UD Portuguese PUD
Language: Portuguese (code: pt
)
Family: Indo-European, Romance
This treebank has been part of Universal Dependencies since the UD v2.1 release.
The following people have contributed to making this treebank part of UD: Hans Uszkoreit, Vivien Macketanz, Aljoscha Burchardt, Kim Harris, Katrin Marheinecke, Slav Petrov, Tolga Kayadelen, Mohammed Attia, Ali Elkahky, Zhuoran Yu, Emily Pitler, Saran Lertpradit, Gustavo Mendonça, Larissa Rinaldi, Martin Popel, Daniel Zeman, Valeria de Paiva, Alexandre Rademaker, Elvis de Souza.
Repository: UD_Portuguese-PUD
Search this treebank on-line: PML-TQ
Download all treebanks: UD 2.14
License: CC BY-SA 3.0
Genre: news, wiki
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 [zeman (æt) ufal • mff • cuni • cz]. Development of the treebank happens directly in the UD repository, so you may submit bug fixes as pull requests against the dev branch.
Annotation | Source |
---|---|
Lemmas | not available |
UPOS | annotated manually in non-UD style, automatically converted to UD |
XPOS | not available |
Features | annotated manually in non-UD style, automatically converted to UD |
Relations | annotated manually in non-UD style, automatically converted to UD |
Description
This is a part of the Parallel Universal Dependencies (PUD) treebanks created for the CoNLL 2017 shared task on Multilingual Parsing from Raw Text to Universal Dependencies.
There are 1000 sentences in each language, always in the same order. (The sentence alignment is 1-1 but occasionally a sentence-level segment actually consists of two real sentences.) The sentences are taken from the news domain (sentence id starts in ‘n’) and from Wikipedia (sentence id starts with ‘w’). There are usually only a few sentences from each document, selected randomly, not necessarily adjacent. The digits on the second and third position in the sentence ids encode the original language of the sentence. The first 750 sentences are originally English (01). The remaining 250 sentences are originally German (02), French (03), Italian (04) or Spanish (05) and they were translated to other languages via English. Translation into German, French, Italian, Spanish, Arabic, Hindi, Chinese, Indonesian, Japanese, Korean, Portuguese, Russian, Thai and Turkish has been provided by DFKI and performed (except for German) by professional translators. Then the data has been annotated morphologically and syntactically by Google according to Google universal annotation guidelines; finally, it has been converted by members of the UD community to UD v2 guidelines.
Additional languages have been provided (both translation and native UD v2 annotation) by other teams: Czech by Charles University, Finnish by University of Turku and Swedish by Uppsala University.
The entire treebank is labeled as test set (and was used for testing in the shared task). If it is used for training in future research, the users should employ ten-fold cross-validation.
Acknowledgments
Statistics of UD Portuguese PUD
POS Tags
ADJ – ADP – ADV – AUX – CCONJ – DET – INTJ – NOUN – NUM – PRON – PROPN – PUNCT – SCONJ – SYM – VERB – X
Features
Case – Definite – Foreign – Gender – Mood – Number – Number[psor] – Person – Polarity – Poss – PronType – Reflex – Tense – VerbForm
Relations
acl – acl:relcl – advcl – advmod – amod – appos – aux – aux:pass – case – cc – cc:preconj – ccomp – compound – conj – cop – csubj – csubj:pass – dep – det – discourse – dislocated – expl:pv – fixed – flat – flat:name – iobj – mark – nmod – nsubj – nsubj:pass – nummod – obj – obl – obl:tmod – orphan – parataxis – punct – root – vocative – xcomp
Tokenization and Word Segmentation
- This corpus contains 1000 sentences, 21917 tokens and 23407 syntactic words.
- This corpus contains 2634 tokens (12%) that are not followed by a space.
- This corpus does not contain words with spaces.
- This corpus contains 61 types of words that contain both letters and punctuation. Examples: a.C., Sr., porta-voz, Grã-Bretanha, terça-feira, B.C., Joliot-Curie, Sr.ª, Sra., cidade-estado, cidades-estado, e-mails, ex-ministro, pré-históricos, pós-guerra, quinta-feira, sul-coreana, 1.º, B-29s, Brisbane's, Dr., Franco-Monegasco, G.D.P, Gordon-Levitt, Hitchhiker's, Indo-Australiana, Ministro-presidente, No., St., Super-heróis, U.S, Z., Zettel's, al-Jadaan, anti-fascista, arranha-céus, austro-prussiano, auto-governadas, auto-governados, co-escritas, comandante-chefe, e-mail, extra-conjugal, governador-geral, linguado-areeiro, longas-metragens, mão-de-obra, norte-americanas, norte-sul, photo-offset
- This corpus contains 1490 multi-word tokens. On average, one multi-word token consists of 2.00 syntactic words.
- There are 43 types of multi-word tokens. Examples: da, do, no, na, dos, ao, das, à, nos, pelo, pela, nas, pelos, às, aos, desta, disso, deste, deles, numa, pelas, dele, num, desses, naquele, nesta, destes, neste, delas, naquilo, Nisto, bem-sucedido, daquele, dela, destas, disto, naquela, naqueles, nele, neles, nisso, norte-coreano, àquela.
Morphology
Tags
- This corpus uses 16 UPOS tags out of 17 possible: ADJ, ADP, ADV, AUX, CCONJ, DET, INTJ, NOUN, NUM, PRON, PROPN, PUNCT, SCONJ, SYM, VERB, X
- This corpus does not use the following tags: PART
- This corpus contains 12 lemmas tagged as pronouns (PRON): _, aquilo, ela, elas, ele, eles, este, eu, o, que, quem, tudo
- This corpus contains 10 lemmas tagged as determiners (DET): _, aquele, cujo, esse, este, nosso, o, outro, seu, um
- Out of the above, 3 lemmas occurred sometimes as PRON and sometimes as DET: _, este, o
- This corpus contains 9 lemmas tagged as auxiliaries (AUX): _, dever, estar, haver, ir, poder, ser, ter, vir
- Out of the above, 7 lemmas occurred sometimes as AUX and sometimes as VERB: _, estar, haver, ir, ser, ter, vir
- There are 3 (de)verbal forms:
- Fin
- AUX: são, tem, É
- VERB: difere, há, opõem
- Inf
- VERB: arrecadar, reduzir
- Part
- AUX: sido
Nominal Features
- Fem
- ADJ: primeira, nova, grande, mais, maior, grandes, segunda, última, americana, britânica
- ADP: a, nessa, daquela
- AUX: consideradas, deixada, nomeada
- DET: a, as, uma, esta, várias, outras, muitas, cada, própria, estas
- NOUN: vez, pessoas, guerra, parte, cidade, região, vida, vezes, volta, área
- NUM: duas, uma, 760, 15,001, 19,999, 330.000, 360, 500, 600.000
- PRON: sua, ela, suas, a, elas, esta, minha, nossa, aquela, essa
- PROPN: China, América, Austrália, Europa, França, Grécia, Itália, Albânia, Clinton, Paris
- VERB: conhecidas, construída, crescidas, derrotada, destruída, dividida, encontrada, estabelecidas, formada, levantadas
- Masc
- ADJ: grande, mais, novos, primeiro, últimos, novo, maior, Unidos, todo, melhor
- ADP: nesse, Aqueles, consigo, nestes
- AUX: declarado, proclamado, chamado, considerados, tornado
- DET: o, os, um, este, muitos, cada, isso, outros, vários, alguns
- NOUN: anos, ano, governo, estado, mundo, acordo, século, tempo, sul, dia
- NUM: dois, um, 1, 1492, 2010, 2012, 2014, 2015, 2017, 1980
- PRON: ele, seu, eles, o, seus, isso, isto, lo, tudo, este
- PROPN: Trump, Mediterrâneo, the, Caribe, EUA, Hong, Kong, Donald, Joseph, Mar
- VERB: devido, feito, realizado, conhecido, construído, coprotagonizado, dito, usado, utilizado, acusado
- Plur
- ADJ: novos, grandes, últimos, mais, Unidos, agrícolas, indígenas, políticos, Olímpicos, americanos
- ADP: Aqueles, nestes
- AUX: foram, são, estão, podem, tinham, eram, estavam, têm, poderiam, serão
- AUX-Fin: são
- DET: os, as, muitos, várias, outras, muitas, outros, vários, alguns, estes
- NOUN: anos, pessoas, vezes, estados, meses, ações, dados, partes, terras, dias
- NUM: milhões, bilhões, bn
- PRON: eles, suas, seus, quais, nós, estes, aqueles, elas, os, vocês
- PROPN: EUA, Alpes, Andes, Balcãs, Kitai, Américas, Antillas, Caribs, Estados, Filipinas
- VERB: têm, estão, incluem, começaram, dizem, tinham, conquistaram, decidiram, fornecem, ocorreram
- VERB-Fin: opõem
- Sing
- ADJ: grande, primeira, maior, nova, mais, primeiro, nacional, novo, melhor, segunda
- ADP: a, nessa, nesse, consigo, daquela
- AUX: é, foi, está, pode, tinha, estava, era, tem, seria, poderia
- AUX-Fin: tem, É
- DET: o, a, um, uma, esta, este, cada, isso, outro, mesmo
- NOUN: vez, guerra, ano, parte, governo, cidade, estado, mundo, acordo, século
- NUM: bilhão, bn, milhão, um, Cinco
- PRON: ele, sua, seu, ela, o, eu, qual, isso, isto, lo
- PROPN: China, Trump, Mediterrâneo, América, the, Austrália, Europa, França, Grécia, Hong
- VERB: disse, há, tem, começou, diz, é, está, fez, tornou, devido
- VERB-Fin: difere, há
- VERB-Inf: reduzir
- Acc
- DET: os
- PRON: o, lo, a, os, ele, la, lhe, me, te
- Dat
- DET: os
- PRON: lhe, me
- Nom
- PRON: ele, eles, ela, eu, nós, você, elas, vocês
- PROPN: ele
- Def
- DET: o, a, os, as
- Ind
- DET: um, uma
Degree and Polarity
- Neg
- ADV: não, nem, nunca
Verbal Features
- Cnd
- AUX: seria, poderia, iria, poderiam, deveria, iriam, seriam, teria, teriam, entregaria
- VERB: seria, acharia, ajudaria, aplicaria, caracterizariam, conteriam, criariam, deixaria, encorajaria, estaria
- Imp
- VERB: Largue, procure
- Ind
- AUX: é, foi, foram, são, está, pode, tinha, estava, estão, podem
- AUX-Fin: são, tem, É
- VERB: disse, há, tem, começou, diz, é, está, fez, tornou, têm
- VERB-Fin: difere, há, opõem
- Sub
- AUX: for, tenham, tivesse, fossem, seja, tenha, estivesse, estivessem, fosse, possam
- VERB: seja, Andes, agissem, assistam, assumisse, aumente, comecem, encaixassem, encaixem, escolhesse
- Fut
- AUX: será, poderá, serão, for, irão, terá, iremos, irá, poderão, tornar
- VERB: haverá, ajudará, atenuará, colocará, continuará, desaparecerão, estenderá, estiver, falará, levarão
- Past
- AUX: foi, foram, tinha, estava, era, tinham, eram, estavam, havia, tivesse
- VERB: disse, começou, fez, tornou, estava, foi, declarou, houve, começaram, escreveu
- Pres
- AUX: é, são, está, pode, estão, podem, tem, têm, vai, deve
- AUX-Fin: são, tem, É
- VERB: há, tem, diz, é, está, têm, estão, incluem, dizem, parece
- VERB-Fin: difere, há, opõem
Pronouns, Determiners, Quantifiers
- Art
- DET: o, a, os, as, um, uma
- Dem
- DET: esta, este, isso, aquele, esses, estes, aquela, aqueles, estas, isto
- Ind
- DET: outra
- Int
- PRON: Quem
- Prs
- DET: Seu, nosso, seus, suas
- PRON: sua, seu, suas, seus, minha, nosso, nossa, meu, Ele, Nossos
- Rel
- DET: cujo, cuja, cujos
- PRON: que
- Tot
- PRON: tudo
- Yes
- DET: cujo, Seu, cuja, cujos
- Yes
- PRON: nos
- 1
- AUX: estamos, podemos, estou, somos, temos, vamos, Estávamos, Posso, devemos, estava
- DET: os, nosso
- PRON: eu, nós, minha, nosso, nossa, me, meu, Nossos, meus, mim
- VERB: penso, conheço, estamos, estou, precisamos, sei, Amo, Olhei, Pedimos, achamos
- 2
- PRON: te
- VERB: Andes
- 3
- ADP: consigo
- AUX: é, foi, foram, são, está, pode, tinha, estava, estão, podem
- AUX-Fin: são, tem, É
- PRON: se, ele, sua, seu, eles, ela, suas, seus, o, lo
- PROPN: ele
- VERB: disse, há, tem, começou, diz, é, está, fez, tornou, têm
- VERB-Fin: difere, há, opõem
- VERB-Inf: reduzir
- Plur
- DET: nosso
- PRON: suas, sua, seus, seu, nosso, nossa, Nossos, nossas
- Sing
- PRON: sua, seu, seus, suas, minha, meu, meus
Other Features
- Foreign
- Yes
- NOUN: capita, Select, all, and, maiorum
- PROPN: Kong, ', of, -, Association, Bonds, Film, Hill, My, You
- Yes
Syntax
Auxiliary Verbs and Copula
- This corpus uses 3 lemmas as copulas (cop). Examples: ser, _, estar.
- This corpus uses 8 lemmas as auxiliaries (aux). Examples: _, ter, poder, estar, ir, dever, haver, vir.
- This corpus uses 2 lemmas as passive auxiliaries (aux:pass). Examples: _, ser.
Core Arguments, Oblique Arguments and Adjuncts
Here we consider only relations between verbs (parent) and nouns or pronouns (child).
- nsubj
- VERB--NOUN (514)
- VERB--NOUN-ADP(de) (2)
- VERB--PRON (156)
- VERB--PRON-Nom (173)
- VERB-Fin--PRON (1)
- VERB-Fin--PRON-Nom (1)
- VERB-Inf--NOUN (1)
- obj
- VERB--NOUN (709)
- VERB--NOUN-ADP(a) (1)
- VERB--NOUN-ADP(em) (1)
- VERB--PRON (36)
- VERB--PRON-ADP(a) (1)
- VERB--PRON-ADP(em) (1)
- VERB--PRON-Acc (37)
- VERB-Fin--NOUN (1)
- VERB-Fin--NOUN-ADP(de) (1)
- VERB-Inf--NOUN (2)
- iobj
- VERB--PRON-ADP(em) (3)
- VERB--PRON-Dat (7)
Reflexive Verbs
- This corpus contains 48 lemmas that occur at least once with an expl:pv child. Examples: _ se, tornar se, aplicar se, encontrar se, casar se, considerar se, estender se, matricular se, reunir se, unir se, acreditar se, apaixonar se, arrepender se, basear se, beneficiar se, campeão se, dar se, declarar se, desarmado se, desenvolver se, desintegrar se, desmoronar se, dividido se, encaixar se, encher se, encontrar nos, estabelecer se, expandir se, expressar se, identificar se, imergir se, impor se, impossível se, inimigo se, inscrever se, inválido se, ler se, melhor se, mercado se, mudar se, opor se, orgulhar se, poderoso me, presidente se, questionar se, recuperar se, recusar se, render se
Relations Overview
- This corpus uses 8 relation subtypes: acl:relcl, aux:pass, cc:preconj, csubj:pass, expl:pv, flat:name, nsubj:pass, obl:tmod
- The following 1 main types are not used alone, they are always subtyped: expl
- The following 4 relation types are not used in this corpus at all: clf, list, goeswith, reparandum