Luan Gomes de Almeida Araújo Araújo, L. G. A.

Parcilene Fernandes de Brito Brito, P. F.

Resumo

Este artigo apresenta um módulo que realiza o pré-processamento de dados textuais em língua portuguesa extraídos do site de Turismo TripAdvisor. Para tanto, foi realizado o processamento de linguagem natural, com as técnicas de normalização, correção ortográfica, pos tagging e identificação de expressões multipalavras. Para o desenvolvimento desse módulo, foi utilizada a biblioteca para Python chamada NLTK. Contudo, algumas alterações foram necessárias no corpus Mac-Morpho presente na NLTK. Ao final da etapa de correção ortográfica e identificação de expressões multipalavras, foram realizados testes para avaliar o desempenho dessas etapas.