Um problema comum no processamento de texto é o tratamento ...

Gabarito: Letra D

A questão apresenta conceitos de inteligência artificial, especificamente sobre o processamento da linguagem natural ou linguística computacional. Nesse sentido, pergunta qual é a técnica mais adequada dentre as assertivas para o tratamento de termos compostos por mais de um token, tais como “Ministério Público”.

 O método mais assertivo para esse trabalho é o uso da representação por n-gramas. Através dela, é possível tratar das palavras com se fossem pequenas partes. Ao usar n-gramas, é possível capturar a coocorrência de palavras adjacentes, o que pode ser especialmente útil para capturar termos compostos como "Ministério Público". Veja abaixo uma descrição disso:

Por fim, vejamos os demais itens;

a)  representação por entidade;

Errada. Essa técnica é usada para identificar e extrair entidades nomeadas, como nomes de pessoas, organizações, datas em um texto;

b)  índice invertido;

Errada. O índice invertido é uma estrutura de dados usada em mecanismos de busca para acelerar a recuperação de documentos a partir de termos.

c)  embedding;

Errada. Embora embeddings possam capturar relações semânticas, não são específicos para resolver o problema de termos compostos.

e)  decomposição morfológica.

Errada. A técnica envolve dividir palavras em suas partes constituintes como radicais, prefixos, sufixos para compreender melhor sua estrutura morfológica.