Questão nº 56
Questão de Tecnologia da Informação · FGV TRF1 2024 (nº 56)
Bernardo, analista de dados do TRF-1, realiza o pré-processamento de um dataset que será utilizado para treinar o chatbot do Tribunal. Em uma das etapas do pré-processamento, ele utiliza uma ferramenta que deflexiona as palavras, retirando suas inflexões.
Nessa etapa, Bernardo realizou uma:
- Aanotação;
- Bcodificação;
- Cestemização;
- Dextração;
- Elematização. (alternativa correta)
Resposta comentada
Gabarito Alternativa E
A lematização é o processo de reduzir palavras flexionadas (que mudam de forma para indicar tempo, gênero, número, etc.) à sua forma base ou de dicionário, chamada lema, garantindo que o resultado seja uma palavra válida e com significado.
(A) Incorreta: Anotação é o processo de adicionar metadados ou rótulos a um texto, como identificar classes gramaticais ou entidades nomeadas.
(B) Incorreta: Codificação é a conversão de texto em uma representação numérica, essencial para algoritmos de aprendizado de máquina.
(C) Incorreta: Estemização (stemming) é a redução de palavras à sua raiz (stem), geralmente cortando sufixos, mas o resultado pode não ser uma palavra válida do dicionário. Esta é a armadilha, pois também remove inflexões, mas de forma menos sofisticada que a lematização.
(D) Incorreta: Extração é o ato de identificar e retirar informações específicas de um texto, como entidades, fatos ou palavras-chave.
(E) Correta: Lematização é o processo de deflexionar palavras, ou seja, retirar suas inflexões para encontrar o lema (forma base de dicionário), como "correndo", "corria" e "corre" para "correr", ou "melhores" para "bom".
Fonte: FGV TRF1 2024 Analista Judiciário - Análise de Dados (Caderno Tipo 1). Reproduzida para fins de estudo.