noun "média" incorrectly lemmatized as "médio"

[leoalenc]

@arademaker, naquela comparação entre MorphoBr e Bosque, surgiu uma discrepância em relação ao lema do substantivo média:

awk '$2 ~ /^média$/ && $3 ~ /médio/ && $4 ~ /NOUN/' *.conllu
2   média   médio   NOUN    _   Gender=Fem|Number=Sing  14  nsubj   _   _
2   média   médio   NOUN    _   Gender=Fem|Number=Sing  10  nsubj   _   _
3   média   médio   NOUN    _   Gender=Fem|Number=Sing  10  nsubj   _   _

Vejamos um caso:

grep -PhC 10 "média\tmédio\tNOUN" *.conllu
47-48   da  _   _   _   _   _   _   _   _
47  de  de  ADP _   _   49  case    _   _
48  a   o   DET _   Definite=Def|Gender=Fem|Number=Sing|PronType=Art    49  det _   _
49  entidade    entidade    NOUN    _   Gender=Fem|Number=Sing  46  nmod    _   SpaceAfter=No
50  .   .   PUNCT   _   _   15  punct   _   _

# text = A média diária de negócios com o metal em maio foi de 2,43 toneladas.
# sent_id = CF518-3
# source = CETENFolha n=518 cad=Dinheiro sec=eco sem=94b
1   A   o   DET _   Definite=Def|Gender=Fem|Number=Sing|PronType=Art    2   det _   _
2   média   médio   NOUN    _   Gender=Fem|Number=Sing  14  nsubj   _   _

O lema deveria ser média, certo?

[arademaker]

assim como fiz em #410, generalizando a busca com a regex .+a\t.+o\tNOUN, encontrei vários outros casos. A maioria fácil de resolver, mas alguns mais delicados pendentes abaixo, muitos onde a palavra é parte de uma expressão e/ou nome.

documents/CP0954.conllu:10  séria   sério   NOUN    <np-idf>|N|F|S|@<ACC    Gender=Fem|Number=Sing  8   obj _   _
documents/CF0161.conllu:8   Bonequinha  bonequinho  NOUN    <first-cjt>|PROP|M|S|@S<    ExtPos=PROPN|Gender=Fem|Number=Sing 4   appos   _   _
documents/CP0323.conllu:8   próxima próximo NOUN    <n>|<np-def>|ADJ|F|S|@P<    Gender=Fem|Number=Sing  5   nmod    _   SpaceAfter=No
documents/CF0051.conllu:36  antepassada antepassado NOUN    <n>|<np-def>|ADJ|F|S|@P<    Gender=Fem|Number=Sing  33  nmod    _   _
documents/CP0443.conllu:7   baixa   baixo   NOUN    <np-idf>|N|F|S|@N<  Gender=Fem|Number=Sing  3   obl _   _
documents/CP0170.conllu:22  crítica crítico NOUN    <first-cjt>|<n>|<np-def>|ADJ|F|S|@<ACC  Gender=Fem|Number=Sing  20  obj _   _
documents/CP0573.conllu:2   relativa    relativo    NOUN    <n>|<np-def>|ADJ|F|S|@NPHR  Gender=Fem|Number=Sing  0   root    _   _
documents/CF0298.conllu:8   enferma enfermo NOUN    <np-idf>|N|F|S|@P<  Gender=Fem|Number=Sing  6   nmod    _   SpaceAfter=No
documents/CP0369.conllu:58  lombarda    lombardo    NOUN    <cjt>|<n>|ADJ|F|S|@P<   Gender=Fem|Number=Sing  56  conj    _   _
documents/CP0691.conllu:31  positiva    positivo    NOUN    <n>|<np-def>|ADJ|F|S|@P<    Gender=Fem|Number=Sing  21  conj    _   SpaceAfter=No
documents/CP0142.conllu:14  velha   velho   NOUN    <n>|<np-idf>|ADJ|F|S|@<SUBJ Gender=Fem|Number=Sing  12  nsubj   _   SpaceAfter=No
documents/CP0894.conllu:8   náufraga    náufrago    NOUN    <n>|<np-idf>|ADJ|F|S|@P<    Gender=Fem|Number=Sing  1   obl _   SpaceAfter=No
documents/CP0068.conllu:40  próxima próximo NOUN    <n>|<Eg>|<np-def>|ADJ|F|S|@P<   Gender=Fem|Number=Sing  37  nmod    _   SpaceAfter=No
documents/CP0131.conllu:10  classificada    classificado    NOUN    <mv>|<first-cjt>|V|PCP|F|S|@ICL-N<PRED  Gender=Fem|Number=Sing  6   appos   _   _
documents/CP0083.conllu:12  antepassada antepassado NOUN    <first-cjt>|<np-def>|N|F|S|@KOMP<   Gender=Fem|Number=Sing  6   obl _   SpaceAfter=No
documents/CF0942.conllu:28  loira   loiro   NOUN    <cjt>|<n>|<np-idf>|ADJ|F|S|@N<PRED  Gender=Fem|Number=Sing  25  conj    _   SpaceAfter=No
documents/CF0942.conllu:22  loira   loiro   NOUN    <n>|<np-def>|ADJ|F|S|@P<    Gender=Fem|Number=Sing  18  obj _   _
documents/CP0682.conllu:51  nova    novo    NOUN    <n>|<COMP>|ADJ|F|S|@APP Gender=Fem|Number=Sing  45  appos   _   _
documents/CP0503.conllu:76  burlesca    burlesco    NOUN    <n>|<np-idf>|ADJ|F|S|@P<    Gender=Fem|Number=Sing  72  nmod    _   _