Insertion des catégories grammaticales dans le Dictionnaire Électronique des Synonymes (DES) -Document de travail
Résumé
Ce document détaille la procédure suivie pour introduire la catégorie grammaticale dans la base de données du Dictionnaire Électronique des Synonymes (DÉS) du laboratoire CRISCO (50 457 entrées au 30 janvier 2024). Ce travail a eu lieu en deux étapes. Une première de janvier 2021 à novembre 2022. Une seconde de juin 2023 à novembre 2023.
La première étape s’est déroulée en deux grandes phases :
- à partir d’un premier jeu de données de l’ATILF (Analyse et Traitement Informatique de la Langue Française, UMR7118 ), laboratoire du CNRS chargé de la maintenance et du développement du TLFi (Trésor de la Langue Française informatisé), transmis sous forme d’un classeur (au format .xlsx) contenant pour chaque entrée, les catégories grammaticales correspondantes. Avec des programmes en langage Python, les verbes, substantifs, adjectifs et adverbes ont été introduits dans la base de données du DÉS. Ensuite une recherche par schémas (-ais, -euse, -ale, -ande,. . .) avec plusieurs groupes de mots mélangés, suivie d’un traitement automatique a permis d’exploiter la totalité du fichier d’origine.
- à partir d’autres moyens : avec la librairie Spacy en langage Python, par recherche de schémas avec un tableur et en complétant manuellement .
La seconde étape s’est déroulée en trois grandes phases :
- des corrections restantes à réaliser suite à la première étape,
- l’étude d’un second et ancien jeu de données de l’ATILF contenant 49 855 entrées avec les catégories grammaticales,
- l’étude d’un fichier plus récent (septembre 2023) de l’ATILF de 103 329 lignes.
Ce document de travail est accompagné d’un dépôt git public : https://git.unicaen.fr/crisco-
des-public/descatgram
Origine | Fichiers produits par l'(les) auteur(s) |
---|---|
licence |