Archives par mot-clé : corpus

Le corpus épigraphique bourguignon (VIIIe-XVe s.): Des catalogues aux applications numériques

Journée d’études : 23 octobre 2018, 10h-17h

Galerie Colbert – Salle AVD (Architecture, Ville, Design), 1er étage – porte 133, 6, rue des Petits-Champs – Paris 2e

Palais-Royal – Musée du Louvre (Métro 1 et 7) et Bourse (Métro 3)

Dans le cadre de la collaboration établie par les programmes consolidés des CIFM (Corpus des Inscriptions de la France Médiévale  – CESCM-Poitiers) et CBMA (Corpus Burgundiae Medii Aevi  – LaMOP – Paris), leurs équipes ont constitué un corpus de plus de 1400 inscriptions bourguignonnes du VIIIe au XVe siècle, publiées ou inédites, écrites en différentes langues, latin et ancien français en particulier.

Le propos de cette journée d’études est de revenir sur le processus d’acquisition et de structuration des données du corpus et d’évaluer son potentiel d’exploitation pour la recherche historique au regard des différents traitements informatiques possibles, linguistiques et spatiaux. Il s’agit de discuter, sur la base des différentes expériences réalisées, aussi bien des caractéristiques propres du matériel linguistique des inscriptions que de leurs usages dans l’espace et dans le temps.

Cette journée d’études est ouverte à tous les intéressés. En vue de l’organisation matérielle, les collègues souhaitant assister à cette rencontre sont priés de nous informer de leur présence avant le 08 octobre 2018 : cbma.project@gmail.com

Porté par le LaMOP (Laboratoire de Médiévistique Occidentale de Paris – UMR 8589) et le CESCM (Centre d’études supérieures de civilisation médiévale – UMR 7302), ce projet bénéficie du soutien du LabEx haStec (en partenariat avec l’IRHT – Institut de recherche et d’histoire des textes – CNRS UPR 841, le Centre Jean Mabillon -EnC – EA 3624 et le LEM/CERCOR (Laboratoire d’Études sur les Monothéismes – UMR 8584 / Centre européen de recherche sur les congrégations et les ordres religieux) et du Consortium COSME2 (CNRS – TGIR Huma-Num).

Organisation et coordination scientifique :
Eliana Magnani, CNRS – LAMOP UMR 8589 eliana.magnani@univ-paris1.fr
Estelle Ingrand-Varenne, CNRS – CESCM UMR 7302
estelle.ingrand.varenne@univ-poitiers.fr

PROGRAMME

Acquisition et traitements

 10h – Introduction. Autour du corpus épigraphique bourguignon : chiffres, chronologie, langues – Eliana Magnani (CNRS, Lamop) et Estelle Ingrand-Varenne (CNRS, CESCM)

10h40 – De l’OCR à Philologic. Un parcours informatique – Pierre Brochard (CNRS, Lamop)

11h20 – Le matériel épigraphique révisé et complété. Le traitement des inscriptions de la fin des années 1990 à aujourd’hui – Aurore Menudier (CESCM) 12h-12h30 – Discussions

 Exploitations 

14h – La lemmatisation des inscriptions est-elle possible ? – Nicolas Perreaux (Université de Francfort)

14h40 – Les inscriptions d’après des expériences en SIG – Davide Gherdevich (Univ. Versailles-Saint-Quentin, DYPAC), Thomas Lienhard (Univ. Paris 1 Panthéon-Sorbonne, Lamop)

15h30 – Pause

16h – Discussions et tour de table conclusif

Les ateliers du groupe « Lemmes »

Groupe de travail « Lemmes » – responsable Eliana Magnani (CNRS -LaMOP)

Le groupe de travail « Lemmes » s’est donné pour objectif initial l’aide au développement des outils de lemmatisation des langues médiévales (latin, français, anglais…) et l’incitation à la diffusion des corpus textuels lemmatisés. En effet, encore très peu connue et pratiquée par la communauté des historiens médiévistes, cette opération fondamentale à toute approche des grands corpus est pourtant indispensable dans le cas des langues médiévales très flexionnées et à très grande variation orthographique.

Quatre équipes françaises partenaires de COSME2 (Biblissima, EnC, IRHT, LaMOP) ainsi qu’une équipe allemande (Univ. de Francfort) qui s’est également associée aux travaux du groupe, développent actuellement des « tagueurs » et/ou des paramètres pour des tagueurs préexistants. Avec d’autres partenaires (comme le CESCM), ces équipes diffusent aussi des corpus textuels lemmatisés ou en projet de lemmatisation.

Le groupe de travail compte réunir un à deux ateliers par an pour décider en commun et mettre en œuvre son activité.

Dans ce cadre, le premier atelier (novembre 2017[1]) visait à faire le bilan des outils existants, des points d’achoppement des applications et des orientations et actions à développer. Différents « lemmatiseurs » ont été présentés : Collatinus (Y. Ouvrard, Ph. Verkerk), Pandora (J.-B. Camps), CompHistSem (T. Geelhaar), OMNIA (R. Alexandre), PALM (M. Aouini, C. Fletcher, A. Mairey), avec le constat que, quels que soient leurs objectifs (pédagogiques, lexicographiques, textométriques) ou leurs structures (lexique plus entrainement ; réseau de neurones), tous les outils (tagueurs et/ou paramètres) présentés sont estimés performants à environ 90% (±5%). Ce sont donc les 5-15% d’erreurs qui demandent réflexion, comme la reconnaissance des noms propres (personnes et lieux) qui figurent parmi les erreurs récurrentes d’étiquetage. Par ailleurs, il est apparu nécessaire de réaliser l’évaluation systématique et comparative des outils de lemmatisation.

Le deuxième atelier  (juin 2018[2]) s’est articulé autour de ces points : la présentation de deux recherches doctorales sur les entités nommées (M. Auoini, S. Torres), du projet « Opera latina » du LASLA (Univ. de Liège) (D. Longrée, M. Fantoli) et la discussion sur les modalités à adopter pour l’évaluation des outils de lemmatisation. Les débuts des tests donneront l’occasion à la tenue d’un troisième atelier (décembre 2018).

Le groupe s’est engagé également à développer des activités de diffusion (tableau comparatif de la structure des outils et paramètres de lemmatisation) et de formation, à mettre en place à partir de 2019.

[1] Voir le programme : Étaient présents à cet atelier : Renaud Alexandre, Mourad Aouini, Pierre Brochard, Jean-Baptiste Camps, Chris Fletcher, Simon Gabay, Łukasz Gagala, Tim Geelhaar, Jean-Philippe Genet, Marlène Helias-Baron, Estelle Ingrand-Varenne, Fabrice Jejcic, Anne-Françoise Leurquin, Eliana Magnani, Aude Mairey, Yves Ouvrad, Nicolas Perreaux, Coraline Rey, Evgeniya Shelina, Sergio Torres, Philippe Verkerk.

[2] Voir le programme : Étaient présents à cet atelier : Renaud Alexandre, Mourad Aouini, Bruno Bon, Olivier Canteaut, Thibault Clérice, William Diakité, Margherita Fantoli, Simon Gabay, Christopher Geekie, Jean-Philippe Genet, Dominique Longrée, Eliana Magnani, Aude Mairey, Krzysztof Nowak, Yves Ouvrard, Nicolas Perreaux, Coraline Rey, Michał Rzepiela, Sergio Torres, Philippe Verkerk.