‘Sobre o que é este corpus?’: usando modelagem de tópicos para explorar um corpus especializado

Este artigo apresenta a modelagem de tópicos, uma técnica de aprendizado de máquina que identifica automaticamente ‘tópicos’ em um dado corpus. O artigo ilustra seu uso na exploração de um corpus de inglês acadêmico. Primeiro, oferece a explicação intuitiva do mecanismo subjacente à modelagem de tópicos e descreve o procedimento para construir um modelo, incluindo as decisões envolvidas no processo de construção do modelo. Em seguida, o artigo explora o modelo. Um tópico em modelos de tópicos é caracterizado por um conjunto de palavras que ocorrem juntas, e iremos demonstrar que tais tópicos nos trazem ricas percepções sobre a natureza de um corpus. Como tarefas exemplares, este artigo identifica os tópicos proeminentes em diferentes partes de artigos, investiga a mudança cronológica de um jornal e revela diferentes tipos de artigos no jornal. O artigo ainda compara a modelagem de tópicos a duas técnicas mais tradicionais em linguística de corpus, anotação semântica e análise de palavras-chave, e destaca as forças da modelagem de tópicos. Acreditamos que a modelagem de tópicos é particularmente útil na exploração inicial de um corpus.