Normalisation et alignement de corpus français et vietnamiens : Format et Logiciels - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2008

Normalisation et alignement de corpus français et vietnamiens : Format et Logiciels

Viet-Bac Le
  • Fonction : Auteur

Résumé

The creation of text corpora requires a sequence of processing steps in order to constitute, normalize, and then to directly exploit it by a given application. This paper concentrates on the aspects of methodology and linguistic engineering, which serve to develop a multipurpose multilingual parallel text corpus. The original documents can come from various sources like HTML or ASCII written in different languages: French and Vietnamese. A document structuring method and some text corpus normalization tools are proposed in this paper.
La création d'un corpus électronique exploitable par une application donnée nécessite une chaîne de traitements afin de constituer, normaliser puis exploiter ce qui, au départ, n'est qu'un ensemble de documents textuels quelconques. Cet article se concentre sur les aspects de méthodologie et d'ingénierie linguistique qui sous- tendent l'élaboration de corpus multi-lingues parallèles non dédiés à une tâche. Les documents d'origine peuvent provenir de différentes sources telles que HTML ou ASCII, de différentes langues : français et vietnamien. Une structuration de type XML et un ensemble d'outils logiciel s sont proposés pour normaliser les corpus, et créer des alignements.
Fichier principal
Vignette du fichier
bigi2008jadt.pdf (372.08 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-01705630 , version 1 (07-12-2021)

Identifiants

  • HAL Id : hal-01705630 , version 1

Citer

Brigitte Bigi, Viet-Bac Le. Normalisation et alignement de corpus français et vietnamiens : Format et Logiciels. journées internationales d'analyse statistique des données textuelles, Jun 2008, Lyon, France. ⟨hal-01705630⟩

Collections

UGA IMAG CNRS
35 Consultations
27 Téléchargements

Partager

Gmail Facebook X LinkedIn More