Corpora from different registers to develop a morphological analyzer by aligning multi word units - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2018

Corpora from different registers to develop a morphological analyzer by aligning multi word units

Résumé

How to find words with the same meaning in different language registers? After an unsuccessful attempt at terminological extraction from comparable specialized corpora from the medical domain, in three different languages (English, German, French), the idea here is to add sub-corpora from the common register for each language, in order to detect synonymy relationships between words. This kind of resource doesn’t exist yet for medical specialized German. We present the construction of a corpus of 400 000 words in German in the domain of cancerology; this corpus is divided in two halves of the same length. Starting from German equivalents of the keyword “breast cancer”, for our first half corpus, we collected texts written for patients and their families; and for our second half corpus, we collected texts written for doctors and medical researchers.
Comment trouver des données exprimant les mêmes concepts dans des registres de langue différents ? Après un essai infructueux d’extraction terminologique à partir de corpus comparables spécialisés dans le domaine du médical dans trois langues différentes (anglais, allemand, français), l’idée est d’ajouter pour chaque langue des sous-corpus du registre vulgarisé afin d’y détecter des relations de synonymie. Or ce type de ressources n’existe pas pour l’allemand de spécialité dans le domaine du médical. Nous présentons la constitution d’un corpus de 400 000 mots en allemand dans le domaine de la cancérologie, subdivisé en deux sous-corpus de même taille. À partir d’équivalents en allemand du mot-clé « cancer du sein », nous avons recueilli pour un premier sous-corpus, des textes qui s’adressent à des patientes (et des patients) ou à leurs familles, et pour un second sous-corpus, des textes qui s’adressent à des médecins ou des chercheurs en médecine.
Fichier principal
Vignette du fichier
Lemaire_Guilbaud_2020a_p13-24.pdf (1.03 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-02992712 , version 1 (06-11-2020)

Identifiants

  • HAL Id : hal-02992712 , version 1

Citer

Claire Lemaire, Jean-Philippe Guilbaud. Corpora from different registers to develop a morphological analyzer by aligning multi word units. Lexique(s) et genre(s) textuel(s) : approches sur corpus Actes de la conférence LTT 2018 - 11es journées du réseau Lexicologie, Terminologie, Traduction, Mathieu Mangeot et Agnès Tutin, Sep 2018, Grenoble, France. pp. 13-24. ⟨hal-02992712⟩
66 Consultations
17 Téléchargements

Partager

Gmail Facebook X LinkedIn More