ela espa˜nola ac ual (2010)
a a ´es de ´ecnicas anal´ı icas digi ales: Posibilidades y
alo del conocimien o gene ado [Tese de dou o amen o
de Ma ´ıa Luisa Fe n´andez, o ien ada po Elias J. Feij´o e
Robe o Sama im (G upo Galab a da Uni . de San iago
de Compos ela e G upo Galab a-UMinho)];
- “Na a i as, usos e consumos de isi an es como alia-
dos ou amena¸cas pa a o bem-es a da comunidade local:
o caso de San iago de Compos ela” (Re : FFI2017-88196-
R), pa cialmen e subsidiado pelo Minis e io de Indus ia,
Econom´ıa y Compe i i idad do Go e no da Espanha no
quad o do P og ama Es a al de I+D+I O ien ada a los
plica¸c˜ao dos esul ados na ´a ea das Ciˆencias Hu-
manas e Sociais (CHS) ´e de suma impo ˆancia,
uma ez que ´e uma p ´a ica pouco equen e, o
que impede consolida e alida mui as das nos-
sas pesquisas em CHS como in es iga¸c˜ao di a ci-
en ´ı ica.
As nossas a e as consis em em explo a , de
manei a au om´a ica ou semiau om´a ica, odo o
po encial dos inqu´e i os e en e is as ei os aos
isi an es, bem como a impo an e base de dados
compos a pelos p odu os li e ´a ios e cul u ais j´a
ca alogados, median e o a amen o es a ´ıs ico e
lingu´ıs ico do co pus, nes e caso conc e o, com a
ex a¸c˜ao e minol´ogica (da base de dados docu-
men al j´a cons u´ıda e das en e is as j´a ealiza-
das), ocando, de manei a especial, o que pode-
mos chama , de manei a gen´e ica, e mos mul-
ipala a (MWE), que co esponde ˜ao, no nosso
abalho, ao que conhecemos como exp ess˜oes
idiom´a icas (dei a ogue es an es da es a; o ask
o he moon), coloca¸c˜oes (´odio mo al;bi e
ha ed), quase- asemas (ca ˜ao e melho;black
bel ) ou en idades nomeadas (San iago de Com-
pos ela,Ca alei os da O dem de San iago,25 de
Julho, e c.) mas amb´em ou as combina¸c˜oes
lexicais equen es, n˜ao necessa iamen e es i-
as (Mel’ˇcuk e al.,1995).
`
A pa ida, o uso de MWE de e ia se mais
e icaz do que o uso de pala as simples (mesmo
que p e iamen e selecionadas) pe mi indo pode
abalha com co po a n˜ao ano ados. Po exem-
plo, em an´alises pos e io es de ou os abalhos
do p oje o, a pala a ´agua se ´a con abilizada na
ca ego ia Gas onomia quando oco e em com-
bina¸c˜oes como bebe ´agua,´agua de mesa,´agua
mine al, e c., mas n˜ao em cai na ´agua ou ´agua
do io, po exemplo. Es a ´ul ima oco ˆencia,
po ´em, se ia con abilizada (e adamen e) ao u i-
liza mos a unidade pala a.
Ou o exemplo: o mas do adje i o ca o que
oco em nas combina¸c˜oes p e¸cos ca os,uma ci-
dade ca a, e c. se ˜ao con abilizadas na ca ego-
ia Economia ao usa mos MWE com ano a¸c˜ao
mo ossin ´ac ica, e i ando a con agem de o mas
como ca a a ca a,da a ca a,ca o colega, aze -se
ca o, e c.
3 Desc i¸c˜ao do m´e odo
Pa a al´em da compa a¸c˜ao di e a de equˆencias
da mesma pala a em dois co po a, ´e poss´ı el
compa a oda a dis ibui¸c˜ao das equˆencias,
como um odo. Pa a isso oi usada a Di e gˆencia
de Kullback-Leible (Kullback & Leible ,1951)
Re os de la Sociedad (2018-2021)
Es a ´egias Lexicom´e icas pa a De e a Especi icidades Tex uais Linguam´
a ica – 21
que, dada a dis ibui¸c˜ao de dois co pos di e en-
es (PciePcj) pode se de inida po :
DKL(Pci||Pcj) = X
k
Fci(k) log Fci(k)
Fcj(k)(1)
onde Fci(k) ´e a p obabilidade ( equˆencia ela-
i a) de pala a kno co pus ci.
A equa¸c˜ao 1pe mi e ob e uma medida de
quan o a dis ibui¸c˜ao Pcjse dis ancia da dis-
ibui¸c˜ao Pci, omando em con a as p obabi-
lidades (ou equˆencias ela i as) das pala as
de cada co pus. Pa a as an´alises aqui ap e-
sen adas oi usada uma implemen a¸c˜ao em Pe l
Ma h::KullbackLeible ::Disc e e de um dos
au o es.3
4 Tes es
4.1 Obje i os
O nosso obje i o ´e u iliza a di e gˆencia KL
pa a calcula g aus de especi icidade ou de con-
e gˆencia lexical en e g upos de ex os, sem in-
e en¸c˜ao humana e sem necessidade de abalha
com co po a ano ados.
Numa p imei a expe iˆencia compa amos ˆes
ex os: dois ex os de especialidade (da ´a ea da
pedia ia) e um ex o li e ´a io (a adu¸c˜ao pa a
o espanhol do omance Ensaio sob e a Ceguei a,
de Jos´e Sa amago), sabendo `a pa ida que as di-
e gˆencias de e ˜ao se maio es en e qualque um
dos ex os de especialidade e o ex o li e ´a io.
Na segunda expe iˆencia, aplica emos a di-
e gˆencia KL pa a calcula g aus de especi ici-
dade ou de con e gˆencia lexical en e ´a ios ea-
g upamen os das en e is as ealizadas a 24 isi-
an es da cidade de San iago de Compos ela.
Como oi e e ido, as nossas hip´o eses de pa -
ida o am:
1. A di e gˆencia de Kullback-Leible (di-
e gˆencia KL) pe mi e compa a dis i-
bui¸c˜oes de pala as e MWE, o que pode ´a
se usado pa a compa a au oma icamen e
ex os n˜ao ano ados p e iamen e;
2. O uso de combina¸c˜oes lexicais pa a de e a
di e gˆencias e con e gˆencias ex uais de e-
ia unciona melho do que o uso de pala-
as simples, po que de e ia ap esen a a-
lo es de di e gˆencia maio es.
Deixamos pa a u u os abalhos, com colegas
de ou as ´a eas da ede Galab a, as an´alises ela-
3h ps://gi hub.com/ambs/Ma h-KullbackLeible -
Disc e e
cionais e con as i as (do pon o de is a quali a-
i o e quan i a i o) des es mesmos lemas e com-
bina¸c˜oes lexicais ex a´ıdos das ansc i¸c˜oes das
en e is as.
4.2 Co pus
A base de dados u ilizada pela Rede Galab a dis-
ponibiliza o acesso a in o ma¸c˜ao e i ada de um
co pus documen al e a um conjun o de inqu´e i os
e en e is as4.
Uma ez que, nes e momen o al a ainda po
inaliza o p ocesso de ansc i¸c˜ao das en e is as
a po ugueses e b asilei os, o abalho aqui ap e-
sen ado ´e ealizado apenas sob e 24 en e is as
em cas elhano (pa a al´em dos ˆes ex os u ili-
zados na p imei a expe iˆencia: dois da ´a ea da
pedia ia e um ex o li e ´a io).
Com base nos dados dispon´ı eis nos
inqu´e i os, ela i os `as mesmas pessoas en-
e is adas (idade, g´ene o, n´ı el de es udos, e
au oiden i ica¸c˜ao como pe eg inos ou como u-
is as), subdi idimos as en e is as nos seguin es
subg upos5:
1. Au oiden i ica¸c˜ao
–Pe eg inos (11 en e is as)
–N˜ao pe eg inos (13 en e is as)
2. N´ı el de es udos
–Uni e si ´a ios (16 en e is as)
–N˜ao uni e si ´a ios (8 en e is as)
3. G´ene o
–Mulhe es (11 en e is as)
–Homens (13 en e is as)
4Oco pus documen al disponibiliza aos in es igado es
do g upo uma base de dados a an¸cada com 560 li os ca a-
logados (Sama im,2015), p oceden e de p odu os cul u-
ais e li e ´a ios publicados en e 2008 e 2012. O co pus oi
limi ado `as p odu¸c˜oes cul u ais e e i amen e consumidas
pelos u is as p oceden es da Galiza, Espanha, Po ugal e
B asil desde 2008 (Po ugal e B asil s˜ao os pa´ıses de p o-
cedˆencia do maio n´ume o de isi an es n˜ao espanh´ois e
n˜ao comuni ´a ios espe i amen e).
Oco pus i o ´e cons i u´ıdo po inqu´e i os e en e is-
as a isi an es, come cian es e comunidade local. Os
inqu´e i os, num o al de 2157, o am ealizados en e
27/03/2013 e 26/03/2014 a u is as galegos e espanh´ois
(1323), po ugueses (428) e b asilei os (406). Fo am g a-
adas 41 en e is as a u is as galegos e espanh´ois, 59 en-
e is as a u is as po ugueses e 56 en e is as a u is as
b asilei os.
5A di is˜ao po g upos e ´a ios se ´a exclu´ıda, pa a o p e-
sen e abalho, de ido ao eduzido amanho dos 4 g u-
pos e ´a ios es abelecidos no p oje o “Discu sos, imagens
e p ´a icas cul u ais sob e San iago de Compos ela como
me a dos Caminhos”: Idade <30; 30 ≤Idade <45; 45 ≤
Idade <69; 70 ≤idade.
22– Linguam´
a ica ´
Al a o I ia e, Pablo Gamallo & Albe o Sim˜oes
An es de calcula o g au de di e gˆencia lexi-
cal en e os seis conjun os de en e is as, oi ei o
um es e p ´e io com as equˆencias dos lemas e
das MWE ex a´ıdos dos dois ex os6de especiali-
dade (da ´a ea da pedia ia). e um ex o li e ´a io
(a adu¸c˜ao pa a o espanhol do omance Ensaio
sob e a Ceguei a, de Jos´e Sa amago), sabendo
`a pa ida, como j´a e e imos, que os dois ex-
os de pedia ia de e iam ap esen a maio con-
e gˆencia en e si.
A endendo `a Lei de Zi p, as dis ibui¸c˜oes de
pala as baseadas em equˆencias ela i as p o-
duzem di e en es escalas de alo es com ex os de
di e en es amanhos. Pa a pode mos abalha
com ex os de amanho semelhan e e assim com-
pa a os alo es usando equˆencias absolu as, e-
duzimos os amanhos dos conjun os dos ex os
(as en e is as e os dois ex os u ilizados no p i-
mei o es e) ao amanho do documen o mais pe-
queno de cada g upo. Assim, eduzimos odos
os g upos de en e is as ao amanho do conjun o
de en e is as ei as a n˜ao uni e si ´a ios (64 751
pala as) e o amanho dos ˆes ex os u ilizados
no p imei o es e, ao amanho de um dos ex os
da especialidade de pedia ia (25 998 pala as).
O amanho o iginal dos g upos de en e is as
e dos ex os u ilizados no p imei o es e s˜ao des-
c i os na abela 1.
ex o # pala as
11 en e is as a pe eg inos 71 652
13 en e is as a n˜ao pe eg inos 116 285
16 en e is as a uni e si ´a ios 123 186
8 en e is as a n˜ao uni e si ´a ios 64 751
11 en e is as a mulhe es 92 650
13 en e is as a homens 102 497
Tex o de Pedia ´ıa 1 35 713
Tex o de Pedia ´ıa 2 25 998
Tex o do omance Ensayo sob e la Cegue a 107 296
Tabela 1: Tamanhos o iginais dos ex os anali-
sados.
Pa a os p op´osi os dos es es aqui ealizados,
pensamos se i ele an e o ac o de e mos co -
ado os ex os de manei a alea ´o ia.
A pa i des es conjun os de ex os, o am ex-
a´ıdos os lemas e as MWE com as espe i as
equˆencias e cons u´ıdas as co esponden es ma-
izes usadas no c´alculo das di e gˆencias. A ex-
a¸c˜ao de lemas e MWE oi ei a com os m´odulos
6Ci uen es, Ja ie & Ven u a-Junc´a, Pa icio (2001).
Manual de Pedia ´ıa. Re ie ed Janua y 16, 2018, om
h p://bo ica.com. e/PDF/6mlped.pd ;
Ce olaza, Ja ie , Me c´e, Luis. & Emilio Ja d´on,
Em´ılio (2008). 1. Conside aciones gene ales 5 Conside-
aciones cl´ınicas p e ias 6. Re ie ed Janua y 16, 2018,
om h p://www.espani o.com/1-conside aciones-
gene ales-5-conside aciones-clnicas-p e ias.h ml
co esponden es da e amen a LinguaKi (Ga-
mallo & Ga cia,2017)7. O ano ado mo os-
sin ´ac ico (que inclui o lema izado ) in eg ado no
LinguaKi oi a aliado pa a ˆes l´ınguas, nomea-
damen e inglˆes, po uguˆes e espanhol, com esul-
ados p ´oximos do es ado da a e: ≈96% pa a
po uguˆes e espanhol, e ligei amen e mais baixos
(≈94%) pa a inglˆes (Gamallo e al.,2015;Ga cia
& Gamallo,2015). Quan o ao ex a o de MWE,
oi desc i o e a aliado quali a i amen e em (Ga-
mallo & Ga cia,2017).
Na Tabela 2ap esen amos alguns dados quan-
i a i os ela i os aos esul ados da ex a¸c˜ao de
lemas e de MWE dos dois ex os de especialidade
e do ex o li e ´a io e e idos na sec¸c˜ao 4.2
lemas lemas ( o al >1) MWE MWE ( o al >1)
To al 4754 2495 6725 798
Cegue a 2209 1371 1226 72
Pedia ´ıa 1 2089 1456 2698 419
Pedia ´ıa 2 2273 1485 2905 411
Tabela 2: Node lemas e MWE ex a´ıdos (p i-
mei o es e).
Na Tabela 3ap esen amos dados quan i a i-
os ela i os aos esul ados da ex a¸c˜ao de lemas
e de MWE da ansc i¸c˜ao das 24 en e is as e-
e idas sup a.
lemas lemas ( o al >1) MWE MWE ( o al >1)
To al 3907 3370 4271 3145
Mulhe es 2203 2062 1526 1280
Homens 2319 2293 1669 1661
Uni e si ´a ios 2211 2165 1679 1553
N˜ao uni e si ´a ios 2204 2124 1658 1441
Pe eg inos 2261 2017 1712 1183
N˜ao pe eg inos 2281 2281 1687 1687
Tabela 3: Node lemas e MWE ex a´ıdos das en-
e is as.
4.3 P imei o es e:
ex o cien ´ı ico s. ex o li e ´a io
Nes a p imei a expe iˆencia, a pa i das ma i-
zes com as equˆencias dos lemas e dos MWE
ex a´ıdos dos dois ex os de especialidade e do
ex o li e ´a io e e idos na sec¸c˜ao 4.2, calculamos
o g au de di e gˆencia lexical en e os mesmos,
p esumindo, como dissemos, que os dois ex os da
´a ea de especialidade de e iam ap esen a maio
con e gˆencia en e si e que as di e gˆencias de e-
iam se maio es en e es es e o ex o li e ´a io.
Dado a a -se de uma di e gˆencia, pa a
um pa de documen os (d1, d2) oi calculada a
m´edia das di e gˆencias das suas dis ibui¸c˜oes
DKL(Pd1||Pd2) e DKL(Pd2||Pd2).
7h ps://gi hub.com/ci iususc/Linguaki
Es a ´egias Lexicom´e icas pa a De e a Especi icidades Tex uais Linguam´
a ica – 23

Os esul ados s˜ao ap esen ados em duas colu-
nas, sendo que a segunda co esponde aos esul-
ados de equˆencias >1 .
Como e emos, odas as con igu a¸c˜oes de ol-
em esul ados consis en es en e elas.
4.3.1 C´alculo de di e gˆencias usando lemas
Na Tabela 4ap esen amos os esul ados da
compa a¸c˜ao dos dados ela i os `as lis as de
equˆencias dos lemas ex a´ıdos de cada um dos
ex os, compa ados dois a dois.
Conside ando que a di e gˆencia de Kullback-
Leible ´e nula pa a duas dis ibui¸c˜oes idˆen icas,
pode-se conclui , como espe ado, que as maio es
di e gˆencias apa ecem en e o ex o li e ´a io e
cada um dos ex os de especialidade.
Lemas Lemas( eq >1)
Cegue a - Pedia ´ıa 1 3,1445 2,8761
Cegue a - Pedia ´ıa 2 3,3874 3,0859
Pedia ´ıa 1 - Pedia ´ıa 2 1,9542 1,6351
Tabela 4: C´alculo de di e gˆencias usando lemas
(p imei o es e).
4.3.2 C´alculo de di e gˆencias usando MWE
Na Tabela 5ap esen amos os esul ados da
compa a¸c˜ao dos dados ela i os `as lis as de
equˆencias das MWE ex a´ıdas de cada um dos
ex os, compa ados dois a dois.
Tamb´em aqui, como espe ado, as maio es di-
e gˆencias apa ecem, no amen e, en e o ex o
li e ´a io e cada um dos ex os de especialidade.
MWE MWE( eq >1)
Cegue a - Pedia ´ıa 1 13,3517 15,6336
Cegue a - Pedia ´ıa 2 13,3193 15,6978
Pedia ´ıa 1 - Pedia ´ıa 2 12,1861 12,3519
Tabela 5: C´alculo de di e gˆencias usando MWE
(p imei o es e).
4.4 Segundo es e: en e is as
Na segunda expe iˆencia, a pa i das ma izes
com as equˆencias dos lemas e das MWE ex-
a´ıdos da ansc i¸c˜ao de 24 en e is as ealiza-
das, en e 27/03/2013 e 26/03/2014, a 24 pessoas
que isi a am a cidade de San iago de Compos-
ela, calculamos o g au de di e gˆencia lexical en-
e os seis conjun os de en e is as j´a e e idos
(pe eg inos s. n˜ao pe eg inos; uni e si ´a ios s.
n˜ao uni e si ´a ios; mulhe es s. homens).
Como no caso an e io , dado a a -se de uma
di e gˆencia, pa a um pa de documen os (d1, d2)
oi calculada a m´edia das di e gˆencias das suas
dis ibui¸c˜oes DKL(Pd1||Pd2) e DKL(Pd2||Pd2).
Com os conjun os de en e is as es udados, o
espe ado ´e que as maio es di e gˆencias apa e¸cam
en e os g upos que se op˜oem di e amen e: en e-
is as a mulhe es s. en e is as a homens; en e-
is as a pe eg inos s. en e is as a n˜ao pe eg i-
nos; en e is as a uni e si ´a ios s. en e is as a
n˜ao uni e si ´a ios. Como e emos, odas as con-
igu a¸c˜oes de ol em esul ados consis en es en e
elas.
4.4.1 C´alculo de di e gˆencias usando lemas
Na Tabela 6ap esen amos os esul ados da
compa a¸c˜ao dos dados ela i os `as lis as de
equˆencias dos lemas ex a´ıdos de cada um dos
seis g upos de en e is as compa ados dois a dois.
Pode-se conclui que, ao compa a mos os
g upos de en e is as dois a dois, as maio es
di e gˆencias apa ecem en e os g upos que se
op˜oem di e amen e: homem–mulhe ; pe eg ino–
n˜ao pe eg ino; uni e si ´a io–n˜ao uni e si ´a io.
Lemas Lemas( eq >1)
mulhe es – homens 0,5059 0,48865
mulhe es – Uni e . 0,389 0,3696
mulhe es – N˜aoUni e . 0,2818 0,25865
mulhe es – Pe eg . 0,3057 0,26615
mulhe es – N˜aoPe eg . 0,41205 0,39725
homens – Uni e . 0,16135 0,1539
homens – N˜aoUni 0,37225 0,36145
homens – Pe eg . 0,4111 0,3841
homens – N˜aoPe eg . 0,10655 0,10375
Uni e s. – N˜aoUni e . 0,50035 0,48785
Uni e . – Pe eg . 0,3924 0,36345
Uni e . – N˜aoPe eg 0,13005 0,12535
N˜aoUni e . – Pe eg . 0,30215 0,26945
N˜aoUni e . – N˜aoPe eg . 0,36475 0,3567
Pe eg . - N˜aoPe eg . 0,4699 0,44575
Tabela 6: C´alculo di e gˆencias usando lemas.
4.4.2 C´alculo de di e gˆencias usando MWE
Na Tabela 7ap esen amos os esul ados da
compa a¸c˜ao dos dados ela i os `as lis as de
equˆencias das MWE ex a´ıdas de cada um dos
seis g upos de en e is as, compa ados dois a
dois.
Nes e caso, amb´em se pode conclui que, ao
compa a mos os g upos de en e is as dois a dois,
as maio es di e gˆencias apa ecem en e os g u-
pos que se op˜oem di e amen e: homem–mulhe ;
24– Linguam´
a ica ´
Al a o I ia e, Pablo Gamallo & Albe o Sim˜oes
pe eg ino–n˜ao pe eg ino; uni e si ´a io–n˜ao uni-
e si ´a io.
MWE MWE( eq >1)
mulhe es – homens 11,7211 11,6629
mulhe es – Uni e . 9,4818 9,1155
mulhe es – N˜aoUni e . 6,77665 5,88005
mulhe es – Pe eg . 7,82915 6,5231
mulhe es – N˜aoPe eg . 9,6372 9,38765
homens – Uni e . 3,2259 2,86875
homens – N˜aoUni e . 8,57 8,3035
homens – Pe eg . 9,70665 9,1854
homens – N˜aoPe eg . 2,12425 2,10125
Uni e s – N˜aoUni e . 11,6121 11,53955
Uni e . – Pe eg 9,62975 8,99675
Uni e . – N˜aoPe eg . 3,1857 2,8462
N˜aoUni e . – Pe eg . 7,84815 6,634
N˜aoUni e . – N˜aoPe eg . 8,5075 8,2438
Pe eg . – N˜aoPe eg . 11,54975 11,3894
Tabela 7: C´alculo de di e gˆencias usando MWE.
5 Conclus˜oes
As duas expe iˆencias ap esen adas (a com-
pa a¸c˜ao de dois ex os de especialidade e de um
ex o li e ´a io —p imei o es e— e a compa a¸c˜ao
dos ˆes conjun os de en e is as a isi an es da
cidade de San iago de Compos ela) pe mi em
con i ma que a di e gˆencia de Kullback-Leible
(di e gˆencia KL) ´e uma medida obus a po que
ex ai, em ambos os casos, os alo es espe ados.
A con igu a¸c˜ao que ap esen a di e gˆencias
maio es ´e a que s´o oma em con a equˆencias
>1 e usa lemas.
Po an o, das duas hip´o eses de pa ida:
1. A di e gencia de Kullback-Leible (di-
e gˆencia KL) pe mi e compa a au oma i-
camen e ex os n˜ao ano ados;
2. O uso de MWE se ´a mais adequado do que
o uso dos lemas po que ap esen a ´a alo es
de di e gˆencia maio es;
s´o se con i mou a p imei a, embo a se possa a i -
ma que o uso das MWE amb´em ´e ´alido pa a
compa a ex os com a di e gˆencia KL pois se
conseguem esul ados igualmen e obus os. ´
E
p eciso amb´em sublinha que o n´ume o de MWE
u ilizados pa a calcula as di e gˆencias ´e meno
que o de lemas, o que nos le a a in e i que uma
ex a¸c˜ao au om´a ica com mais cobe u a e exaus-
i idade de e ia melho a os esul ados.
No p imei o es e, u ilizamos dois ex os de
especialidade (da ´a ea da pedia ia) e um ex o
li e ´a io, p esumindo que os ex os de especia-
lidade de e iam ap esen a maio es di e gˆencias
ela i amen e ao ex o li e ´a io do que en e eles
p ´op ios. Como as expe iˆencias ei as mos a am
a endˆencia espe ada, decidimos aplica a me o-
dologia a um segundo g upo de ex os ( ˆes con-
jun os de en e is as a isi an es da cidade de
San iago de Compos ela).
No segundo es e, baseado em en e is as, os
esul ados n˜ao s´o ajudam a con i ma a e ic´acia
da medida de di e gˆencia, mas amb´em pe mi-
em con i ma a pe inˆencia das ca ego ias socio-
cul u ais u ilizadas pa a desenha as en e is as,
bem como a sua pe inˆencia nas an´alises quali-
a i as u u as que p e endemos desen ol e no
p oje o. Nes e sen ido, conje u amos que uma
ca ego ia social ou cul u al em a¸cos dis in i-
os di e enciado es se o seu discu so ´e di e gen e
do de indi ´ıduos dou as ca ego ias.
Deix´amos pa a u u os abalhos:
1. P ocu a es a ´egias que pe mi am combi-
na o uso de o mas, lemas e MWE no
c´alculo de di e gˆencias/con e gˆencias em
ex os n˜ao ano ados.
2. As an´alises elacionais e con as i as (do
pon o de is a quali a i o e quan i a i o)
dos lemas e MWE mais ele an es ex a´ıdos
das ansc i¸c˜oes das en e is as e e idas na
no a 4.
Ag adecimen os
Es e abalho ´e apoiado pelo p oje o Na a i as,
usos e consumos de isi an es como aliados ou
amena¸cas pa a o bem-es a da comunidade lo-
cal: o caso de San iago de Compos ela. Re :
FFI2017-88196-R, pa cialmen e subsidiado pelo
Minis e io de Indus ia, Econom´ıa y Compe i i-
idad espanhol no quad o do P og ama Es a al
de I+D+i O ien ada a los Re os de la Sociedad
(2018-2021).
Re e ˆencias
Agi e, Eneko, Ca men Banea, Daniel Ce , Mona
Diab, Ai o Gonzalez-Agi e, Rada Mihal-
cea, Ge man Rigau & Janyce Wiebe. 2016.
SemE al-2016 Task 1: Seman ic ex ual si-
mila i y, monolingual and c oss-lingual e alua-
ion. Em In e na ional Wo kshop on Seman ic
E alua ion (SemE al), 497–511.
A gamon, Shlomo, Moshe Koppel, Jona han
Fine & Ana Rachel Shimoni. 2003. Gende ,
gen e, and w i ing s yle in o mal w i en ex s.
Tex & Talk 23(3). 321–346.
Es a ´egias Lexicom´e icas pa a De e a Especi icidades Tex uais Linguam´
a ica – 25
Fe gadio is, Ge asimos, Hea he H. W igh &
Thomas M. Wes . 2013. Measu ing lexi-
cal di e si y in na a i e discou se o people
wi h aphasia. Ame ican Jou nal o Speech-
Language Pa hology 22(2). 397–408. doi:10.
1044/1058-0360.
Gamallo, Pablo & Ma cos Ga cia. 2017. Lingua-
Ki : uma e amen a mul ilingue pa a a an´alise
lingu´ıs ica e a ex a¸c˜ao de in o ma¸c˜ao. Lin-
guam´a ica 9(1). 19–28. doi:10.21814/lm.9.1.
243.
Gamallo, Pablo, Juan Ca los Pichel, Ma cos Ga -
cia, Jos´e Manuel Abu´ın & Tom´as Fe n´andez-
Pena. 2015. An´alisis mo osin ´ac ico y clasi i-
caci´on de en idades nomb adas en un en o no
Big Da a. P ocesamien o del Lenguaje Na u al
53. 17–24.
Ga cia, Ma cos & Pablo Gamallo. 2015. Ye
ano he sui e o mul ilingual NLP ools.
Em Languages, Applica ions and Technologies
CCIS, 65–75. Sp inge .
I ia e, ´
Al a o. 2001. A unidade lexicog ´a ica.
pala as, coloca¸c˜oes, asemas, p agma emas:
Uni e sidade do Minho. Tese de Dou o a-
men o.
Kilga i , Adam. 1996. Why chi-squa e doesn’
wo k, and an imp o ed LOB-B own compa i-
son. Em Associa ion o Compu e s and he
Humani ies and he Associa ion o Li e a y
and Linguis ic Compu ing, 169–172.
Kullback, S. & R. A. Leible . 1951. On in o ma-
ion and su iciency. The Annals o Ma hema i-
cal S a is ics 22(1). 79–86. doi:10.1214/aoms/
1177729694.
Lough an, Tim & Bill McDonald. 2013. Measu-
ing eadabili y in inancial disclosu es. Jou -
nal o Finance doi:10.2139/ss n.1920411.
Maia, Belinda, Rui Sousa Sil a, Anabela Ba -
ei o & Cec´ılia F ´ois. 2008. N-g ams in se-
a ch o heo ies. Em Ba ba a Lewandowska-
Tomaszczyk (ed.), Co pus Linguis ics, Compu-
e Tools, and Applica ions: S a e-o - he A ,
71–84. Pe e Lang.
McCa hy, PM & J Ja is. 2010. M ld, oc-d,
and hd-d: A alida ion s udy o sophis ica-
ed app oaches o lexical di e si y assessmen .
Beha io Resea ch Me hods 41(2). 381–392.
Mel’ˇcuk, Igo , And ´e Clas & Alain Polgu`e e.
1995. In oduc ion `a la lexicologie explica i e
e combina oi e. Duculo .
Mikolo , Tomas, Ilya Su ske e , Kai Chen, G e-
go y S. Co ado & Je ey Dean. 2013. Dis-
ibu ed ep esen a ions o wo ds and ph ases
and hei composi ionali y. Em Ad ances in
Neu al In o ma ion P ocessing Sys ems, 3111–
3119.
Pazos-Jus o, Ca los, Ma ´ıa Lu´ısa del R´ıo A aujo
& Robe o Sama im. 2018. Pol´ı icas cul u ais
e comunidade local: con ibu os pa a a an´alise
do caso de san iago de compos ela como me a
dos caminhos de san iago. Em A as do III Con-
g esso In e nacional sob e Cul u as: In e aces
da Luso onia, ol. 7, Ins i u o de Ciˆencias So-
ciais da Uni e sidade do Minho. No p elo.
Robins, Robe Hen y. 1997. A sho his o y o
linguis ics Longman linguis ics lib a y. Long-
man.
Sama im, Robe o. 2015. Bases de dados pa a
o es udo da cul u a: ap esen a¸c˜ao do ca alo-
gado e possibilidades de abo dagem sob e o
co pus documen al do p oje o caminho de san-
iago. Em Es udos da AIL sob e eo ia e me-
odologia, ol. 2, 115–125. AIL Edi o a.
Saussu e, Fe dinand. 1999. Cu so de lingu´ıs ica
ge al. Lisboa: Dom Quixo e.
S ubbs, Michael & Isabel Ba h. 2003. Using e-
cu en ph ases as ex ype disc imina o s: a
quan i a i e me hod and some indings. Func-
ions o Language 10(1). 61–104.
To es-Feij´o, Elias. 2015. Iden i y sus ainabi-
li y, iden i y a ec i i y, and he i haca a e-
le : Concep ual ools o measu ing and mode-
ling ou ism as an oppo uni y. Em Gab iel R.
Ricci (ed.), T a el, Tou ism and Iden i y, Cul-
u e & Ci iliza ion, ol. 7, 143–162. T ansac-
ion Publishe s.
Tweedie, Fiona J. & Ha ald R. Baayen. 1998.
How a iable may a cons an be? measu es o
lexical ichness in pe spec i e. Compu e s and
he Humani ies 32(5). 323–352.
26– Linguam´
a ica ´
Al a o I ia e, Pablo Gamallo & Albe o Sim˜oes