{"id":1381,"date":"2022-06-01T22:18:59","date_gmt":"2022-06-01T22:18:59","guid":{"rendered":"https:\/\/cienciaaberta.org\/?p=1381"},"modified":"2022-12-01T22:38:38","modified_gmt":"2022-12-01T22:38:38","slug":"coletando-corpus","status":"publish","type":"post","link":"https:\/\/cienciaaberta.org\/en\/2022\/06\/01\/coletando-corpus\/","title":{"rendered":"Coletando Corpus"},"content":{"rendered":"<p>Como todos sabem, minha pesquisa \u00e9 filiada e segue a Escola da Lingu\u00edstica de Corpus. Ou seja, pressup\u00f5e-se um garnde volume de dados, a ser analisados por computa\u00e7\u00e3o e intelig\u00eancia artificial, para que ent\u00e3o eu disserta acerca e a partir dos ressultados obtidos. Assim, fui atras de baixar o corpus, sendo que o plano era baixar do Google Arts, j\u00e1 que minha pesquisa busca o discurso dentro da Hist\u00f3ria da Arte. Fui baixar, mas jamais sozinho, pois n\u00e3o sei programar!<\/p>\n<p>Com a ajuda de um colega (obrigado, Andr\u00e9!), obtive uma ruim e uma resposta boa. A ruim \u00e9 significativa para a pesquisa: o c\u00f3digo n\u00e3o permite scraping no Google Arts. Paci\u00eancia. Troca-se de t\u00e1tica, \u00e9 assim mesmo. J\u00e1 a segunda \u00e9 muito boa: Com o GitHub, obtivemos um total de 4 corpora de imagens, oriundos de redes sociais e da google imagens, sendo que os pertencentes ao Google Imagens est\u00e3o divididos em 3 idiomas.&nbsp; Note abaixo. \u00c9 um total de <b>597.162 de enunciados imag\u00e9ticos!<\/b><\/p>\n<p>&nbsp;<\/p>\n<table style=\"height: 302px;\" width=\"741\">\n<tbody>\n<tr>\n<td>&nbsp;<\/td>\n<td><span style=\"font-weight: 300;\">Images<\/span><\/td>\n<td><span style=\"font-weight: 300;\">Social<\/span><\/td>\n<td><span style=\"font-weight: 300;\">Arts &amp; Culture<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 300;\">Brazil<\/span><\/td>\n<td><b>97<\/b><\/td>\n<td><b>111.397<\/b><\/td>\n<td><b>141<\/b><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 300;\">Brasil<\/span><\/td>\n<td><b>98<\/b><\/td>\n<td>&nbsp;<\/td>\n<td>&nbsp;<\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 300;\">Br\u00e9zil<\/span><\/td>\n<td><b>100<\/b><\/td>\n<td>&nbsp;<\/td>\n<td>&nbsp;<\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 300;\">Brazilian<\/span><\/td>\n<td>&nbsp;<\/td>\n<td><b>49.765<\/b><\/td>\n<td>&nbsp;<\/td>\n<\/tr>\n<\/tbody>\n<\/table>","protected":false},"excerpt":{"rendered":"<p>Como todos sabem, minha pesquisa \u00e9 filiada e segue a Escola da Lingu\u00edstica de Corpus. Ou seja, pressup\u00f5e-se um garnde [&hellip;]<\/p>","protected":false},"author":7,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"ngg_post_thumbnail":0,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-1381","post","type-post","status-publish","format-standard","hentry","category-uncategorized"],"jetpack_featured_media_url":"","_links":{"self":[{"href":"https:\/\/cienciaaberta.org\/en\/wp-json\/wp\/v2\/posts\/1381","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cienciaaberta.org\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cienciaaberta.org\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/cienciaaberta.org\/en\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/cienciaaberta.org\/en\/wp-json\/wp\/v2\/comments?post=1381"}],"version-history":[{"count":1,"href":"https:\/\/cienciaaberta.org\/en\/wp-json\/wp\/v2\/posts\/1381\/revisions"}],"predecessor-version":[{"id":1382,"href":"https:\/\/cienciaaberta.org\/en\/wp-json\/wp\/v2\/posts\/1381\/revisions\/1382"}],"wp:attachment":[{"href":"https:\/\/cienciaaberta.org\/en\/wp-json\/wp\/v2\/media?parent=1381"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cienciaaberta.org\/en\/wp-json\/wp\/v2\/categories?post=1381"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cienciaaberta.org\/en\/wp-json\/wp\/v2\/tags?post=1381"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}