Article Dans Une Revue Les Cahiers du numérique Année : 2024

Methodology for building a corpus and archive of French-language literary web resources

Méthodologie pour l’élaboration d’un corpus et d’une archive du web littéraire francophone

Christian Cote

Résumé

This article proposes a methodology for building a corpus and archive of French-language web literature. It draws on both corpus linguistics methods and web archiving techniques, proposing an original method for acquiring accurate data from the web. The fundamental problem with acquiring this corpus is the difficulty of identifying web-based literary production in all its diversity: web literature cannot be directly identified because there are no specific or recurring keywords or clues.

We therefore use different methods and tools in this corpus, which are coordinated and, through their complementary perspectives and constant manual control, enable us to build a corpus that is, if not exhaustive, at least representative of this literature. To do this, we have borrowed concepts such as that of social networks and created linked data sets that enable us to describe the structure of these communities of writers based on various phenomena of mutual recognition. Finally, beyond this methodology and its validation, we present some elements relating to the structuring of the corpus, in particular its indexing.

Cet article propose une méthodologie pour la constitution d'un corpus et d'une archive du web littéraire francophone. Elle emprunte à la fois aux méthodes de la linguistique de corpus et à l'archivage du web et propose une méthode originale pour acquérir des données précises à partir du web. En effet, le problème fondamental de l'acquisition de ce corpus consiste en la difficulté à identifier la production littéraire web dans toute sa diversité : la littérature web n'est pas directement repérable parce que l'on ne dispose ni de mots-clés ni d'indices spécifiques ou récurrents.

Nous utilisons donc dans ce corpus différentes méthodes et outils, coordonnés et permettant, par la complémentarité des points de vue et toujours sous contrôle manuel, de constituer un corpus sinon exhaustif, du moins représentatif de cette littérature. Nous avons pour cela emprunté des concepts comme celui de réseau de sociabilité et constitué des ensembles de données liées permettant de décrire la structure de ces communautés d'écrivains à partir des différents phénomènes de reconnaissance mutuelle.

Enfin, au-delà de cette méthodologie et de sa validation, nous présentons quelques éléments relativement à la structuration de corpus, et notamment son indexation.

Fichier principal
Vignette du fichier
Méthodologie pour l'élaboration d'un corpus et d'une archive du web littéraire francophone COTE(1).pdf (620.09 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

hal-05506073 , version 1 (11-02-2026)

Licence

Identifiants

Citer

Christian Cote. Méthodologie pour l’élaboration d’un corpus et d’une archive du web littéraire francophone. Les Cahiers du numérique, 2024, 20 (3-4), pp.335-359. ⟨10.1684/lcn.2024.17⟩. ⟨hal-05506073⟩
22 Consultations
21 Téléchargements

Altmetric

Partager

  • More