Não tenho problema algum em mudar para “lexical” — ou mesmo em ficar apenas por “análise”. É um ponto a ver asap.

Sim, o software permite afinação para as palavras muito usadas — já o usei de forma rudimentar, na eliminação de algunas dezenas. Tive de fazer tudo à mão, pois que o meu modelo é inglês (está nos créditos) e não há nada em português (quem trabalha em Portugal nesta, como noutras áreas, continua a acreditar que o secretismo traz algum tipo de benefício à sua investigação, o que é um sinal de grande ignorância)

Sim, está prevista a análise morfológica.

Sim, queimei algumas horas no mordebe, tanto desta vez como da primeira (há ano e tal) que quis fazer uma ferramenta (outra, diferente) de análise de palavras. É um bom trabalho e deverá ser aproveitado SE a ferramenta evoluir.

Sim, a análise semântica é muito mais complexa. Se leres o Acerca da versão beta, verás que desde o primeiro minuto que apresento o serviço como uma ferramenta de ajuda à análise, e não como uma análise pronta.

Procuro apoio para evoluir a ferramenta. Se tiveres ideias, avisa!

Não me alongo muito mais no comentário porque se um comentário de parabéns pode ser tão simples como “Parabéns pelo excelente artigo!”, um comentário de discordância também deve poder ser tão simples como “Não gostei do artigo!”. Só quis dizer alguma coisa porque creio que uma opinião desfavorável vale tanto como uma opinião favorável. Aqui ficou a minha.

Cumprimentos.

Aquilo, em primeiro lugar, não uma análise semântica, mas lexical. Essa parte é óptima, mas não é um fim em si, na medida em que pouca informação relevante poderá trazer ao leitor e (pior) poderá induzi-lo em erro. Para afinares essa parte, seria necessário introduzir um algoritmo que tivesse em conta a frequência que uma determinada palavra tem no vocabulário da língua portuguesa, em particular no discurso político. Um exemplo: a recorrência de uma palavra dos discursos do PM como «área(s)» deveria ser penalizada com um coeficiente inferior a 1, na medida em que é um vocábulo muito utilizado no discurso político. A ocorrência de um vocábulo como «hospitalar», por exemplo, deveria ter um coeficiente superior a 1, na medida em que denota uma preocupação particular de uma área (aqui está) da governação.

O segundo passo, seria passar de uma análise lexical para uma análise morfológica, conjugando o rastreio da ocorrência não de vocábulos, mas de radicais morfológicos. Dessa forma, duas palavras como «hospital» ou «hospitalar» apenas seriam contabilizadas uma vez. Poder-se-ia depois criar uma sub-tag-clouds para cada um desses radicais, onde se registasse a ocorrência do radical nas diversas categorias morfológicas: substantivo, adjectivo, advérbio, verbo, etc. Só aqui é que terias um primeiro vislumbre semântico na análise do discurso, na medida em que optar por determinada categoria morfológica tem importância ao nível da significação (semantismo). Um discurso que utiliza o substantivo «pornografia» faz, em potência, um uso do radical composto «pornograf-» bem diferente ao nível da significação do que outro que utiliza o adjectivo «pronográfico(a)».

Nessa parte morfológica da análise do discurso a mordebe (http://www.iltec.pt/mordebe/?action=search&base=form&sel=exact&query=hospitalar) é uma ferramenta bem útil.

Agora, uma análise do discurso semântica é infinitamente mais complexa e passa pelo rastreio de sememas e semantemas de cada palavra, tipo «Homem» = + ser animado; + humano; + racional; etc… e depois da sua contabilização e comparação qualitativa ao nível dos morfemas e dos radicais. Novamente, tal obrigaria o acesso a uma base de dados semântica da língua portuguesa (aí, a malta brasileira do Aurélio é imbatível). Mas há ainda outras coisas com a classificação de palavras vazias de significação, categorias como + concreto e + abstracto (particularmente relevante no caso dos discursos políticos).

Enfim, há muito a ter em conta e imenso terreno a desbravar. Agora, se fosse a ti, retirava o adjectivo «semântico» que, sinceramente, não corresponde à análise que fazes dos discursos. Substitui, para já, por «lexical».

Abraço
JP

João Pedro, a análise semântica é um ponto de partida, um draft. Se houver como, faço evoluir aquilo (está muito imperfeito, parte de código e exemplos em inglês, tive de martelar imenso para poder meter umas 200 ou 300 palavras portuguesas e nem te conto como retorci o programa para ele tragar os nosso acentos e cedilhas, é feio à brava).

Se houver como, faço evoluir