Grafía, señales y columna por bloque
Señales del texto en portugués, inglés, español y chino
Intensificadores, atenuadores, polaridad, negación, voz pasiva, pronombres, mayúsculas, puntuación, emoji, risas e indicios de ironía, medidos en una fila.
· jsonW 1.3.11
El problema
La forma de un mensaje dice mucho: mayúsculas, tres exclamaciones, un "jajaja", una negación. Esas cuentas suelen quedar repartidas en expresiones regulares distintas en cada sistema.
Cómo lo resuelve jsonW
La función jsonw_sinal_texto empareja el léxico del idioma (pt, en, es o zh, escrito a mano) con el autómata de la función 9 y cuenta la forma sin diccionario. El chino, que no separa palabras con espacios, se empareja ideograma por ideograma.
const char *t = "NÃO acredito que você fez isso de novo!!! Foi muito bom kkkk 😂";
int64_t r = jsonw_sinal_texto(t, strlen(t), "lexico-pt.jsw", "exemplo", "t1", saida, sizeof saida, erro, sizeof erro);
{origem: "exemplo", chave: "t1", palavras: 12, frases: 2, palavras_por_frase: 6, palavra_media_letras: 3.83333, complexidade: 0.5, intensificadores: 1, atenuadores: 0, positivas: 1, negativas: 0, carga_emocional: 1, polaridade: 1, absolutas: 0, negacoes: 1, passivas: 0, eu: 0, nos: 0, voce: 1, ele: 0, caixa_alta_pct: 8.33333, palavras_caixa_alta: 1, exclamacoes: 3, interrogacoes: 0, pontuacao_exagerada: 1, reticencias: 0, repeticao_letras: 0, sem_pontuacao_final: 0, emojis: 1, kaomojis: 0, figurinhas: 0, interjeicoes: 0, onomatopeias: 0, disfluencias: 0, risos: 1, ironia_indicios: 0}
Salida real de libjsonw 1.3.11 con el léxico del portugués: 1 negación, 1 "você" (usted), 1 intensificador ("muito", muy), 3 exclamaciones, 1 emoji y 1 risa ("kkkk").
Dónde está
En la ABI (jsonw_sinal_texto). Sin léxico, mide solo la forma. Los indicios de ironía son conteos de patrones, no un veredicto; la decisión sigue con su modelo.