BusiReden - Archive ouverte HAL Accéder directement au contenu
Autre Publication Scientifique Année : 2022

BusiReden

BusiReden

Résumé

The BusiReden corpus contains the scripts of 20 speeches given by the leaders of 15 companies between 1978 and 1999. It is a modified version of the BusiOld corpus (House, 2011) from the HZSK repository of the University of Hamburg (Germany), accessible via CLARIN Service Provider Federation. The texts provided by Juliane House were collected in a single XML file and structured with a tag informing about the name of the company to which the speech is attributed: . This addition makes it possible to analyse each year-end speech separately or grouped with others. If two texts are available for the same company, the mention "text1", "text2" completes its name: . The XML file as well as a CSV file with information about the file's metadata have been imported into TXM (Heiden et al., 2010). During import, the forms were automatically annotated at word class level by the TreeTagger (Schmid 1994). Errors found (e.g. common nouns to be labelled as proper nouns) were manually rectified using the URS extension available on TXM (Decorde et al., 2019).
Le corpus BusiReden contient les scripts de 20 discours prononcés par les dirigeant|e|s de 15 entreprises entre 1978 et 1999. Il est une version aménagée du corpus BusiOld (House, 2011) provenant de l'archive HZSK repository de l'université de Hambourg (Allemagne), accessible via CLARIN Service Provider Federation. Les textes fournis par Juliane House ont été rassemblés dans un seul fichier XML et structurés à l'aide d'une balise renseignant sur le nom de l'entreprise à laquelle est attribué le discours : . Cet ajout permet d'analyser chaque discours de fin d'année séparément ou regroupé avec d'autres. Si l'on dispose de deux textes pour une même entreprise, la mention "text1", "text2" complète son nom : . Le fichier XML ainsi qu'un fichier CSV renseignant sur les métadonnées du fichier ont été importés dans TXM (Heiden et al., 2010). Lors de l'import, les formes ont été automatiquement annotées au niveau des classes de mots par le TreeTagger (Schmid 1994). Les erreurs constatées (par exemple celles concernant les noms communs à étiqueter comme noms propres) ont été rectifiées manuellement à l'aide de l'extension URS disponible sur TXM (Decorde et al., 2019).
Fichier non déposé

Dates et versions

hal-04036090 , version 1 (18-03-2023)

Licence

Identifiants

  • HAL Id : hal-04036090 , version 1

Citer

Eva Schaeffer-Lacroix. BusiReden: Digital corpus. 2022, https://hdl.handle.net/11403/korpora. ⟨hal-04036090⟩
29 Consultations
0 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More