UD Portuguese CINTIL
Language: Portuguese (code: pt)
Family: IE
This treebank has been part of Universal Dependencies since the UD v2.11 release.
The following people have contributed to making this treebank part of UD: Mariana Avelãs, António Branco, Marisa Campos, Catarina Carvalheiro, Rita Carvalho, Sérgio Castro, Francisco Costa, Cláudia Martins, Rita Pereira, Sílvia Pereira, Clara Pinto, Andreia Querido, Joana Ramos, João Silva, Sara Silveira.
Repository: UD_Portuguese-CINTIL
Search this treebank on-line: PML-TQ
Download all treebanks: UD 2.15
License: CC BY-NC-ND 4.0
Genre: news, fiction, nonfiction, grammar-examples
Questions, comments? General annotation questions (either Portuguese-specific or cross-linguistic) can be raised in the main UD issue tracker. You can report bugs in this treebank in the treebank-specific issue tracker on Github. If you want to collaborate, please contact [jrsilva (æt) fc • ul • pt]. Development of the treebank happens outside the UD repository. If there are bugs, either the original data source or the conversion procedure must be fixed. Do not submit pull requests against the UD repository.
| Annotation | Source |
|---|---|
| Lemmas | annotated manually in non-UD style, automatically converted to UD |
| UPOS | annotated manually in non-UD style, automatically converted to UD |
| XPOS | annotated manually |
| Features | annotated manually in non-UD style, automatically converted to UD |
| Relations | annotated manually in non-UD style, automatically converted to UD |
Description
CINTIL-UDep is a dependency bank of Portuguese that is treebanked with Universal Dependencies. It contains over 38K annotated sentences (and 476K tokens), of mostly newspaper text.
CINTIL-UDep is a dependency bank of Portuguese with 38,400 sentences (and nearly 476,000 tokens), that is treebanked with Universal Dependencies (UD).
CINTIL-UDep was obtained through the merger and automatic conversion to UD of two non-UD dependency banks, CINTIL-DependencyBank and CINTIL DependencyBank PREMIUM.
- CINTIL-DependencyBank was manually annotated with the support of the LXGram deep computational grammar (Costa and Branco, 2010). For each sentence, a parse forest is generated by the grammar with all possible grammatical analyses for that sentence. The human annotator is then tasked with picking the correct analysis from those in the forest. This method ensures precise and highly consistent analyses throughout the treebank.
- CINTIL DependencyBank PREMIUM was created through a different process, though it adheres to the same guidelines as the previous treebank. In CINTIL DependencyBank PREMIUM, human annotators manually corrected the output of a statistical dependency parser. Since this treebank was initially annotated with a statistical parser, it contains sentences that instantiate linguistic phenomena that may not be present in the previous, grammar-based treebank, as computational grammars, albeit precise, have suboptimal coverage.
For more details, refer to (Branco et al., 2022), the canonical reference given below.
Acknowledgments
This work was partly supported by PORTULAN CLARIN Research Infrastructure for the Science and Technology of Language, funded by Lisboa 2020, Alentejo 2020, and FCT-Fundação para a Ciência e Tecnologia under the grant PINFRA/22117/2016; by FCT-Fundação para a Ciência e Tecnologia through the Portuguese project DP4LT (PTDC/EEI-SII/1940/2012); and by the European Commission through the European project QTLeap (EC/FP7/610516).
Several people have contributed to the creation of this treebank, from devising annotation guidelines and developing supporting tools, to manually annotating the text and data curation: Andreia Querido, António Branco, Catarina Carvalheiro, Clara Pinto, Cláudia Martins, Francisco Costa, Joana Ramos, João Silva, Mariana Avelãs, Marisa Campos, Rita Carvalho, Rita Pereira, Sara Silveira, Sérgio Castro, and Sílvia Pereira.
Statistics of UD Portuguese CINTIL
POS Tags
ADJ – ADP – ADV – AUX – CCONJ – DET – INTJ – NOUN – NUM – PRON – PROPN – PUNCT – SCONJ – SYM – VERB
Features
Abbr – Definite – Degree – Gender – Mood – Number – NumType – Person – PronType – Tense – VerbForm
Relations
advcl – advmod – amod – appos – case – cc – cc:preconj – ccomp – conj – cop – csubj – csubj:pass – dep – det – det:poss – fixed – flat – mark – nsubj – nummod – obj – obl – parataxis – punct – root – xcomp
Tokenization and Word Segmentation
- This corpus contains 38400 sentences, 441991 tokens and 475860 syntactic words.
- All tokens in this corpus are followed by a space.
- This corpus does not contain words with spaces.
- This corpus contains 1197 types of words that contain both letters and punctuation. Examples: de_, em_, a_, por_, -se, -me, -lhe, primeiro-ministro, -o, segunda-feira, -lo, sexta-feira, -a, porta-voz, terça-feira, R., quinta-feira, vice-presidente, P., secretário-geral, fim-de-semana, -no, norte-americana, quarta-feira, Grã-Bretanha, norte-americano, -os, Timor-Leste, norte-americanos, sociais-democratas, Inc., com_, cessar-fogo, -los, -la, -nos, social-democrata, pré-escolar, guarda-redes, -na, Corp., Co., direcção-geral, ex-presidente, braço-de-ferro, projecto-lei, -as, D., procurador-geral, quartos-de-final
- This corpus contains 33865 multi-word tokens. On average, one multi-word token consists of 2.00 syntactic words.
- There are 1113 types of multi-word tokens. Examples: do, da, na, no, dos, ao, das, à, nos, pela, pelo, nas, aos, num, às, numa, neste, pelos, deste, desta, nesta, nesse, pelas, trata-se, disso, nessa, deles, destes, dessa, daí, desse, desses, destas, dele, delas, dessas, disto, nestes, nestas, naquela, naquele, dela, daquele, fala-se, seguiu-se, tratou-se, noutros, daqueles, diz-se, daquela.
Morphology
Tags
- This corpus uses 15 UPOS tags out of 17 possible: ADJ, ADP, ADV, AUX, CCONJ, DET, INTJ, NOUN, NUM, PRON, PROPN, PUNCT, SCONJ, SYM, VERB
- This corpus does not use the following tags: PART, X
- This corpus contains 97 lemmas tagged as pronouns (PRON): -a, -as, -la, -las, -lhe, -lhe_, -lhes, -lo, -los, -me, -me_, -na, -nas, -no, -nos, -o, -os, -se, -te, -vos, a, algo, alguém, as, certa, certas, certo, como, cuja, cujas, cujo, cujos, determinadas, determinado, determinados, ela, elas, ele, eles, eu, lhe, lhes, me, me_, meu, meus, mim, minha, minhas, nada, niente, ninguém, nos, nossa, nossas, nosso, nossos, nós, o, onde, os, outra, outras, outro, outros, porque, porquê, pouco, quais, qual, quando, quantas, quanto, que, quem, quê, se, seu, seus, si, sua, suas, te, teu, teus, ti, tu, tua, tuas, tudo, você, vocês, vossa, vossas, vosso, vossos, vós
- This corpus contains 76 lemmas tagged as determiners (DET): a, algum, alguma, algumas, alguns, ambas, ambos, aquela, aquelas, aquele, aqueles, aquilo, as, bastante, bastantes, cada, certa, certas, certo, certos, diversas, diversos, essa, essas, esse, esses, esta, estas, este, estes, imensa, imensas, imenso, imensos, inúmeras, inúmeros, isso, isto, mais, mesma, mesmo, muita, muitas, muito, muitos, nenhum, nenhuma, nenhumas, numerosa, numerosos, o, os, outro, outros, pouca, poucas, pouco, poucos, quaisquer, qualquer, tais, tal, tanta, tantas, tanto, tantos, toda, todas, todo, todos, um, uma, umas, uns, várias, vários
- Out of the above, 10 lemmas occurred sometimes as PRON and sometimes as DET: a, as, certa, certas, certo, o, os, outro, outros, pouco
- This corpus contains 5 lemmas tagged as auxiliaries (AUX): estar, haver, ir, ser, ter
- Out of the above, 5 lemmas occurred sometimes as AUX and sometimes as VERB: estar, haver, ir, ser, ter
- There are 4 (de)verbal forms:
- Fin
- AUX: é, foi, são, está, era, foram, estão, será, estava, seria
- VERB: há, tem, vai, pode, disse, é, diz, quer, têm, vão
- Ger
- AUX: sendo, estando
- VERB: tendo, dizendo, acrescentando, exigindo, falando, incluindo, referindo, acompanhando, reflectindo, tentando
- Inf
- AUX: ser, estar, ter, serem, terem, estarem, estarmos, sermos, terão
- VERB: ter, fazer, partir, dizer, ver, dar, tentar, haver, falar, ficar
- Part
- AUX: sido, estado
- VERB: feito, passado, feita, tido, feitas, marcada, entregue, passada, visto, apresentado
Nominal Features
- Fem
- ADJ: nova, primeira, outra, outras, grande, segunda, portuguesa, mesma, novas, boa
- DET: a, as, uma, esta, essa, toda, todas, estas, algumas, muitas
- NOUN: pessoas, empresa, vida, situação, parte, vez, questão, casa, acções, história
- NUM: duas, três, cinco, mil, quatro, Ambas, meia, seis, sete, vinte
- PRON: sua, suas, minha, ela, nossa, elas, -a, a, cuja, minhas
- VERB-Part: feita, feitas, marcada, passada, apresentada, sediada, prevista, anunciada, dada, tomada
- Masc
- ADJ: novo, outro, outros, primeiro, novos, mesmo, grande, últimos, último, português
- DET: o, os, um, este, isso, todos, esse, alguns, estes, isto
- NOUN: anos, ano, dia, presidente, mercado, caso, lado, país, fim, tempo
- NUM: dois, cento, duzentos, milhões, três, mil, quatro, cinco, sete, dez
- PRON: seu, ele, tudo, seus, eles, meu, o, nosso, meus, nada
- PROPN: Presidente
- VERB-Part: passado, feito, divulgados, apresentado, aprovado, preso, divulgado, apresentados, dado, feitos
- Plur
- ADJ: grandes, outros, outras, novos, diferentes, últimos, novas, principais, primeiros, nacionais
- AUX: são, foram, estão, serão, eram, estamos, estavam, têm, somos, estiveram
- AUX-Fin: são, foram, estão, serão, eram, estamos, estavam, somos, estiveram, sejam
- AUX-Inf: serem, terem, estarem, estarmos, sermos, terão
- DET: os, as, todos, alguns, estes, muitos, todas, estas, algumas, muitas
- NOUN: anos, pessoas, contos, dias, acções, empresas, computadores, problemas, meses, coisas
- NUM: dois, mil, três, duas, quatro, cinco, vinte, duzentos, seis, sete
- PRON: seus, eles, suas, nós, meus, elas, nossos, outros, os, quais
- VERB-Fin: têm, vão, podem, temos, vamos, chegaram, querem, dizem, viram, são
- VERB-Inf: continuarem, fazerem, poderem, terem, começarem, conhecerem, criarem, estarem, ficarem, formarem
- VERB-Part: feitas, divulgados, apresentados, feitos, publicados, entregues, conhecidos, elevados, pagos, mortos
- Sing
- ADJ: grande, novo, outro, nova, primeira, diferente, primeiro, outra, bom, maior
- AUX: é, foi, está, era, será, estava, tem, seria, tinha, esteve
- AUX-Fin: é, foi, está, era, será, estava, seria, esteve, estou, sou
- AUX-Inf: ter, ser, estar
- DET: o, a, um, uma, este, esta, isso, esse, essa, qualquer
- NOUN: ano, presidente, dia, mercado, caso, lado, país, empresa, vida, fim
- NUM: cento, um, %, meia, terço, meio, milhão, uma, duzentas, quinto
- PRON: sua, seu, ele, tudo, se, -se, eu, minha, ela, meu
- PROPN: Presidente
- VERB-Fin: há, tem, vai, pode, disse, é, diz, quer, tinha, fez
- VERB-Inf: fazer, ter, manter, poder, tornar, concretizar, evitar, ser, aceitar, apoiar
- VERB-Part: passado, feita, feito, marcada, passada, entregue, apresentado, aprovado, apresentada, preso
- Def
- DET: o, a, os, as
- Ind
- DET: um, uma, uns, umas
Degree and Polarity
- Abs
- ADJ: mínima, máximo, máxima, maior, melhor, mínimo, mínimos, mínimas, pior, contentíssimo
Verbal Features
- Cnd
- AUX: seria, teria, seriam, estaria, teriam, Seríamos, estariam
- AUX-Fin: seria, seriam, estaria, Seríamos, estariam
- VERB-Fin: poderia, iria, deveria, teria, poderiam, deveriam, diria, iriam, seria, haveria
- Imp
- VERB-Fin: vem, Experimenta, Imagina, pede, Come, DIZ, Diverte, Faz, Justifica, Menciona
- Ind
- AUX: é, foi, são, está, era, foram, estão, será, estava, tem
- AUX-Fin: é, foi, são, está, era, foram, estão, será, estava, serão
- VERB-Fin: há, tem, vai, pode, disse, é, diz, quer, têm, vão
- Sub
- AUX: seja, fosse, for, sejam, tenha, forem, fossem, estejam, tivesse, esteja
- AUX-Fin: seja, fosse, for, sejam, forem, fossem, estejam, esteja, estivesse, estiver
- VERB-Fin: tenha, possa, haja, quiser, possam, houver, houvesse, pudesse, tiver, tivesse
- Fut
- AUX: será, serão, terá, estará, for, estarão, forem, estaremos, estiver, seremos
- AUX-Fin: será, serão, estará, for, estarão, forem, estaremos, estiver, seremos, estiverem
- VERB-Fin: poderá, deverá, terá, haverá, irá, deverão, poderão, terão, ficará, será
- Imp
- AUX: era, estava, eram, tinha, estavam, fosse, estávamos, fossem, havia, tivesse
- AUX-Fin: era, estava, eram, estavam, fosse, estávamos, fossem, estivesse, éramos, estivessem
- VERB-Fin: tinha, havia, podia, tinham, queria, era, ia, devia, dizia, sabia
- Past
- AUX: foi, foram, esteve, estiveram, fui, estive, estivemos, Estiveste, fomos
- AUX-Fin: foi, foram, esteve, estiveram, fui, estive, estivemos, Estiveste, fomos
- VERB-Fin: disse, fez, teve, houve, ficou, comprei, começou, chegou, foi, acabou
- Pqp
- AUX-Fin: fora, estivera
- VERB-Fin: acabara, acontecera, fizera, tivera, vira, Tocara, chegara, ficara, perdera, resolvera
- Pres
- AUX: é, são, está, estão, tem, estamos, estou, sou, seja, têm
- AUX-Fin: é, são, está, estão, estamos, estou, sou, seja, somos, sejam
- VERB-Fin: há, tem, vai, pode, é, diz, quer, têm, vão, podem
Pronouns, Determiners, Quantifiers
- Art
- DET: o, a, os, as, um, uma, uns, umas
- Dem
- DET: este, esta, isso, esse, essa, isto, estes, estas, esses, aquela
- Ind
- DET: todos, alguns, qualquer, muitos, toda, todas, algumas, cada, todo, muitas
- PRON: tudo, nada, algo, outro, outros, ninguém, outras, outra, alguém, determinado
- Int
- PRON: quem, que, como, Quando, onde, porquê, qual, quantas, quanto, quê
- Prs
- PRON: -se, se, sua, seu, ele, seus, eles, eu, suas, minha
- Rel
- PRON: que, onde, quem, qual, como, cuja, quais, cujo, cujos, cujas
- Card
- NUM: dois, mil, três, duas, quatro, 30, cinco, 20, vinte, duzentos
- Frac
- NUM: cento, %, meia, quartos, terço, terços, meio, quinto
- Ord
- ADJ: primeira, primeiro, segunda, segundo, primeiros, terceiro, terceira, primeiras, quarto, quarta
- 1
- AUX: estamos, estou, sou, somos, fui, estávamos, fomos, estive, temos, tenho
- AUX-Fin: estamos, estou, sou, somos, fui, estávamos, fomos, estive, éramos, estaremos
- AUX-Inf: estarmos, ser, sermos, ter
- PRON: eu, nós, -me, me, mim, -nos, nos, -me_, me_
- VERB-Fin: comprei, temos, tenho, vamos, vejo, quero, posso, vou, sei, podemos
- VERB-Inf: ganharmos, ir, perdermos, poder, ter, aceitar, assumirmos, começarmos, compreendermos, concretizar
- 2
- AUX-Fin: és, estás, Estiveste, estavas, serás
- PRON: tu, ti, -te, te, vós, -vos
- VERB-Fin: tens, vais, quiseres, sabes, vem, podes, vês, Experimenta, Imagina, dizes
- VERB-Inf: tentar
- 3
- AUX: é, foi, são, está, era, foram, estão, será, estava, tem
- AUX-Fin: é, foi, são, está, era, foram, estão, será, estava, seria
- AUX-Inf: ter, ser, serem, terem, estar, estarem, terão
- PRON: -se, se, ele, eles, ela, o, -lhe, elas, -o, -lo
- VERB-Fin: há, tem, vai, pode, disse, é, diz, quer, têm, vão
- VERB-Inf: fazer, continuarem, manter, evitar, fazerem, poderem, ser, ter, terem, tornar
Other Features
- Abbr
- Yes
- NOUN: etc
- Yes
Syntax
Auxiliary Verbs and Copula
- This corpus uses 2 lemmas as copulas (cop). Examples: ser, estar.
- This corpus does not contain auxiliaries.
Core Arguments, Oblique Arguments and Adjuncts
Here we consider only relations between verbs (parent) and nouns or pronouns (child).
- nsubj
- VERB-Fin--NOUN (9085)
- VERB-Fin--NOUN-ADP(como) (1)
- VERB-Fin--NOUN-ADP(de) (6)
- VERB-Fin--NOUN-ADP(de_) (73)
- VERB-Fin--NOUN-ADP(em) (2)
- VERB-Fin--NOUN-ADP(em_) (1)
- VERB-Fin--PRON (3424)
- VERB-Fin--PRON-ADP(de) (3)
- VERB-Fin--PRON-ADP(de_) (20)
- VERB-Ger--PRON (5)
- VERB-Inf--NOUN (350)
- VERB-Inf--NOUN-ADP(de_) (2)
- VERB-Inf--PRON (112)
- VERB-Inf--PRON-ADP(de_) (1)
- VERB-Part--NOUN (2411)
- VERB-Part--NOUN-ADP(de) (2)
- VERB-Part--NOUN-ADP(de_) (31)
- VERB-Part--PRON (188)
- VERB-Part--PRON-ADP(de_) (5)
- obj
- VERB--NOUN (1)
- VERB-Fin--NOUN (11609)
- VERB-Fin--NOUN-ADP(a_) (1)
- VERB-Fin--NOUN-ADP(com) (2)
- VERB-Fin--NOUN-ADP(como) (1)
- VERB-Fin--NOUN-ADP(de) (5)
- VERB-Fin--NOUN-ADP(de_) (46)
- VERB-Fin--NOUN-ADP(em) (3)
- VERB-Fin--NOUN-ADP(em_) (5)
- VERB-Fin--NOUN-ADP(para) (2)
- VERB-Fin--NOUN-ADP(sobre) (3)
- VERB-Fin--PRON (2331)
- VERB-Fin--PRON-ADP(de_) (3)
- VERB-Ger--NOUN (194)
- VERB-Ger--NOUN-ADP(de_) (1)
- VERB-Ger--PRON (30)
- VERB-Inf--NOUN (2562)
- VERB-Inf--NOUN-ADP(de) (1)
- VERB-Inf--NOUN-ADP(de_) (10)
- VERB-Inf--PRON (350)
- VERB-Part--NOUN (228)
- VERB-Part--PRON (17)
Relations Overview
- This corpus uses 3 relation subtypes: cc:preconj, csubj:pass, det:poss
- The following 14 relation types are not used in this corpus at all: iobj, vocative, expl, dislocated, discourse, aux, nmod, acl, clf, compound, list, orphan, goeswith, reparandum