missing words

[arademaker]

Trabalhando em UniversalDependencies/UD_Portuguese-PUD#19. Identifiquei os seguintes tokens sem form no MorphoBr. Alguns são erros no corpus, mas alguns são efetivas faltas no MorphoBr:

   1 | 1.º/ADJ               |
   2 | 1º/ADJ                |
   1 | 31º/ADJ               |
   1 | 3º/ADJ                |
   1 | 45º/ADJ               |
   1 | 96º/ADJ               |
   1 | AIDS/NOUN             |
   1 | Antilhas/NOUN         |
   1 | B-29s/NOUN            |
   1 | Balcãs/NOUN           |
   1 | Caesarians/NOUN       |
   1 | Cifuentes/NOUN        |
   2 | DNA/NOUN              |
   1 | Dr./NOUN              |
   1 | F1/NOUN               |
   1 | Franco-Monegasco/ADJ  |
   1 | GIFs/NOUN             |
   1 | HFCs/NOUN             |
   1 | Hispânia/NOUN         |
   5 | III/ADJ               |
   2 | IV/ADJ                |
   1 | IX/ADJ                |
   1 | Imobliliário/ADJ      |
   1 | Indo-Australiana/ADJ  |
   1 | Jr/ADJ                |
   1 | Kven/NOUN             |
   1 | MLASs/NOUN            |
   1 | Meänkieli/NOUN        |
   2 | Nem/ADV               |
   1 | No./NOUN              |
   1 | Pilatos/NOUN          |
   1 | Rifte/NOUN            |
   1 | Rugby/NOUN            |
   1 | Saara/NOUN            |
   2 | Sami/NOUN             |
   1 | Seguranca/NOUN        |
   1 | Select/NOUN           |
   1 | Simple/NOUN           |
   5 | Sr./NOUN              |
   2 | Sr.ª/NOUN             |
   2 | Sra./NOUN             |
   1 | Super-heróis/NOUN     |
   3 | VIII/ADJ              |
   1 | Z./NOUN               |
  15 | a.C./NOUN             |
   1 | acessar/VERB          |
   1 | aconchegador/NOUN     |
   1 | all/NOUN              |
   1 | and/NOUN              |
   1 | anti-fascista/ADJ     |
   2 | app/NOUN              |
   1 | apunhalamento/NOUN    |
   1 | audiencia/NOUN        |
   1 | austro-prussiano/ADJ  |
   1 | auto-governadas/ADJ   |
   1 | auto-governados/VERB  |
   1 | bjórr/NOUN            |
   1 | blogueiros/NOUN       |
   1 | bullying/NOUN         |
   1 | chat/NOUN             |
   1 | chats/NOUN            |
   1 | co-escritas/VERB      |
   1 | contigente/NOUN       |
   1 | contruídos/VERB       |
   3 | coprotagonizado/VERB  |
   1 | coprotagonizou/VERB   |
   1 | crecidas/VERB         |
   1 | customizados/ADJ      |
   1 | cúlticos/ADJ          |
   1 | daqui/ADV             |
   1 | designers/NOUN        |
   1 | ditato/VERB           |
   1 | drones/NOUN           |
   1 | emoji/NOUN            |
   2 | ex-ministro/NOUN      |
   1 | extra-conjugal/ADJ    |
   1 | feed/NOUN             |
   1 | flocagem/NOUN         |
   1 | incomumente/ADV       |
   1 | linguado-areeiro/NOUN |
   1 | looping/NOUN          |
   1 | maglev/NOUN           |
   1 | maiorum/NOUN          |
   1 | massebot/NOUN         |
   1 | megárica/ADJ          |
   1 | memes/NOUN            |
   1 | meteorítico/ADJ       |
   1 | mos/NOUN              |
   5 | nem/ADV               |
   1 | norte-sul/NOUN        |
   1 | offshore/ADJ          |
   1 | personificador/NOUN   |
   1 | pessoas.../NOUN       |
   1 | photo-offset/NOUN     |
   1 | pro-cônsul/NOUN       |
   1 | proxima/ADJ           |
   2 | pré-históricos/ADJ    |
   1 | pré-pagamento/NOUN    |
   1 | pró-Pequim/ADJ        |
   1 | pós-clássico/ADJ      |
   1 | recém-chegados/NOUN   |
   1 | recém-criada/ADJ      |
   1 | reinforçado/VERB      |
   1 | reinvindicar/VERB     |
   1 | seguidoresda/NOUN     |
   1 | sem-teto/ADJ          |
   3 | smartphone/NOUN       |
   1 | smartphones/NOUN      |
   1 | subdução/NOUN         |
   2 | sul-coreana/ADJ       |
   1 | superpoder/NOUN       |
   1 | taiga/NOUN            |
   1 | teratoma/NOUN         |
   1 | timings/NOUN          |
   8 | tudo/NOUN             |
   1 | voucher/NOUN          |
   1 | wi-fi/NOUN            |
   1 | yazidis/ADJ           |
   1 | yuk/NOUN              |

[vcvpaiva]

Caesarians/NOUN= translation error should be cesarianos (I've changed the translation)
timings/NOUN not a word in PT?
seguidoresda/NOUN typo
photo-offset/NOUN not a word in PT
mos/NOUN word in Latin
maiorum/NOUN word in Latin
feed/NOUN not a word in PT
ditato/VERB typo => ditado
all/NOUN not a word in PT
and/NOUN not a word in PT
crecidas/VERB typo => crescida
bjórr/NOUN

[arademaker]

Obrigado, o caso de pessoas.../NOUN também erro de tokenização, vou tratar lá no PUD.