LanguageStructure/Bororo-Corpus

# Bororo-Corpus (CorBo) (Pré-lançamento v0.5) Este corpus contém dados da **língua Boe-Bororo**, anotados segundo o padrão Universal Dependencies. Integra traduções alinhadas, glossas lexicais e metadados provenientes de diversas fontes do projeto **Boe eno moto**. --- ## 📦 Conteúdo do pacote | Arquivo | Descrição | |----------|------------| | **Bororo_UD_enriched_v5.conllu** | Corpus principal com anotações UD, traduções (PT/EN), enriquecimento lexical e metadados por sentença. | | **Bororo_UD_enriched_v5_meta_report.txt** | Relatório com estatísticas de alinhamento e metadados. | | **bororo_lexical_summary.tsv** | Sumário lexical com frequência dos lemas, glossas, classificadores (CLS) e proclíticos. | | **bororo_lexical_missing_fields.tsv** | Lista dos lemas que ainda não possuem glossas, CLS ou proclíticos preenchidos. | | **bororo_corpus_parallel.csv** | Corpus paralelo (Bororo ↔ Português) usado para o alinhamento das traduções. | | **bororo_lexicon_template_for_enrichment.csv** | Léxico utilizado para enriquecer os campos MISC (GLOSS, CLS, PRCLITIC). | | **README.md** | Este documento. | --- ## 🧩 Estrutura do arquivo CoNLL-U Cada linha de token segue o formato padrão UD (10 colunas): **Comentários por sentença:** text = translation_pt = translation_en = meta: sourcefile=; genre= ; elicitation=no; align_tier= **Campos do MISC:** | Campo | Descrição | |--------|------------| | `LEMMA_SRC` | Origem do lema (`conllu` ou dicionário) | | `POS_FINE` | Classe gramatical detalhada (derivada de XPOS ou UPOS) | | `ORTHO` | Forma ortográfica | | `GLOSS` | Glossa lexical (manual ou do dicionário) | | `CLS` | Classe de posse / classificador (`o`, `ke`, `aku`, `imo`, `kuie`, `kudawu` etc.) | | `PRCLITIC` | Proclítico (ex.: `i=`, `a=`, `bo=`, `ka=`) | | `GLOSS_SEG` | Glossa segmentada (a ser adicionada nas próximas versões) | | `AUDIO` | Caminho para o áudio do token (previsto para a versão futura) | --- ## 🌍 Fontes de dados | Fonte | Tipo | Observações | | …