Abordagem para o desenvolvimento de um etiquetador de alta acurácia para o Português do Brasil

A etiquetagem morfossintática é uma tarefa básica requerida por muitas aplicações de processamento de linguagem natural, tais como análise gramatical e tradução automática, e por aplicações de processamento de fala, por exemplo, síntese de fala. Essa tarefa consiste em etiquetar palavras em uma sentença com as suas categorias gramaticais. Apesar dessas aplicações requererem etiquetadores que demandem maior precisão, os etiquetadores do estado da arte ainda alcançam acurácia de 96 a 97%. Nesta tese, são investigados recursos de corpus e de software para o desenvolvimento de um etiquetador com acurácia superior à do estado da arte para o português brasileiro. Centrada em uma solução híbrida que combina etiquetagem probabilística com etiquetagem baseada em regras, a proposta de tese se concentra em um estudo exploratório sobre o método de etiquetagem, o tamanho, a qualidade, o conjunto de etiquetas e o gênero dos corpora de treinamento e teste, além de avaliar a desambiguização de palavras novas ou desconhecidas presentes nos textos a serem etiquetados. Quatro corpora foram usados nos experimentos: CETENFolha, Bosque CF 7.4, Mac-Morpho e Selva Científica. O modelo de etiquetagem proposto partiu do uso do método de aprendizado baseado em transformação(TBL) ao qual foram adicionadas três estratégias, combinadas em uma arquitetura que integra as saídas (textos etiquetados) de duas ferramentas de uso livre, o TreeTagger e o -TBL, com os módulos adicionados ao modelo. No modelo de etiquetador treinado com o corpus Mac-Morpho, de gênero jornalístico, foram obtidas taxas de acurácia de 98,05% na etiquetagem de textos do Mac-Morpho e 98,27% em textos do Bosque CF 7.4, ambos de gênero jornalístico. Avaliou-se também o desempenho do modelo de etiquetador híbrido proposto na etiquetagem de textos do corpus Selva Científica, de gênero científico. Foram identificadas necessidades de ajustes no etiquetador e nos corpora e, como resultado, foram alcançadas taxas de acurácia de 98,07% no Selva Científica, 98,06% no conjunto de teste do Mac-Morpho e 98,30% em textos do Bosque CF 7.4. Esses resultados são significativos, pois as taxas de acurácia alcançadas são superiores às do estado da arte, validando o modelo proposto em busca de um etiquetador morfossintático mais confiável.

Inventário da araneofauna (Arachnida, Araneae) do Parque Nacional de Sete Cidades, Piauí, Brasil

Foi realizado o inventário da araneofauna do Parque Nacional de Sete Cidades (municípios de Brasileira e Piracuruca, Piauí), utilizando amostragem padronizada para permitir comparações entre as assembléias de aranhas de seis fitofisionomias existentes na área de estudo e obter estimativas de riqueza. Utilizaram-se dados oriundos amostragem com armadilhas de queda (PTF), extratores de Winkler (WIN), guarda-chuva entomológico (GCE), rede de varredura (RV) e coletas manuais noturnas (MN), totalizando 1386 amostras; além do exame de todos os demais espécimes já coletados na área de estudo (n=1166). As análises estatísticas foram realizadas utilizando-se os dados obtidos com GCE, RV e MN. Ao todo, foram coletados 14.890 indivíduos (4491 adultos), segregados em 364 espécies. Destas, 72 foram determinadas a nível específico, 62 são novos registros para a área de estudo, 2 são novos registros para o Brasil e 48 foram reconhecidas como espécies novas por especialistas. A aplicação dos métodos GCE, RV e MN resultou em 11.085 aranhas, pertencentes a 303 espécies. As estimativas de riqueza variaram entre 355 (Bootstrap) e 467 (Jack 2). Entretanto o estimador que apresentou maior tendência a atingir a assíntota foi Chao 2 (403 spp.). A riqueza observada foi maior na mata seca semi-decídua (131 spp.), seguida pela mata de galeria (104 spp.), campo limpo (102 spp.), cerradão (91 spp.), cerrado típico (88 spp.) e cerrado rupestre (78 spp.). A eficiência dos métodos de coleta exibiu variação de acordo com a fitofisionomia onde o método foi aplicado, destacando-se a elevada eficiência da rede de varredura em áreas abertas. A composição de espécies variou entre as fitofisionomias e pode ser, em parte, explicada pela complexidade estrutural das áreas em questão. Os resultados das análises de agrupamento sugerem que em condições de dominância elevada, estes testes sejam realizados com coeficientes que utilizem dados qualitativos, a fim de anular-se o efeito da escolha do coeficiente e/ou a necessidade de transformação dos dados. De maneira geral, a araneofauna do Parque Nacional de Sete Cidades não segue padrões de agrupamento como sugerido para as análises botânicas, em que fitofisionomias campestre, savânicas e florestais são agrupadas.

Detecção do genoma do vírus de Epstein Barr (EBV) em tecidos de pacientes com doença de Hodgkin da região Norte do Brasil

O vírus de Epstein Barr (EBV) é o agente causador da mononucleose infecciosa e está associado com várias desordens proliferativas malignas tais como: linfoma de Burkitt, linfoma de Hodgkin e linfomas não Hodgkin. Um total de 118 casos de linfomas diagnosticados no Hospital Ofir Loyola no período de 1996 e 2005 foram analisados no Instituto Evandro Chagas, Ananindeua, Brasil; com o objetivo de detectar o genoma do EBV mediante a identificação dos genes EBER 1 e EBNA1 em casos de doença de Hodgkin. Os espécimes parafinizados foram analisados por hibridização in situ (gene EBER 1) e PCR em tempo real (EBNA 1). Do total, 61% (72/118) dos pacientes eram do sexo masculino e 39% (46/118) do sexo feminino com faixa etária variando entre 3- 98 anos. Sessenta e cinco (55%) foram diagnosticados como doença de Hodgkin e cinqüenta e três (45%) como linfomas não-Hodgkin. O EBV foi identificado nas células Reed Sternberg e variantes em 76,9% (50/65) dos casos de linfoma de Hodgkin com idade média de 28,3 anos (variação, 2-84 anos). Os subtipos histológicos de casos EBV-positivos foram o seguinte: esclerose nodular em 50% (25/50), celularidade mista em 28% (14/50), depleção linfocitária em 14% (7/50) e predominância linfocitária em 8% (4/50). O DNA do EBV foi detectado em 53% (26/49) com um coeficiente de regressão para a curva padrão de 0,99. Este estudo foi a primeira descrição do vírus de Epstein Barr em casos de doença de Hodgkin na região Norte do Brasil; reforçando a hipótese de que o EBV seja um co-fator no processo de transformação neoplásica em conjunto com a predisposição genética e imunidade do paciente, justificando a condução de estudos posteriores a nível molecular.