Le modèle Lstat : ou comment se constituer une base de données morphologique à partir du Web - HAL-SHS - Sciences de l'Homme et de la Société Accéder directement au contenu
Article Dans Une Revue Revue Québécoise de Linguistique Année : 2003

Le modèle Lstat : ou comment se constituer une base de données morphologique à partir du Web

Résumé

The aim of this paper is to present a method for text corpora acquisition, organization and query. The method makes use of data and tools which are freely available on the Web, i.e. text corpora, lexica, specialized programming languages, taggers and lemmatizers. As the specific orientation of the method consists to meet the morphology researchers concern, we enrich it with a word formation processing module. This module enables the linguist to build a lexical database enhanced with morphosemantic annotations (i.e. a morphological database, henceforth MDB). The methodology will be illustrated all along the paper by means of the presentation of Lstat, a MDB model used with a 27,5 millions occurrences lexicon, obtained from online French newspapers archives which have been automatically downloaded between 2001 and 2002
L'objectif de cet article est de présenter une méthode d'acquisition, organisation et interrogation de corpus textuels à partir de données et outils librement récupérables sur le Web (corpus de textes, lexiques, langages de programmation spécialisés, outils d'étiquetage et de lemmatisation). Nous nous intéressons ici plus particulièrement aux préoccupations des chercheurs en morphologie dérivationnelle, en proposant d'intégrer à la méthode présentée un module d'analyse morphologique dérivationnelle qui permet au linguiste de se constituer une base de données lexicale munie d'annotations morpho-sémantiques (que nous appellerons « base de données morphologique », notée BDM). La méthodologie proposée sera illustrée tout au long de l'article par la présentation de Lstat, modèle de BDM utilisé avec un lexique de 27,5 millions d'occurrences issu d'archives de presse française en ligne, automatiquement téléchargées entre 2001 et 2002.
Fichier non déposé

Dates et versions

halshs-00157591 , version 1 (26-06-2007)

Identifiants

  • HAL Id : halshs-00157591 , version 1

Citer

Fiammetta Namer. Le modèle Lstat : ou comment se constituer une base de données morphologique à partir du Web. Revue Québécoise de Linguistique, 2003, 32 (1), pp.85-110. ⟨halshs-00157591⟩
66 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More