Pular para o conteúdo
jsonW Paper GitHub

Grafia, sinais e coluna por bloco

Sinais do texto em português, inglês, espanhol e chinês

Intensificadores, atenuadores, polaridade, negação, voz passiva, pronomes, caixa alta, pontuação, emoji, risos e indícios de ironia, medidos numa linha.

· jsonW 1.3.11

O problema

A forma de uma mensagem diz muito: caixa alta, três exclamações, um "kkkk", uma negação. Essas contas costumam ficar espalhadas em expressões regulares diferentes em cada sistema.

Como o jsonW resolve

A função jsonw_sinal_texto casa o léxico da língua (pt, en, es ou zh, escrito à mão) pelo autômato do recurso 9 e conta a forma sem dicionário. O chinês, que não separa palavras por espaço, é casado 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}

Saída real da libjsonw 1.3.11 com o léxico do português: 1 negação, 1 "você", 1 intensificador ("muito"), 3 exclamações, 1 emoji e 1 riso.

Onde está

Na ABI (jsonw_sinal_texto). Sem léxico, ela mede só a forma. Os indícios de ironia são contagens de padrões, não um veredito; a decisão continua com o seu modelo.

Leia a seção completa no paper →