Extração de Informação integrando componentes PLN via framework GATE

A Extração de Informação (EI) é o ramo da área de recuperação de informação (RI) que utiliza técnicas e algoritmos para identificar e coletar informações desejadas em documentos estruturados ou não, persistindo-as em um formato apropriado para consultas futuras. A utilização de Processamento de Linguagem Natural (PLN) revela-se benéfico ao processo de extração, principalmente quando se processam documentos sem estrutura e/ou padrão definido. Um framework que reúne dezenas de plug-ins que podem ajudar na tarefa de EI baseada em PLN é o conhecido GATE (General Architecture for Text Engineering). Neste sentido propõe-se o modulo RELPIE (Regular Expressions for Language Processing Information Extraction), contendo plug-ins para a extração a partir de texto livre. O módulo é original e integra plug-ins GATE baseados em expressões regulares (ER) e regras de produção (RP), que ficam totalmente separadas do sistema, visando modularidade na EI. Os resultados obtidos demonstram que a proposta apresenta bons níveis de extração e reconhecimento de entidades nomeadas (NER), cerca de 80%, em texto livre.