Balisage automatique de dictionnaires anciens : une application dINTEX

1
Balisage automatique de dictionnaires anciens
une application dINTEX

• Agnès Tutin
• Unité Mixte de Recherche SILEX, CNRS Université
  de Grenoble III

• Chantal Wionet
• Unité Mixte de Recherche SILEX, CNRS Université
  de Grenoble III

2
Plan

• Le Basnage et les dictionnaires anciens
• Pourquoi linformatisation est indispensable
• Comment baliser le texte
• Comment Intex peut faciliter la tâche

3
Le Basnage 1702

• Le Basnage Une refonte méconnue du Furetière
  (1690)
• Un dictionnaire encyclopédique et un dictionnaire
  de langue.

4
Pourquoi faut-il informatiser ?

• Conservation de documents fragiles.
• Disponibilité (diffusion sur Internet).
• Perspectives nouvelles pour lhistorien de la
  langue, le chercheur en lexicographie,
  lhistorien des idées. - comptages.- repérages
  des patrons.- comparaison des dictionnaires.

5
Mais ce nest pas tâche aisée

• Coût et difficulté de la saisie OCR exclu,
  orthographe non normalisée.
• Difficultés à délimiter les champs.
• Marques formelles (typographie, abréviations)
  souvent peu cohérentes.
•  Polyphonie  du discours.

6
Pourquoi choisir le balisage comme mode
d informatisation?

• Balisage insertion de jalons isolant les champs
  du texte.
• Texte original nest pas altéré.
• Formalisation minimale.
• DEBARASSÉ, ÉE. part.pass. adj.
• ltGramgrpgt
• ltpos TYPE ppsegtpart. pass. lt/posgt
• lt/Gramgrpgt
• ltGramgrpgt
• ltpos TYPE adjgtadj. lt/posgt
• lt/Gramgrpgt

7
Principes adoptés pour le balisage

• Baliser aussi finement que possible.
• Sappuyer sur des marques formelles.
• Utiliser des standards SGML et la  Text
  Encoding Initiative .
• Postuler une structure type la DTD.
• Automatiser le processus de balisage le plus
  possible à laide dautomates (INTEX)

8
Les standards choisis SGML et la  Text
Encoding Initiative 

• SGML Standard Generalized Markup Language.
  Norme ISO.
• Avantages souplesse du balisage, guidage dans
  le processus de balisage.
• TEI Pour les dictionnaires papier, jeu de
  balises préexistant à adapter.

9
Comment Intex peut faciliter la tâche de balisage

• Permet de baliser semi-automatiquement le texte à
  laide de transducteurs.
• Permet de formaliser au plus point la structure
  des champs.
• Fonctionne bien sur les champs les plus
  structurés.

10
Exemples de graphes

• Champ grammatical exemple du substantif

11

• Marques de domaine

12
Conclusion

• Travail sur une maquette de 350 articles saisis
  manuellement (350 premiers articles de la lettre
  D).
• Plusieurs transducteurs élaborés à ce jour
  entrées et sous-entrées, zone grammaticale,
  marques de domaines, références aux auteurs,
  renvois.
• Tous les champs ne se prêtent pas à un balisage
  semi-automatique.
• Intex est encore sous-utilisé (ressources
  proprement linguistiques ne sont pas vraiment
  exploitées).