Resumo: Os sistemas de transcrição automática de grafema para fonema são conhecidos como Graphem to phoneme (G2P). Neste trabalho, apresentamos um sistema automático de transcrição fonológica para o português, utilizando a tecnologia de estados finitos. Para o desenvolvimento desse sistema, seguimos os seguintes passos: a compreensão da relação entre as formas gráficas e as formas fonológicas da língua, a construção de um algoritmo, a implementação desse algoritmo numa linguagem de programação, o teste e a avaliação do sistema num corpus da língua portuguesa. Após o desenvolvimento, os resultados mostraram que o sistema apresenta nível satisfatório para a maior quantidade de palavras dessa língua; todavia, ainda precisa melhorar em outros aspectos, como a distinção entre o som aberto e o som fechado nas vogais anterior e posterior.
Palavras-chave:PortuguêsPortuguês,Transcrição fonológica automáticaTranscrição fonológica automática,Forma gráficaForma gráfica,Forma fonológicaForma fonológica.
Abstract: The automatic grapheme transcription systems for phoneme are known as Graphem to phoneme (G2P). In this work, we present an Automatic phonological transcription system for Portuguese, using finite-state technology. For the development of this system, we follow these steps: the understanding of relationship between the graphical form and the phonological form of the language, the building of an algorithm, the implementation of this algorithm in a programming language, the testing and the evaluation of the system in a Portuguese language writing corpus. After the development, the results showed that the system presents a satisfactory level for the greatest amount of words of that language; however, it needs to be improved in other aspects, such as the distinction between open and closed sound in the anterior and posterior vowels.
Keywords: Portuguese, Automatic phonological transcription, Graphical form, Phonological form.
Linguística e Tecnologia
Sistema automático de transcrição fonológica para o português
Automatic phonological transcription system for portuguese
Daniel da Silva Santos danielsantos7@outlook.com.br
Cid Ivan da Costa Carvalho cidivanc@gmail.com
Recepción: 31 Agosto 2017
Aprobación: 18 Diciembre 2017
A Fonética e da Fonologia são ramos da Linguística que estudam a sonoridade, porém, sob aspectos distintos: a primeira estuda a natureza física da produção e da percepção dos sons da fala (fones), sem considerar necessariamente o sentido das palavras, enquanto que a segunda se preocupa com a maneira como os sons se organizam dentro de uma língua, classificando-os em unidades capazes de distinguir significados (fonemas). Essa diferença reflete diretamente na maneira como fazemos a transcrição de formas escritas1 para uma ou outra forma. Na transcrição fonética, os símbolos representam os sons emitidos por falantes de uma língua, enquanto que, na fonológica, os símbolos representam os sons que distinguem as palavras de uma determinada língua.
Essas duas formas de transcrição apontam para dois tipos de conversores automáticos: o Grapheme to Phoneme (doravante G2P) e o Letter to Sound (doravante LTS). Como afirma Carvalho (2016), os primeiros enfatizam a conversão de um conjunto de grafemas para uma sequência de símbolos fonológicos de uma determinada língua, enquanto os segundos executam a transcrição da sequência de grafema para os símbolos fonéticos que representam uma variedade linguística, tentando transcrever a palavra mais próxima possível da pronúncia.
A escolha do primeiro ou do segundo tipo de conversor interfere no resultado final, ou seja, na forma de transcrição. Por exemplo, por um lado, o Grafone é um conversor automático que faz a transcrição fonológica da palavra, isto é, a transcrição feita por esse sistema não apresenta símbolos que representam a fala de uma variedade específica, como aponta Veiga, Candeias e Perdigão (2011). Por outro lado, o Potigrafone é um sistema que transcreve a palavra considerando a sua pronúncia da palavra para a variedade linguística potiguar (CARVALHO, 2016, 2017). Então, dizemos que o primeiro conversor se enquadra como um G2P e o segundo como um LTS.
Esses conversores possuem duas utilizações principais: na pesquisa em Fonologia, uma vez que um sistema de transcrição fonológica automático realiza parte dos trabalhos dos profissionais que atuam na área da Fonologia, contribuindo para o estudo das pronúncias e da organização dos fonemas, especificamente, da língua portuguesa do Brasil; na aplicação em ferramentas tecnológicas, ou seja, no pré-processamento dos sistemas da tecnologia de fala e como ferramenta de pesquisa em Linguística. Também fazem parte do pré-processamento para que o sistema de síntese de fala e reconhecimento de voz consigam “adivinhar” a pronúncia correta das palavras (TEIXEIRA, OLIVEIRA, MOUTINHO, 2006). A síntese de fala (Text-To-Speech – TTS) e o reconhecimento de voz (Speech-To-Text – STT) estão presentes em serviços de telecomunicações, na Educação, em controle de equipamentos industriais, em alarmes para situações de risco, em ajuda às pessoas com algum tipo de necessidade especial (especialmente em pessoas com deficiência visual ou auditiva), em controles de lista de espera em hospitais, sinalização de bagagens em transportes públicos, sistemas de navegação GPS, smartphones, etc.
No entanto, são poucos trabalhos que pretendem estudar a conversão automática das formas escritas para a forma fonológica da língua, porque, na maioria das vezes, não existe correspondência direta entre a grafia e a representação fonológica. No entanto, podemos mencionar dois trabalhos muito importantes nessa área: o trabalho de Veiga, Cadeia, Perdigão (2011) que apresentam um Grapheme to phoneme (G2P) para o português europeu e o Vasilévski (2008), que desenvolveu um sistema como esse para o estudo estatístico dos fonemas do português brasileiro.
Neste trabalho, apresentamos um sistema automático de transcrição fonológica para o português, considerando especificamente a forma da língua para o português brasileiro. Utilizamos como símbolos de saída o Alfabeto Fonético Internacional (Internetional Phonetic Alphabet – IPA) – criado pela Associação Fonética Internacional como uma forma de representação padronizada dos sons das línguas.
Este artigo está dividido em quatro tópicos: no primeiro tópico, apresentamos as abordagens dos conversores grafofônicos na literatura existente; no segundo, distinguimos as formas de transcrição fonológica para o português; no terceiro, mencionamos os processos metodológicos que utilizamos para o desenvolvimento do sistema e, no quarto tópico, apresentamos os resultados e a avaliação do sistema.
Neste tópico, mostraremos e exemplificaremos as abordagens dos conversores desenvolvidos para o português. Alguns sistemas de transcrição grafofônicos automáticos foram desenvolvidos e distribuídos para essa língua, como o Grafone e o Nhenhém. A partir da análise desses sistemas, foi possível distinguir três tipos de técnicas utilizadas na programação desses softwares: os sistemas por regras, os sistemas probabilísticos (estatísticos) e os sistemas híbridos. O primeiro tipo de programa utiliza uma série de regras pré-programadas, a partir de padrões presentes em uma língua, para reconhecer e realizar a correta transcrição dos grafemas. O segundo utiliza de métodos estatísticos e/ou probabilísticos para realizar a transcrição. O terceiro utiliza ambas as técnicas já citadas durante o processo.
Desse modo, podemos exemplificar o primeiro tipo por meio dos sistemas de Braga, Coelho e Resende (2006) e Vasilévski (2008). Os primeiros autores construíram um algoritmo que faz as transcrições fonológica e fonética baseadas em regras linguísticas para o português europeu. No entanto, os autores alegam que o algoritmo pode ser muito útil para outras variedades de Português, inclusive para o português brasileiro. Essas regras foram implementadas por meio de padrões fonológicos e utilizando, na transcrição dos grafemas, os símbolos fonéticos do alfabeto fonético SAMPA. Eles implementaram as regras de transcrição agrupando-as de acordo com os caracteres comuns e realizaram vários testes que foram ordenados por frequência dos grafemas na língua e testaram das mais frequentes até a menos frequente. O Nhenhém, programa desenvolvido por Vasilévski (2008), também faz uso da técnica de transcrição por regras linguísticas. Esse programa é usado para o tratamento de textos escritos e são codificados em símbolos fonológicos do AFI, formando um corpus para análise estatística.
Um exemplo do segundo tipo é o conversor de Barros e Weiss (2006). Esses autores apresentam um sistema probabilístico baseado em modelos de máxima entropia. Esse sistema executa a transcrição gráfica e fônica, insere a acentuação e faz a separação silábica das palavras para o português europeu (doravante PE). Segundo esses autores, os sistemas probabilísticos são mais flexíveis quanto ao som sintético natural do discurso contínuo, uma vez que os modelos estatísticos podem ser treinados de tal maneira que são proferidos no ritmo da fala, destinando-se ao uso em determinada aplicação em síntese de fala.
Como exemplo dos sistemas de transcrição fonológica híbridos para o português, podemos mencionar o Grafone – Conversor de grafema para fonema do Português Europeu – que foi desenvolvido pela equipe do Instituto de Telecomunicação, no Laboratório de Processamento de Sinais em Coimbra, Portugal. Esse laboratório desenvolve sistemas de reconhecimento de fala e síntese de fala, os quais exigem o desenvolvimento de um conversor de grafema para fonema de alto nível.
No que se refere à abordagem desses conversores, os sistemas baseados em regras são muito úteis para gerar aplicação padrão nas transcrições de síntese ou para construir novos corpora para sistemas de aprendizado de máquina, como o sistema desenvolvido por Braga, Coelho e Resende (2006) para o PE e o Nhenhém 1.0 de Vasilévski (2008), para o PB. Porém, como bem apontam Barros e Weiss (2006), esses sistemas apresentam alguns inconvenientes, uma vez que a aplicação de uma regra pode ter consequências desastrosas em outras, porque as regras são construídas em forma de cascatas, ou seja, após a execução da primeira regra, o sistema lança como output para a segunda e assim sucessivamente. Essa característica serve tanto para os sistemas de regras quanto para o sistema de estados finitos, baseado em regra do padrão gerativo. Outro problema é o fato de serem mais caros do que os sistemas probabilísticos, pois é necessário um linguista perito para configurar todas as regras e exceções com o fim de produzir os bons resultados.
No entanto, como bem aponta Carvalho (2016), os sistemas que têm uma abordagem de estados finitos são mais flexíveis na integração entre as múltiplas fontes de informação linguística – como a integração de um conversor grafofônico com um etiquetador morfossintático – além de integração de conhecimento em métodos baseados em dados dirigidos. No entanto, deve-se tomar cuidado com o uso das regras de reescritas, pois a má utilização pode tornar o programa ineficaz.
Esses sistemas realizam a transcrição fonológica automática de textos e palavras; contudo, esses apresentam distinções as quais se faz necessário apresentar. O Grafone apresenta um excelente desempenho, realizando a conversão fonológica de forma correta com a grande maioria dos vocábulos; ademais, o programa permite a conversão para dois tipos de alfabetos de representação, o alfabeto fonético internacional (IPA) e o SAMPA. Apesar desses pontos positivos, o sistema executa a conversão apenas para o português europeu; desse modo, a transcrição não é completamente compatível com os vocábulos brasileiros. O Nhenhém, em contrapartida, foi desenvolvido visando ao suporte ao português brasileiro, também possui um ótimo desempenho e ainda permite extrair dados estatísticos durante a transcrição, o que o torna uma excelente ferramenta de suporte a pesquisas fonológicas. Ambos os sistemas realizam a transcrição automática para o português, mas apresentam enfoques diferentes no processo de transcrição.
Feitas essas ressalvas sobre os conversores automáticos, mostraremos as formas de transcrição fonológica automática para o português.
Utilizaremos o termo transcrição para nos referir à representação escrita dos símbolos fonéticos de um texto escrito graficamente. A expressão transcrição fonológica se refere à representação dos fonemas da língua, ou seja, é uma representação abstrata do sistema sonoro da língua e se distingue da transcrição fonética, que é a representação dos sons emitidos por falantes de uma língua quando produz a fala, como afirmam Seara, Nunes e Volcão (2015). Assim, a expressão transcrição fonológica automática remete à representação escrita dos fonemas da língua feita por um sistema computacional.
Quando falamos de transcrição grafofônica, como aponta Carvalho (2016), nos deparamos com o fato inconteste de que a forma escrita da língua portuguesa é diferente da forma como os falantes a pronunciam. Para Bechara (2005, p. 53), três fatores contribuem para que o sistema ortográfico (ou gráfico) do português não possua uma ortografia ideal, ou seja, um sistema em que cada letra corresponde a um som da língua: (1) a adoção do alfabeto latino que nem sempre é capaz de representar os fonemas da língua; (2) as mudanças que ocorreram com os fonemas das línguas neolatinas depois de terem adotado esse alfabeto e (3) a indecisão permanente das convenções ortográficas entre a opção do sistema fônico ou etimológico.
Considerando esses fatores, destacamos que a forma escrita da língua portuguesa apresenta apenas um conjunto de 26 letras para representar na escrita os 33 fonemas existentes na língua. Desse conjunto de letras, cinco representam os sete fonemas vocálicos, dezessete representam os vinte e seis fonemas consonantais, uma letra sem correspondência fonológica – a letra <h> – usada por herança etimológica, e três letras para o uso nas palavras palavras estrangeiras- as letras <k>, <w> e <y>. Por isso, segundo Bechara (2005), o alfabeto absorve diversas variações e extensões, fundindo letras – como ocorre nos dígrafos – e modificando-as com o uso dos diacríticos, atribuindo funções especiais a duplas de letras ou absorvendo letras completamente novas ao alfabeto.
Esses fatores destacam que a relação do grafema para fonema da língua não ocorre de forma direta, ou seja, uma letra nem sempre corresponde a um fonema. A letra vocálica <e>, por exemplo, pode representar o fonema vocálico /e/ ou /ɛ/. Na palavra <teve> (pretérito perfeito do indicativo), a primeira letra corresponde ao fonema /e/ e, na palavra <leve>, a letra corresponde ao fonema /ɛ/. Outros exemplos com as consoantes, como as letras <s>, <x>, <c>, etc., podem ser vistos nos quadros 4 e 5.
Acrescentamos que, além das idiossincrasias da ortografia portuguesa, a transcrição fonológica automática se depara com a relação em que as representações gráficas (as formas escritas da língua) são cadeias do nível superior, ou seja, o que o escritor tinha em mente quando escrevia o texto, e as representações fonológicas são cadeias do nível inferior. Em outras palavras, a primeira cadeia no sistema é constituída pelas formas gráficas e a segunda pelas formas fonológicas da língua.
Nessa relação, como mostra a Figura 1, no tópico 4.5 deste artigo, a regra de reescrita está na sequência intermediária e
consiste em uma sequência ordenada de regras de reescrita que converteram as representações fonológicas abstratas em formas de superfície através de uma série de representações intermediárias. Cada regra de reescrita tem a forma geral α -> β / γ_δ, onde α, β, γ e δ podem ser arbitrariamente cadeias complexas ou matrizes de traços (BEESLEY e KARTTUNEN, 2002, p. 309, tradução nossa2).
As regras são aplicadas em cascata com estágios intermediários, gerando as formas de superfície. A tarefa no desenvolvimento de um transdutor de grafema para pronúncia é criar uma cascata de regras que mapeiam as cadeias ortográficas do português (lexical side) para as cadeias fonéticas (surface side) que representam a pronúncia da cadeia de entrada.
A partir dos conhecimentos adquiridos, oriundos da pesquisa e dos estudos na área da Fonologia e da Informática, o software de conversão grafofônico foi, então, desenvolvido. Optou-se, a princípio, pelo sistema de regras para realizar as conversões dos grafemas, devido à agilidade desse método. Para isso, o conversor fonológico foi desenvolvido com auxílio do software Foma, um compilador de estados finitos, biblioteca e linguagem de programação de uso múltiplo (HULDEN, 2008), desenvolvido pelo programador Mans Hulden. Sua simples sintaxe, rica biblioteca de funções e o suporte a expressões regulares, possibilita o desenvolvimento de poderosas aplicações de processamento com linguagem natural.
O Foma é, também, um programa de código livre com licença pública geral (GPL) que permite a livre distribuição e modificação no seu código, todas essas particularidades o torna uma plataforma ideal para o desenvolvimento de analisadores morfológicos/fonológicos, possuindo como um ponto fraco, apenas, o quesito portabilidade, uma vez que é restrita às linguagens de programação C/C++, Perl e JavaScritpt, não possuindo suporte direto à outras linguagens importantes como o Java e o PHP.
Outra característica importante que destacamos é o uso de expressões regulares. Em Ciência da Computação, são padrões presentes em uma cadeia de caracteres escritos de maneira formal e reconhecidos por um módulo processador (JARGAS, 2006). Várias linguagens de programação, atualmente, reconhecem expressões regulares que possibilitam a manipulação ágil de qualquer padrão de caracteres como textos, frases, palavras e sílabas; por isso, essa poderosa ferramenta foi utilizada no desenvolvimento do programa. Por conveniência, optamos por utilizar as expressões regulares do Foma especificamente, uma vez que as funções de manipulação são mais simples, flexíveis e totalmente compatíveis com esses padrões.
De modo geral, o algoritmo do transcritor é simples, o programa simplesmente solicitará uma palavra de entrada e esta será transcrita fonologicamente, ou seja, terá caracteres substituídos por símbolos fonéticos, de acordo com um conjunto de regras definidas pelas expressões regulares. Essa substituição será feita com auxílio de funções do Foma. O programa executa a transcrição de uma palavra por vez. Por isso, no caso de um texto, as palavras devem ser, primeiramente, separadas manualmente ou por meio de um Tokenizador – sistema automático que segmenta um texto em tokens (palavras e símbolos). Além disso, as regras de substituição necessitam de uma análise de sílabas separadamente; desse modo, também será necessário um separador silábico para que o programa seja executado corretamente. Por isso, desenvolvemos um sistema de separação silábico e um tokenizador integrados ao programa Bag of Tools, mas que não apresentaremos neste trabalho.
Segundo Hulden (2008), o Foma é um compilador, uma linguagem de programação e uma biblioteca em C para a construção de autômatos e transdutores de estados finitos. Essa biblioteca utiliza caracteres especiais para a manipulação computacional de estruturas mórficas e fonológicas. O conhecimento dos comandos e operadores dessa biblioteca é fundamental para compreender as aplicações das regras chomskianas utilizadas no desenvolvimento do programa.
No Quadro 1, apresentamos alguns operadores utilizados na implementação das expressões regulares em Foma.
O Quadro 1 apresenta os principais operadores utilizados nas regras do Foma para executar a relação do input e com o output do sistema, ou seja, a relação entre grafema e fonema da língua portuguesa, em que cada letra do alfabeto gráfico corresponde a um símbolo do alfabeto fonético. Nesse sentido, ressaltamos que o sistema de transcrição fonológica apresenta apenas uma transcrição possível para cada palavra, ou seja, existe apenas um output para um conjunto de grafemas do input. Porém, como aponta Carvalho (2016), nem sempre essa relação satisfaz o uso da pronúncia numa variedade linguística da língua portuguesa. Nas transcrições fonéticas, uma palavra escrita pode ter duas ou mais formas de pronunciá-la. Como exemplo, citemos, por exemplo, a palavra <cebola> que pode apresentar duas pronúncias, [si'bolɐ] e [se'bolɐ], numa mesma variedade linguística. Nesse sentido, a primeira forma de transcrição apresenta uma saída igual para todos os dialetos (variedades linguísticas). As particularidades fonéticas de cada variante são expressas na transcrição fonética.
No próximo tópico, compreenderemos a relação entre o input e o output do sistema com a aplicação das regras, para termos uma visão geral de como ocorre o processo de transcrição fonológica utilizando uma rede estados finitos.
Segundo Chomsky e Halle (1968), o componente fonológico da gramática deve ter uma propriedade recursiva e conter certas regras que possam ser aplicadas indefinidamente com frequência, em novos arranjos e combinações, na geração (especificação) de descrições estruturais das frases em uma língua. Nesse sentido, as regras constituem a gramática de um determinado falante da língua e determinam em detalhes a forma das frases com que o falante produzirá e compreenderá a estrutura linguística. Uma forma direta de efetuar as mudanças em uma gramática é adicionar novas regras ao componente fonológico, atuando na modificação, no acréscimo ou no apagamento dos segmentos das formas de entrada.
Nesse subtópico, enfatizamos a formalização das regras fonológicas para o gerativismo e apresentamos a execução do sistema partindo das representações subjacentes – ou input – para as representações de superfície – ou output.
Na perspectiva gerativista, Seara, Nunes e Volcão (2015, p. 140) afirmam que "o componente fonológico é formado por um conjunto de representações subjacente e por regras que definem como essas representações emergem na superfície". As regras são aplicadas às representações subjacentes, transformando-as e gerando novas formas de representação até o término do processo derivacional, quando se tem a representação superficial. Assim, para efeito da transcrição automática de grafema para fonema, consideramos os grafemas como a forma subjacente e os fonemas como a forma superficial. Ilustramos esse processo na Figura 1.
A partir da análise fonológica da língua portuguesa e de conhecimentos oriundos de trabalhos anteriores, um conjunto de regras foi compilado com o intuito de possibilitar a um computador o reconhecimento dos diferentes fonemas presentes no português brasileiro a partir dos grafemas, dos vocábulos inseridos.
Esse conjunto de regras pode ser classificado da maneira como segue: regras de transformação direta, regras de transcrição para dígrafos consonantais, regras de transcrição de consoantes com regras complexas, regras de transcrição de vogais e regras de transcrição de palavras em casos de neutralização fonêmica.
Na implementação do sistema, percebemos que alguns grafemas, como mostra o Quadro 2, sempre são transcritos da mesma maneira, ou seja, possuem somente um respectivo fonema em qualquer contexto. Esses grafemas formam implementados por meio de regras de transformação direta, pois não exigiam contextos de mudança sonora. Os grafemas que permaneceram com a relação direta entre as letras e os sons formam: <p>, <b>, <d>, <t>, <v>, <j>, <f>, <ç>, que sempre são transcritos, respectivamente, por: /p/, /b/, /d/, /t/, /v/, /ʒ/ /f/, /s/. Ressaltamos que as consoantes <t> e <d> são representadas, em algumas variedades do português, como [ʧ] e [dʒ] quando vêm precedido da vogal /i/, como nas palavras <tia> [ʧia] e dia [dʒia], respectivamente. No entanto, a transcrição fonológica do sistema não considera essas variações linguísticas desse segmento.
As regras para essas letras podem, então, ser representadas como se segue no Quadro 2.
O dígrafo é um fonema representado por duas letras em um vocábulo. A segunda letra existe apenas para auxiliar a primeira em uma determinada pronúncia (PESTANA, 2013). Desse modo, essas duas letras serão representadas apenas por um único símbolo fonético. Pela análise realizada, nota-se que alguns dígrafos consonantais possuem, também, regras simples, como é o caso do <ch>, cujo fonema é sempre representado pelo arquifonema /S/, do <sc>, <ss> e <sç>, ambos representados pelo fonema /s/, e também do <rr>, cuja a transcrição é representada pelo arquifonema /R̄/ em todos os contextos.
Outros dígrafos consonantais, entretanto, não possuem regras tão simples, uma vez que podem possuir sons diferentes em certas ocasiões, como é o caso do <gu>, <qu>, <lh>, <nh> e <xc>. Salientamos, com base em Silva (2014), que as sequências tradicionalmente denominadas “tritongos” são transcritas como uma sequência de oclusiva velar-glide seguida de um ditongo decrescente: <quais> /'kwals/.
Para esses, podemos generalizar as regras de modo que contemple corretamente a maioria dos casos. Tais regras foram então resumidas no Quadro 3.
Algumas consoantes podem representar vários fonemas na língua portuguesa, como, por exemplo, o grafema <x>, que representa quatro fonemas na nossa língua, tal como ocorre em: <taxi>, <faixa>, <execução> e <próximo>. De fato, nesses casos, a letra pode representar os sons de /ks/, /ʃ/, /z/ e /s/, respectivamente. Para que o programa possa executar, devidamente, a transcrição para esses fonemas, alguns padrões mais complexos foram inseridos. Contudo, para algumas palavras, devido a sua etimologia, mesmo essas regras não se aplicam. De modo genérico, pode-se atribuir as regras do Quadro 4 para a maioria das palavras.
Algumas vogais possuem uma transcrição fonológica simples, por exemplo, as vogais <a>, <i> e <u> representam, respectivamente, os fonemas /a/ /i/ e /u/ em qualquer situação. Em contrapartida, os grafemas <e> podem corresponder aos fonemas /e/ ou /ɛ/, assim como a letra <o> pode representar /o/ ou /ɔ/. Infere-se, ainda, que a presença desses fonemas se dá, praticamente, de forma aleatória, de modo que não foi possível definir uma regra eficiente para distingui-los, o que torna a transcrição das vogais <e> e <o> um grande desafio para o propósito do programa. De fato, esse problema apenas poderá ser solucionado com o desenvolvimento de um etiquetador, ou seja, um programa que insere etiquetas morfossintáticas em palavras. Simplificando, pode-se aplicar as regras do Quadro 5 a um certo número de casos.
Quando há uma perda de contraste fonêmico, isto é, quando dois ou mais fonemas perdem a distinção entre si, temos uma neutralização fonética (SEARA, 2015). Para representar esses casos, representamos esse fenômeno por arquifonemas, tais como o /S/ para representar a neutralização de fonemas como o /s/, /z/, /ʒ/; /N/ para representar a perda de contraste entre fonemas que representam a nasalização pós-vocálica e o /R/, como bem destaca Silva (2014), em todos os dialetos3 do português falado no Brasil, há distinção fonêmica entre a vibrante simples /ɾ/ e a vibrante múltipla /r/ em posição intervocálica. Os segmentos fonéticos das vibrantes múltiplos podem ocorrer em posição pós-vocálica como uma consoante fricativa [h], [ɣ], [x], [ɦ] ou retroflexa /ɻ/. Por isso, utilizamos o arquifonema /R/ para denotar a neutralização existente no contraste fonético desses segmentos, como destacamos nos Quadros 3 e 4 e retomamos no Quadro 6.
Como mostrado em alguns itens dos Quadros 4, 5 e 6, a transcrição fonológica automática do sistema considera o fato de que certos fonemas perdem o contraste fonológico em ambientes específicos. É o caso dos arquifonemas /R/ e /l/ que expressam a neutralização de um ou mais fonemas em um contexto específico. Destacamos que o arquifonema /l/ representa a manifestação escrita da letra <l> como uma consoante lateral alveolar, quando em início de sílaba ou quando precedido por uma consoante na mesma sílaba, como nas palavras <leve> e <planta>, respectivamente. No entanto, quando falada, nesse fonema ocorre uma variação em posição final de sílaba; pode apresentar como uma lateral alveolar velarizada ou como vocalização do fonema (SILVA, 2014). Para todas essas situações envolvendo esse fonema, o sistema de transcrição faz a representação por meio do arquifonema /l/, como mostramos no Quadro 4. Dessa forma, na transcrição fonológica automática dessa letra, ocorre a neutralização em relação aos falares para essa consoante. A mesma lógica de aplicação dessa regra foi utilizada para a representação da letra <r>, nos casos em que ela manifesta-se como um tepe ou vibrante simples /ɾ/, quando vem em posição intervocálica ou quando está precedida por uma consoante na mesma sílaba. Já nos demais casos essa letra é transcrita por meio do arquifonema /R/.
A avaliação de um modelo computacional tem como objetivo principal decidir se o sistema transcreve com precisão um determinada palavra escrita no padrão fonológico e o resultado da avaliação é importante para compreendermos até que ponto o modelo é confiável, para que fins utilizá-lo e, também, para guiar o desenvolvedor na busca de melhorias futuras para o modelo, conforme explicam Bird, Klein e Loper (2009). Pensando assim, apresentamos o processo de avaliação e os resultados obtidos do sistema de transcrição fonológica.
Ressaltamos que esse sistema está integrado em um programa chamando Bag of Tools, o qual contém outros sistemas para o processamento de linguagem natural, como worlist, separador silábico e o Grapheme to Phoneme que executa a transcrição fonológica, como se pode ver na Figura 2.
Para a avaliação, e consequentemente observação dos principais erros do sistema, foi separada uma amostra de mil palavras do Corpus de Jornais Potiguares (C-Poti). Esse corpus está sendo desenvolvido junto ao Grupo de Estudo em Linguística Computacional (GELC) da Universidade Federal Rural do Semi-Árido (UFERSA) e é constituído por 78 textos escritos coletados criteriosamente dos jornais online do estado Rio Grande do Norte.
Depois disso, o programa foi compilado para um arquivo binário, reconhecido pelo Foma, o qual pode ser executado por linha de comando; contudo, pode ser exportado para algumas linguagens de programação e executado por interface gráfica, como podemos ver na Figura 3, que é um modo mais intuitivo e prático.
Utilizando a interface gráfica da Bag of Tools, o usuário pode escolher entre a execução do sistema de um único arquivo ou de um conjunto de arquivos. Para isso, basta optar pelo botão open na barra de menu, se quiser abrir um arquivo no input do sistema ou escolher o botão import na mesma barra, para executar o sistema com vários arquivos. Os arquivos ficam dispostos na barra vertical text imports no qual o usuário poderá executar uma das ferramentas que se encontram na barra de sistemas.
Após a solicitação de execução, o programa retorna para o usuário o resultado das palavras em duas colunas: na primeira coluna, estão presentes todas palavras, não repetidas, dos textos selecionados para a execução e, na segunda coluna, estão presentes as transcrições das palavras nos símbolos do Alfabeto Fonético Internacional, como mostra a Figura 3.
Feito isso, fizemos a avaliação do sistema utilizando a acurácia – a métrica comumente aplicada para avaliar os sistemas de transcrição fonológica, como podemos ver em Veiga, Candeias e Perdigão (2011) e Barros e Weiss (2006). A acurária é a métrica mais simples que pode ser usada para avaliar um G2P e medir os percentuais de entrada no conjunto de teste que o sistema transcreveu corretamente (BIRD, KLEIN e LOPER, 2009). Essa métrica calcula uma pontuação para um modelo, comparando as entradas em um conjunto de teste com os símbolos corretos para essas entradas, ou seja, a tarefa fundamental desse método é a classificação binária dos resultados obtidos.
O sistema de transcrição de grafema para fonema da língua portuguesa que apresentamos consegue transcrever muitas palavras da língua portuguesa com eficiência, em testes, cerca de 90% de acurácia nas mil palavras utilizadas que foram transcritas aceitavelmente pelo software. Contudo, de modo inerente, ele comete alguns equívocos com alguns vocábulos.
No Quadro 7, apontamos os principais erros encontrados na transcrição da amostra.
Como é possível observar no Quadro 7, os principais erros se devem à transcrição das vogais <e>, <o> e da consoante <x>. Desse modo, o sistema de transcrição por regras mostra-se pouco eficiente para o caso desses grafemas, visto que o sistema verbal muitas vezes não utiliza de padrões lógicos na composição de palavras, o que torna a transcrição dessas letras, de certa maneira, imprevisível para um computador. Para esses casos, como já discutido, há a necessidade de outros softwares auxiliares que auxiliem na transcrição.
A partir dos resultados percebemos que o programa ainda apresenta alguns erros que devem ser reduzidos para que a transcrição fonológica seja mais eficaz. Todavia, o conversor G2P é apenas um dos sistemas que pertence ao programa Bag of Tools, no qual serão acrescentadas outros sistemas que auxiliarão no funcionamento completo da transcrição fonológica automática. Além disso, o sistema construído demonstra que é um software conveniente de transcrição fonológica, para um grande número de vocábulos do português brasileiro. Entretanto, ainda possui erros, cuja implementação ainda não foi feita, mas será tratada em projetos futuros. Assim, os resultados mostraram que o desempenho do G2P foi de 90% de acurácia. Isso constitui boa performance para um sistema ainda em aprimoramento.
Ressaltamos que, ao final do processo, o programa foi compilado para um arquivo binário, reconhecido pelo Foma, o qual pode ser executado por linha de comando. Contudo, pode ser exportado para algumas linguagens de programação e executado por interface gráfica, um modo mais intuitivo e prático.
Destacamos também que esse trabalho contribuirá para o desenvolvimento tecnológico de outras ferramentas que o grupo desenvolverá na área da linguística computacional. Além disso, espera-se, também, que ele contribua no aperfeiçoamento do algoritmo desenvolvido. Como resultado desses estudos, o algoritmo do transcritor fonológico foi, então, desenvolvido e demonstra um desempenho favorável, realizando corretamente a transcrição fonológica da grande maioria dos vocábulos da língua portuguesa.
