Corpus et concordances

1
Corpus et concordances
2
Qu'est ce qu'un corpus ?

•  Un corpus est une collection de données
  langagières qui sont sélectionnées et organisées
  selon des critères linguistiques explicites pour
  servir déchantillon du langage.  (Sinclair cité
  par B. Habert, A. Nazarenko, A. Salem, Les
  linguistiques de corpus, Paris, Armand Colin,
  1997, p. 144)

3
Taille des corpus

• Gigantesque British National Corpus (100
  millions de mots), The Bank of English (320
  millions de mots)
• de taille moyenne (milliers de mots)

4
Une concordance C. de Laclos Les liaisons
dangereuses
5
Co-occurrence Collocation- Concordance

• Une co-occurrence est un groupe de mots
  apparaissant fréquemment ensemble. En général, on
  peut faire varier au moins un des constituants
  sur l'axe paradigmatique. (ex. salaire de base)
• Collocation des mots Association habituelle de
  2 ou plusieurs termes (collocats) au sein dun
  discours.  Une collocation est une co-occurrence
  qui n'admet pas une variation dans l'association
  des mots et qui est en quelque sorte consacrée
  par la langue.
• La concordance désigne le mot présenté avec les
  extraits ou portions de texte dans lesquels il
  apparaît. En dautres termes, il sagit de la
  liste de segments de texte (on parle de
  contextes) contenant le mot ou les groupes de
  mots ou encore les signes (des signes
  typographiques) désignés. Une concordance est une
  liste de contextes.
• (Lexique, Observatoire du Traitement
  Informatique des Langues et de l'Inforoute)

6
Types de corpus (1a)

• corpus bruts textes écrits ou transcriptions
  écrites de productions orales - enregistrements
  de textes à voix haute, de discours, d'émissions
  de radio, etc. (Lexique, Observatoire du
  Traitement Informatique des Langues et de
  l'Inforoute)

7
Types de corpus (1b)

• corpus annotés ou enrichis indications
  relatives à la structure du texte, aux catégories
  morphosyntaxiques ou sémantiques - informations
  sur la prosodie, le sens, les locuteurs,
  l'environnement sonore, etc. (Lexique,
  Observatoire du Traitement Informatique des
  Langues et de l'Inforoute)
• Pour lannotation des corpus consultez le site
  Text Encoding Initiative Consortium
  (www.tei-c.org)

8
Extrait corpus TALANA (avec syntagmes)TALANA
(Traitement Automatique du Langage Naturel
Univ. Paris 7 )

• ltSgt ltPPgtAu_cours_deP
• ltNPgt laDfs conférence_de_presseNC-fs
• ltSrelgt ltNPgtquiPROR-3fs lt/NPgt
• ltVPgt aVP-3s closVK-ms lt/VPgt
• ltNPgt cetteD-fs rencontreNC-fs lt/NPgt lt/Srelgt
• lt/NPgt lt/PPgt ,PONCT
• ltNPgt leD-ms premier_ministreNC-ms ltAPgt
  est-allemandA-ms lt/APgt lt/NPgt
• ltVPgt estVP-3s revenuVK-ms lt/VPgt
• ltPPgt surP ltNPgt lesD-mp incidentsNC-mp
• ltPPgt deP lundiNC-ms soirNC-ms lt/PPgt
• ltSrelgt
• ltPPgtau_cours_deP ltNPgt lesquelsPROR-3mp lt/NPgt
  lt/PPgt
• ltNPgtde-lesD-mp manifestantsNC-mp lt/NPgt
• ltVPgt ontVP-3p mis_à_sacVK-ms lt/VPgt
• ltNPgt leD-ms siègeNC-ms ltAPgt centralA-ms lt/APgt
• ltPPgt deP laD-fs StasiNP-fs lt/PPgt lt/NPgt
• lt/Srelgt lt/NPgt lt/PPgt lt/Sgt
• http//www.li.univ-tours.fr/taln-recital-2001/acte
  s_taln01.html

9
Types de corpus (2)

• Monolingues (BNC)
• Bilingues ou multilingues
• Languée parlée (CLAPI) /langue écrite
  (CORIS/CORDIS)

10
Types de corpus (3)

•  Un corpus de référence est conçu pour fournir
  une information en profondeur sur une langue. Il
  vise à être suffisamment grand pour représenter
  toutes les variétés pertinentes de cette langue
  et son vocabulaire caractéristique, de manière à
  pouvoir servir de base à des grammaires, des
  dictionnaires et d'autres usuels fiables 
  Sinclair, Preliminary recommendations on Corpus
  Typology. Technical report, EAGLES (Expert
  Advisory Group on Language Engineering
  Standards), 1996.
• Un corpus spécialisé est un corpus limité à une
  situation de communication, ou à un domaine. Il
  s'intéresse aux langages de spécialité, aux
  sous-langages. (Lexique, Observatoire du
  Traitement Informatique des Langues et de
  l'Inforoute)

11
Types de corpus (4)

• corpus comparables ensemble de corpus ayant été
  compilés selon les mêmes critères mais
• - dans des variantes différentes dune même
  langue
• - dans des langues différentes et en tenant
  compte des différences culturelles
• corpus parallèles couples de corpus dans des
  langues différentes et dont lun est la
  traduction de lautre.
• (Voir Natalie KÜBLER, Introduction à la
  linguistique des corpus http//wall.eila.jussieu.f
  r/nkubler/M1_c_equilibre_specialise.ppt)

12
Corpus parallèle

• Canadian Hansard Corpus (2001)
• 1,3 milioni di frasi francesi-inglesi allineate a
  livello di frase, tratte dagli atti del
  Parlamento Canadese (http//transsearch.iro.umontr
  eal.ca/)

13
Corpus parallèle

• MULTEXT (1996)
• http//aune.lpl.univ-aix.fr/projects/multext/
• 5 milioni di parole dal Journal of European
  Community (francese, italiano, spagnolo, tedesco,
  inglese) 800.000 parole allineate a livello di
  frase (inglese come lingua pivot)
• a cura di
• vito pirrelli

14
Types de corpus (5)

• corpus dapprenants corpus qui contiennent des
  productions écrites et/ou orales des apprenants
  dune langue seconde et sont utilisés
• - pour décrire linterlangue et donc les
  difficultés des apprenants
• - élaborer une typologie des erreurs
• (Voir Natalie KÜBLER, Introduction à la
  linguistique des corpus http//wall.eila.jussieu.f
  r/nkubler/M1_c_equilibre_specialise.ppt)
• Learner Corpus around the World
• http//leo.meikai.ac.jp/tono/lcorpuslist.html
• Learner Corpus Data
• http//www.eng.ritsumei.ac.jp/asao/lcorpus/

15
Représentativité

• domaines, situations
• sexe, âge
• variantes
• fréquence
• (Voir Natalie KÜBLER, Introduction à la
  linguistique des corpus http//wall.eila.jussieu.f
  r/nkubler/M1_c_equilibre_specialise.ppt)

16
Software per lanalisi dei testi

• Metasiti
• Centre for Corpus Research
• http//www.corpus.bham.ac.uk/links.htm
• Corpora for Language Learning and Teaching
• http//www.corpora4learning.net/resources/materia
  ls.html
• Alphabit.net
• http//www.alphabit.net/Corsi/IUlinks/Concwarelist
  .htm
• Sito di Federico Zanettin
• http//www.federicozanettin.net/sslmit/cl.htm

17
Rôle des corpus

• étude de la grammaire
• analyse terminologique
• construction des dictionnaires
• étude sémantique
• études comparatives pour la traduction assistée
• (Voir Natalie KÜBLER, Introduction à la
  linguistique des corpus http//wall.eila.jussieu.f
  r/nkubler/M1_c_equilibre_specialise.ppt)

18
Où trouver les corpus ?

• Web
• Cd-rom
• Créer soi même