Resumo

O gerador de textos funciona utilizando uma gramática livre de contexto com aproximadamente 70 regras e 50 variáveis, modificada para dar suporte a uma concordância sintática básica entre cada variável. Cada variável, por sua vez, será eventualmente resolvida em terminais - há em torno de 500 terminais distintos, o que inclui desde artigos e substantivos individuais até citações completas.

Funcionamento

O funcionamento básico de uma GLC pode ser visto em [1] ou [2].

A principal modificação feita para o funcionamento do gerador foi o suporte a concordância sintática, o que não pode ser feito de maneira trivial com uma GLC pura. Por exemplo, dados um conjunto de substantivos, e.g. SUBSTANTIVO = {"bola", "árvore", "pássaros"} e um conjunto de artigos, e.g. ARTIGO = {"um", "o", "as", "uma"}, como combinar os dois de forma a ter uma expressão bem-formada? Uma possível GLC ingênua seria:

[suj_simples]-->[artigo] [substantivo]
[artigo]--> um | o | as | uma
[substantivo]--> bola | árvore | pássaros

Mas esta regra não seria satisfatória, pois, escolhendo sem critério os terminais, geraria expressões mal-formadas como "o bola" ou "as pássaros".

A abordagem tomada para resolver este problema foi de inserir "anáforas"[3] (um pequeno abuso de notação) nas variáveis, de forma que há variáveis determinantes ("fortes") e variáveis determinadas ("fracas"). Primeiro resolve-se completamente todas as variáveis fortes duma regra (ao contrário do que poderia exigir uma derivação fixa numa única direção, como é de costume em GLCs) para em seguida resolver as fracas, passando como parâmetros as conjugações apropriadas, e.g.:

[suj_simples x]-->[artigo_def(x)] [substantivo x]
[artigo]--> um (numero:S) | o (numero:S genero:M) | as (numero:P genero:F) | uma (genero:F)
[substantivo]--> bola (numero:S genero:F) | árvore (numero:S genero:F) | pássaros (numero:P genero:M)

Nesta regra, a variável substantivo será resolvida primeiro, e sua conjugação será armazenada na variável x. Essa variável então será passada como argumento à variável artigo_def, de forma que uma expressão bem-formada resultará da regra.

Implementação

O gerador foi implementado em Java utilizando apenas as bibliotecas padrão do JDK6.

Detalhes de funcionamento

PDF explicativo

Referências

[1] Wiki: http://en.wikipedia.org/wiki/Context-free_grammar
[2] SIPSER, Michael
[3] Wiki: http://en.wikipedia.org/wiki/Anaphora_(linguistics)