Um estudo exploratório sobre a classificação de morfemas por agrupamento hierárquico para comparação tipológica

Abstract

Em Tipologia Linguística é crucial que os fenômenos ou categorias observadas nas línguas sejam, de fato, comparáveis entre si. Conforme Croft (2002), essa comparabilidade é especialmente difícil quando estamos tratando de categorias sem uma definição semântico-pragmática clara, como categorias do tipo nome, verbo, sujeito, etc. Neste trabalho apresentamos um estudo exploratório sobre o uso de classes distribucionais de morfemas como uma forma de fazer comparação tipológica. Essas classes distribucionais são obtidas a partir da análise de adjacência entre os morfemas de uma língua e subsequente aplicação de algoritmo de agrupamento hierárquico. Trata-se de uma introdução ao uso de técnicas de processamento de linguagem natural, especialmente aprendizado não-supervisionado, para auxiliar na pesquisa em Tipologia Linguística. Realizamos o estudo com quatro línguas não relacionadas geográfica ou geneticamente: araweté, yakkha, pite saami e khwarshi. As classes obtidas parecem revelar informações sobre como as línguas organizam a morfologia gramatical em função da lexical, formando ou não classes de palavras que podemos reconhecer como nomes, verbos, etc.