OpLexicon

OpLexicon é um léxico de sentimento para a língua portuguesa, desenvolvido na PUCRS. Página original: https://www.inf.pucrs.br/linatural/wordpress/recursos-e-ferramentas/oplexicon/

Estrutura

oplexicon_v2.1/          ORIGINAL, somente leitura: nunca editar
  lexico_v2.1txt         léxico V2.1 (nome original, sem ponto antes de "txt")
  SHA256SUMS
oplexicon_v3.0/          ORIGINAL, somente leitura: nunca editar
  lexico_v3.0.txt        léxico como distribuído (UTF-8, LF, sem cabeçalho)
  README                 notas originais da versão 3.0
  SHA256SUMS             hashes que provam que o original está intacto
derivados/               GERADO por gerar.py: não editar à mão
  oplexicon_v2.1.csv     versões limpas, com cabeçalho, uma entrada por termo+classe
  oplexicon_v3.0.csv
  descartes_v2.1.csv     cada linha removida, com nº da linha original e motivo
  descartes_v3.0.csv
referencias/             artigos (PDF) e citações (BibTeX)
gerar.py                 original -> derivados/
validar.py               verifica original e derivados

Use derivados/oplexicon_v3.0.csv para análises (ou oplexicon_v2.1.csv para reproduzir trabalhos com a V2.1). O original fica como referência e fonte.

Versões

• V2.1 (2012): lista de palavras com categoria morfológica e polaridade positiva, negativa ou neutra. Formato termo,classe,polaridade, 31.149 entradas.
• V3.0: polaridade de alguns adjetivos da V2.1 revisada por linguistas; adiciona o campo de origem da classificação.

Procedência

O servidor original (ontolp.inf.pucrs.br) está fora do ar e o Wayback Machine só guardou redirecionamentos dos zips. Os arquivos vêm do pacote R sillasgonzaga/lexiconPT, que os baixou do servidor original em 2017:

Zip	SHA-256	Data interna
oplexicon_v2.1.zip	3f01ec65483c93597c68d099b4bc3f3b3373da9c5a0893c3b50bec748abead22	27/06/2012
oplexicon_v3.0.zip	554cc8c66802a6f47a15756658b3765b3d32e6710b1862633af5ed74d0ffe8df

lexico_v3.0.txt é idêntico (mesmo SHA-256) ao do zip do lexiconPT e ao do repositório do autor, marlovss/OpLexicon.

Formato de lexico_v3.0.txt

Uma entrada por linha, 4 campos separados por vírgula:

termo,classe,polaridade,origem

Campo	Valores
termo	palavra, emoticon ou hashtag
classe	adj, vb, emot, htag, vb adj, vb adv, vb n prp, vb det n prp
polaridade	-1 negativa, 0 neutra, 1 positiva
origem	M revisada manualmente, A atribuída automaticamente

Versão limpa (derivados/)

O original tem duplicatas, termos com polaridades conflitantes e entradas espúrias. gerar.py aplica, em ordem:

1. Descarta entradas espúrias: erros de planilha (Erro:510, Erro:511) e codificação corrompida (¬).
2. Reduz duplicatas exatas a uma entrada.
3. Em conflito de termo+classe, mantém a revisão manual (M) e descarta a automática (A), já que a revisão é o propósito da V3.0. Ex.: fácil,adj fica 1 (M), não 0 (A). Não se aplica à V2.1, que não tem o campo de origem.
4. Conflito restante com a mesma origem é descartado (hoje não há nenhum).

Nada some sem registro: entradas + descartes = linhas do original.

Fluxo

python gerar.py

python validar.py

validar.py falha (código 1) se o original tiver sido alterado, se o formato fugir do esperado, se alguma linha não for contabilizada ou se derivados/ estiver desatualizado ou editado à mão.

Citação

Souza, M.; Vieira, R. Sentiment Analysis on Twitter Data for Portuguese Language. 10th International Conference on Computational Processing of the Portuguese Language (PROPOR), 2012. [pdf] [bib]

Souza, M.; Vieira, R.; Busetti, D.; Chishman, R.; Alves, I. M. Construction of a Portuguese Opinion Lexicon from multiple resources. 8th Brazilian Symposium in Information and Human Language Technology (STIL), 2011. [pdf] [bib]

Licença

• Léxico (oplexicon_v2.1/, oplexicon_v3.0/, derivados/): © Souza, Vieira et al. (PUCRS), sob Creative Commons Atribuição-Uso Não-Comercial-Compartilhamento pela mesma Licença 2.5 Brasil, conforme a página de download original. Uso comercial não é permitido. derivados/ é obra derivada e segue a mesma licença.
• Artigos (referencias/): pertencem aos autores e editoras; incluídos como estavam na página oficial. Solicitações de remoção serão atendidas.
• Scripts (gerar.py, validar.py, .github/): MIT.

Download da versão limpa

Cada release traz os CSVs de derivados/ como anexos, gerados e validados pelo CI.