CoPEP

CoPEP: Corpus de Português Escrito em Periódicos

O CoPEP (Corpus de Português Escrito em Periódicos) é um corpus sincrónico composto de cerca de 10 000 textos coligidos de revistas académicas de Brasil e Portugal. O corpus foi criado com o propósito de servir de referência para um projeto lexicográfico cujo principal objetivo era o desenho de um dicionário on-line para estudantes universitários com base em dados de corpora (Kuhn 2017). O corpus contém quase 50 milhões de átomos, distribuídos por três colégios, por sua vez subdivididos em seis grandes áreas (de acordo com a classificação da CAPES).

Os subcorpora de cada variedade linguística têm sensivelmente a mesma dimensão e contêm quase o mesmo número de átomos por grande área e por colégio, fazendo do CoPEP um corpus equilibrado. Os metadados foram guardados de forma a permitir opções avançadas de pesquisa, e.g. ano de publicação, grande área do conhecimento e ISSN.

Para informação mais detalhada, consultar as publicações.

Como citar este corpus:

Tanara Zingano Kuhn & José Pedro Ferreira (2018). CoPEP - Corpus de Português Escrito em Periódicos (v.1.5). Coimbra: CELGA-ILTEC.

Alguns dados e números

Os textos distribuem-se por três colégios e, mais abaixo, em seis grandes áreas (de acordo com a classificação CAPES).

Colégios	*Colégio de Humanidades (HU)*		*Colégio de Ciências da Vida (CV)*		*Colégio de Ciências Exatas, da Terra e Multidisciplinar (CE)*
Grandes áreas	Ciências Humanas (Hu)	Ciências Socias Aplicadas (Ap)	Ciências da Saúde (He)	Ciências Agrícolas (Ag)	Engenharia (En)	Ciências Exatas e da Terra (Ex)

O corpus contém perto de 50 milhões de átomos, distribuídos de forma equilibrada entre variedades, tanto globalmente como em casa domínio científico.

		Corpus		Português brasileiro	Português europeu
Textos		9, 900		3,811	6,089
Palavras		40,424,598		20,250,823	20,173,775
Tokens (também para os dados abaixo)		48,840,337		24,427,255	24,413,082
Colégio de Humanidades			30,988,552	15,460,402	15,528,150
	Ciências Humanas		25,595,789	12,763,135	12,832,654
	Ciências Sociais Aplicadas		5,392,763	2,697,267	2,695,496
Colégio de Ciências da Vida			16,151,841	8,112,981	8,038,860
	Ciências da Saúde		13,540,819	6,797,058	6,743,761
	Ciências Agrícolas		2,611,022	1,315,923	1,295,099
Colégio de Ciências Exatas, da Terra e Multidisciplinar			1,699,944	853,872	846,072
	Ciências Exatas e da Terra		829,983	409,500	420,483
	Engenharia		869,961	444,372	425,589

Este estudo foi financiado em parte pela Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Brasil (CAPES, Código de financiamento 001), e em parte pela Fundação para a Ciência e a Tecnologia de Portugal, através do Projeto Estratégico do CELGA-ILTEC da Universidade de Coimbra (POCI-01-0145-FEDER-006986 - UID/LIN/04887/2013).