Estudo das relações de coerência com efeitos de oposição em corpus de textos jornalísticos do português brasileiro

Abstract

Entre las relaciones de coherencia que forman y dan sentido a un texto, las relaciones de Antithesis, Contrast y Concession presentan un fenómeno común a la luz de la Rhetorical Structure Theory: la oposición (Egg y Das, 2022). El objeto de este estudio es, por lo tanto, las relaciones de coherencia con efecto de oposición en textos periodísticos del portugués brasileño. El objetivo principal de esta investigación es investigar y describir las relaciones de oposición en el corpus CSTNews (Cardoso et al. 2011), buscando puntos que las diferencien y las conecten. Para ello, además de los marcadores del discurso, buscamos otros elementos lingüísticos que pudieran identificar y justificar la anotación de estas relaciones en el corpus. La teoría básica para estos estudios es la Rhetorical Structure Theory (Mann y Thompson, 1987), o RST, que se dedica al estudio de las relaciones de coherencia en el texto, a través de sus proposiciones. Inicialmente, el objetivo principal de la RST era ayudar a generar textos automáticos que fueran coherentes (Taboada y Mann, 2006), sin embargo, se ha utilizado con otros fines computacionales y para diferentes aplicaciones lingüísticas. El enfoque en las relaciones de oposición permite profundizar la teoría por sus partes, ampliando los estudios y aplicaciones de RST en el procesamiento del lenguaje natural. Para alcanzar los objetivos de esta investigación, utilizamos CSTNews (Cardoso et al. 2011), que es un corpus multidocumento que contiene diversas anotaciones lingüísticas (manuales y semiautomáticas), incluyendo RST. Además de la anotación de las relaciones retóricas, el corpus se sometió a una reanotación, ahora de las señales discursivas que indican relaciones retóricas, basada en el Manual de Anotación de Dantas et al. (2024). Se buscaron en el corpus las relaciones de oposición (Antithesis, Contrast y Concession) y se delimitó el subcorpus para analizar sólo las relaciones que se producen dentro de una misma oración. El análisis de los datos mostró la necesidad de revisar la anotación de señalamientos realizada por Dantas et al. (2024). Además, muestran que las relaciones de oposición pueden ser identificadas por los mismos señalizadores, a través de combinaciones que se relacionan para designar el significado de la relación, siendo los más recurrentes los marcadores de Discurso, principalmente pero, Gráfico, la coma, y Semántico. Los resultados de esta investigación contribuyen la ampliación de los estudios sobre RST, así como a su aplicación en sistemas informáticos de Procesamiento del Lenguaje Natural.

Among the coherence relations that form and give meaning to a text, the Antithesis, Contrast and Concession relations present a common phenomenon in the light of Rhetorical Structure Theory: opposition (Egg and Das, 2022). The object of this study is therefore the relations of coherence with the effect of opposition in Brazilian Portuguese journalistic texts. The main objective of this research is to investigate and describe the relations of opposition in the CSTNews corpus (Cardoso et al. 2011), looking for points that differentiate and connect them. To do this, in addition to discourse markers, we looked for other linguistic elements that could identify and justify the annotation of these relations in the corpus. The basic theory for these studies is Rhetorical Structure Theory (Mann and Thompson, 1987), or RST, which is dedicated to the study of coherence relationships in the text, through its propositions. Initially, the main objective of RST was to help generate automatic texts that were coherent (Taboada and Mann, 2006), however, it has been used for other computational purposes and for different linguistic applications. The focus on opposition relations allows the theory to be investigated in more depth in parts, expanding the studies and applications of RST in natural language processing. To achieve the objectives of this research, we used CSTNews (Cardoso et al. 2011), which is a multi-document corpus that contains various (manual and semi-automatic) linguistic annotations, including RST. In addition to the annotation of rhetorical relations, the corpus was re-annotated, now for the discursive flags that indicate rhetorical relations, based on the Annotation Manual by Dantas et al. (2024). In the corpus, we looked for relations of opposition (Antithesis, Contrast and Concession) and delimited the subcorpus of analysis only to relations that occurred within the same sentence. The analysis of the data showed the need to revise the annotation of the signalers made by Dantas et al. (2024). In addition, they show that oppositional relations can be identified by the same signposts, through combinations that are related to designating the meaning of the relation, the most recurrent being Discourse markers, mainly but, Graphic, the comma, and Semantic. The results of this research contribute to the expansion of RST studies, as well as its application in computer systems in Natural Language Processing.