Normalização de Texto — Padronização de Texto Ruído

A normalização de texto é um pipeline de pré-processamento de Processamento de Linguagem Natural (PLN) que converte texto ruidoso, abreviado ou com erros de ortografia — como mensagens SMS, postagens em mídias sociais e saídas de OCR — em uma forma limpa e padronizada. É uma etapa prévia para praticamente todas as tarefas de PLN subsequentes, garantindo que formas superficiais inconsistentes não degradem a tokenização, a análise sintática ou a classificação. O método ganhou tratamento acadêmico sistemático por meio de Baldwin e Li (2015) e Sproat e Jaitly (2017).