Cette contribution vise à illustrer la réalisation et l'utilisation de corpus à des fins de recherche en transcription automatique de la parole. Ces recherches s'appuyant largement sur une modélisation statistique, s'accompagnent naturellement de production de corpus écrits et oraux transcrits ainsi que d'outils facilitant la transcription manuelle. Les méthodes et techniques mises au point permettent aujourd'hui un déploiement vers le traitement automatique de l'oral à grande échelle, tout en contribuant à un domaine de recherche interdisciplinaire émergeant : la linguistique des corpus oraux.

Le Corpus Taurinense (CT) est la version morphologiquement annotée d'ItalAnt Corpus, un corpus électronique de textes d'ancien italien (écrits entre 1251 et 1300). Nous essayons ici de décrire l'approche suivie dans le CT pour l'annotation des lexies complexes (MWUs 'multiword units'). La lexie complexe dans notre travail est un groupe de deux mots graphiques ou plus qui reçoit (aussi) une étiquette de partie du discours d'ensemble parce que ce groupe de mots est en relation paradigmatique avec une autre unité lexicale de la même partie du discours.Notre étiquetage de parties du discours confirme que la majorité des conjonctions composées de l'italien moderne n'était pas lexicalisée à cette époque. L'ordre des composants est déjà celui de l'italien moderne mais ces conjonctions peuvent encore être interrompues par des éléments occasionnels.

Cet article rend compte d’une expérience d’analyse systématique des aspects métriques et rythmiques d’un corpus de près de 80 000 vers. Des outils d’analyse du vers ont été construits à partir de briques de Traitement Automatique des Langues déjà existantes. Nous défendons une approche expérimentale et cumulative qui consiste à enrichir la description des vers par des traits de nature différente (morphosyntaxe, accent, rime…) qui portent sur des unités de taille différente (position métrique, hémistiche, vers, couple de vers), et qui sont construits avec des outils hétérogènes. Cette intégration dans une seule base de données permet de valider des hypothèses classiques sur le vers et de tester de nouvelles hypothèses portant en particulier sur les corrélations entre niveaux d’analyse. Cette approche expérimentale s’appuie sur les savoirs traditionnels sur le vers, mais elle est aussi en mesure de faire évoluer les théories ou hypothèses dominantes en faisant émerger de nouvelles formes de régularités, peu visibles à l’œil nu, et des corrélations inattendues entre phénomènes relevant de plusieurs niveaux linguistiques.

Les grands corpus informatisés qui se sont récemment développés font exploser certaines techniques anciennes de description linguistique. Les corpus consacrés à la langue parlée tout particulièrement, qui, au travers des "fautes" de performance, aident à voir ce qui est central et typique dans une langue. C'est ce que cet article s'efforce de montrer à partir des données sur le français parlé accumulées et étudiées par le Groupe Aixois de Recherche en Syntaxe

Les corpus utilisés en TA de l'écrit et de l'oral ont évolué, depuis les suites de test et les corpus d'essai des débuts, vers des corpus parallèles bilingues ou multilingues, bruts ou enrichis par des métadonnées et une grande variété d'annotations linguistiques. Ils sont assez petits et peuvent avoir une « granularité » importante en TA « experte », classique, mais sont énormes et de granularité faible en TA « empirique », statistique ou fondée sur les exemples. La représentation des textes et l'interface avec le traitement de la parole posent des problèmes spécifiques, ainsi que la segmentation et la structuration des segments et des corpus. Un défi actuel est d'unifier et de mutualiser leur construction et leur gestion.

<p>Cet article tente de mettre en évidence la nécessité d'un double balisage pour mener à bien les analyses sémantiques à partir de corpus. Une première balise est constituée par la situation de production des textes et une autre par celle d'interprétation de ces textes. Pour les deux cas, l'auteur propose de mettre en ouvre la notion de genre (genre textuel et genre interprétatif) pour regrouper et catégoriser les situations. L'article s'appuie sur l'exemple de la construction de terminologies (relevant d'un genre interprétatif) en montrant comment le genre textuel influence le fonctionnement des marqueurs de relations conceptuelles (par exemple, la préposition <em>avec</em> pour repérer une relation méronymique). Il montre que ce type d'analyse permet souvent d'affiner des descriptions initialement faites par introspection.</p>

Après avoir présenté comment a été constitué le Corpus de Portugais Médiéval, et en particulier comment il a été étiqueté, on essaiera de montrer comment il est aujourd'hui utilisé pour la construction d'un dictionnaire du portugais médiéval, et plus particulièrement de verbes, de noms propres et de noms communs

La première partie de l'article expose les questions méthodologiques qui ont présidé à la constitution et à la transcription d'un grand corpus de textes scolaires, avec leurs contextes d'enseignement. Dans la deuxième partie de l'article sont présentées les interrogations épistémologiques qui ont orienté une deuxième recherche : sur la définition des genres scolaires, d'un corpus, et d'un contexte, et de la nécessaire mise en relation de ces trois éléments. La description d'essais tentés à l'aide de logiciels d'analyse sur des corpus scolaires a priori non conformes aux normes génériques et orthographiques débouche sur des pistes d'utilisation sériées et accompagnées de démarches qualitatives.

Cet article s'inscrit dans le cadre du projet PROLEX de traitement automatique des noms propres. Notre objectif, par l'exploitation de l'outil informatique, consiste, non seulement à identifier les différentes occurrences du nom propre déterminé (modifié ou non modifié), mais également, à leur affecter un type d'interprétation pertinent : référentielle, dénominative, exemplaire, métaphorique ou fractionnée. Après l'élaboration d'une typologie des emplois propriaux déterminés, il s'agit d'extraire les indices formels et lexicaux autorisant la désambiguïsation du fonctionnement référentiel et sémantique du nom propre. Après avoir isolé ces unités discriminantes (par exemple les déterminants, les adjectifs, les prédicats d'existence), on propose des grammaires locales destinées à la reconnaissance automatique.

Dans cet article, nous présentons une approche innovante de l'analyse syntaxique. Contrairement aux courants habituels qui conçoivent l'analyse syntaxique par des processus en série, nous proposons ici une architecture d'agents cognitifs hybrides dont la tâche est l'analyse syntaxique robuste et profonde.Après une présentation succincte des travaux courants dont nous sommes partis, nous présenterons à l'aide d'un exemple le fonctionnement théorique de notre architecture. Ceci nous permettra ensuite de décrire l'architecture APA, que nous avons utilisée pour ce projet conjoint. Enfin, en conclusion, nous présenterons certaines perspectives de développement.

Outils de communication d’image et de connaissances spécialisées, les guides touristiques en ligne intègrent une variété de structures lexicographiques : nomenclatures, articles, schémas conceptuels, index et registres, options de recherche à partir de mots-clés, systèmes de renvois internes et externes, etc. Ceci n’est guère surprenant dans la mesure où ce qui est requis est l’accès performant aux données permettant d’extraire l’information, tout comme en lexicographie. La thèse fonctionnelle que nous développons ici est que la lexicographisation est à même de démultiplier les modalités d’accès aux données dans la perspective de l’utilisateur. Prenant les guides œnotouristiques comme cas de figure, nous passerons en revue les situations d’utilisation motivant la recherche de l’information, en particulier la recherche de l’information expérientielle, dans laquelle l’utilisateur consulte le guide en vue d’optimiser les conditions de son expérience œnotouristique. Nous formulerons à la clé des propositions théoriques visant à optimiser l’interaction des fonctions lexicographiques, de la présentation des données et des modalités d’accès.

Cet article s'inscrit dans le cadre d'un projet collectif de recherche linguistique sur le mot et sa glose. Comme les définitions, les gloses recueillent 'l'expérience parlée du sens'. Cette activité métalinguistique se manifeste dans les textes par des mots tels que c'est-à-dire, ou, signifier qui signent la relation de sémantique lexicale mise en jeu : équivalence avec c'est-à-dire, ou ; spécification du sens avec au sens ; équivalence avec ou, c'est-à-dire ; nomination avec dit, baptisé ; hyponymie avec en particulier, comme ; hyperonymie avec et/ou autre(s), etc.Grâce à l'existence de ces marques et des particularités de leurs configurations, un repérage automatique des gloses est envisageable. J'en décris ici la mise en ouvre, en prenant l'exemple des gloses en ou telles que 'un magazine électronique, ou webzine' et d'un environnement informatique 'pour linguistes', à savoir la base textuelle Frantext et son interpréteur de langage de requête Stella.