Silfide : ressources, outils et normalisation

1
Silfide ressources, outils et normalisation

• Laurent Romary
• Laboratoire Loria
• Nancy

2
Silfide - présentation

• Serveur Interactif pour la Langue Française, son
  Identité, sa Diffusion, son Etude
• Projet commun lancé au début de 1996
• CNRS (Centre National de la Recherche
  Scientifique)
• AupelfUref (Association des Universités
  Partiellement ou Entièrement de Langue Française)
• Équipes  Loria, INaLF, CLIPS, LIMSI, LPL

3
Principaux objectifs

• coordonner les efforts de la communauté
  académique dans le domaine des ressources
  linguistiques
• développer et promouvoir des actions de
  normalisation
• procurer un accès libre aux ressources et aux
  services associés

4
Contexte

• Ressources linguistiques
• Textes (littérature,théâtre, poésie, journaux,
  etc.)
• Transcriptions (e.g. dialogues)
• Dictionnaires, lexiques
• Utilisateurs
• Lexicographes, linguistes, informaticiens
• Outils divers (e.g. étiqueteurs
  morpho-syntaxiques)

5
Un constat

• coût intellectuel et financier de la création des
  données
• quelle documentation associée à ces données ?
• comment utiliser ces données (outils) ?
• Normaliser pour mieux utiliser et partager nos
  données.

6
TEI (Text Encoding Initiative)

• Origine réunion de novembre 1987 au Vassar
  College (Poughkeepsie, New York)
• Directives de codage des textes électroniques sur
  la base de SGML
• Institutions scientifiques 
• ACH, ALLC, ACL
• Guidelines for Electronic Text Encoding and
  Interchange (TEI P3)
• eds.  Michael Sperberg-McQueen et Lou Burnard

7
TEI - Contenu

• Recommandations
• norme SGML (Standard Generalized Markup Language)
• modularité de la DTD TEI
• un jeu de balises "noyau" (core tag set)
  en-tête, divisions, paragraphes etc.
• des ensembles de balises de base (base tag sets)
  prose, poésie en vers, dictionnaires, etc.
• des jeux de balises additionnelles (additional
  tag sets) liens hypertextuels etc.
• Conséquence une famille de DTD TEI

8
TEI - Documentation des textes

• Identification et suivi des textes
• cf. catalogage des documents électroniques (ex.
  Silfide)
• cf. échange des documents électroniques
• Comment en-tête TEI (TeiHeader)
• aspects bibliographiques du document source
  (auteur, éditeur, édition, etc.)
• aspects propres au document électronique (aspects
  bibliographiques, codage, historique des
  révisions etc.)

9
TEI - Pièces de théâtre

• interventions et indications scéniques
• ltsp whoPgt
• ltspeakergtPaullt/speakergt
• ltpgtIl fait chaud aujourdhuilt/pgt
• lt/spgt
• ltstagegtPaul allume une cigarettelt/stagegt
• remarque 
• déclaration des personnages dans une ltcastListgt

10
TEI - Transcriptions de loral

• tours de parole, segments
• ltu whoSgt
• ltseggtFrance Telecom, bonjour.lt/seggt
• ltseggtQue désirez-vous?lt/seggt
• lt/ugt
• remarque 
• possibilités de coder les pauses, transitions,
  superpositions, bruits, difficultés de
  transcription etc.

11
TEI - Dictionnaires

• structure minimale dune entrée 
• mot-vedette, indications grammaticales,
  définition, exemples
• ltentrygt
• ltformgt
• ltorthgttablelt/orthgt
• lt/formgt
• ltgramGrpgtltposgtn.f.lt/posgtltgramGrpgt
• ltdefgtPièce de mobilierlt/defgt
• lteggtUne table de cuisinelt/eggt
• lt/entrygt

12
Silfide - du point de vue de lutilisateur

• pas de balise SGML
• un scénario en deux temps 
• Sélection de ressources  construction dun
  corpus de travail (panier)
• Requêtes sur le contenu  utilisation doutils en
  ligne sur ce corpus

13
Sélection des ressources
14
Et XML arriva...

• Où linternet donne raison à la démarche de la TEI

15
Un rapide état des lieux - 1

• XML
• Une recommandation du W3C simplifiant SGML
• Un gain en souplesse et en puissance
• Document bien formé/valide
• Des interfaces de programmation
• API DOM modèle arborescent
• API SAX accès par évènements

16
Un rapide état des lieus - 2

• Des recommandations associées
• Xpath
• Un langage généralisé d accès à la structure
  d un document XML/body//div/qlande
• , XSL
• Un langage de transformation et de présentation
• Un système à base de règle exprimées en XML
• Les bases d une BD orientée XML?

17
Mise en réseau de serveurs Silfide
Serveur 2
DB2
http
Serveur 1
DB1
Serveur 4
Point d accès local
DB4
Client (navigateur)
Serveur 3
DB3
18
Usage généralisé de XML

• Informations utilisateurs
• Gestion de l espace de travail
• Paramètres de session
•  Panier 
• Requêtes
• Listes de résultats

19
Silfide et XML
ltSWSgt
Server 2
DB2
ltXQLgt
Server 1
DB1
Server 4
Local access point
ltXRSgt
DB4
User Client
Server 3
DB3
20
Bilan apports d XML

• Uniformisation des formats
• Contenus  utiles  (adapter la TEI)
• Gestion des échanges
• Fractionnement et recomposition
• Utilisation des documents par parties
• E.g.  entrée d un dictionnaire
• Résultat gtgt document
• Applications  commandes en  pipe  (cf. HCRC)

21
Bilan apports d XML - 2

• De premiers composants réutilisables
• Parseurs XML
• Interpréteur de requêtes sur des documents
  structurés
• Au delà?

22
Et maintenant ?

• Pistes de développement des efforts de
  normalisation

23
Développements en cours - 1

• Ressources primaires
• Initiative INaLF-Loria de rétro-conversion de
  textes issus de Frantext
• Théâtre, poésie etc.
• Des bases éditoriales codifiées et simplifiées
  (en-tête minimal)
• Une prise de conscience du besoin de
  normalisation IRESCO, Paris IV, etc.

24
Développements en cours - 2

• Annotation externe
• Cf. CES/Eagles - avènement de Xpath
• Exemple alignement de textes multilingues
• Annotation de la référence
• MLIS/Mate une initiative européenne dans le
  domaine de l étude du dialogue

25
Développements en cours - 3

• Ressources pour l Informatique linguistique
• Terminologie/lexicographie multilingue
• MARTIF (ISO 12200, expérimenté dans MLIS/Dhydro)
• Lexique syntaxique
• TAGML

26
Perspectives

• Stabiliser une  couche basse 
• API d accès aux mots d un texte
• Entrées/Sorties d étiqueteurs morpho-syntaxiques
• Architectures de ressources lexico-grammaticales

27
Moyens

• Accroître la normalisation des données et des
  interfaces
• Des rencontres régulières (au delà de cette
  journée  découverte )
• Un vrai GT sur ce thème
• Aboutir à une base commune pour
• Échanger des données primaires
• Échanger des composants
• Évaluer nos systèmes