Archives par mot-clé : lemmes

Journée d’initiation à la lemmatisation des textes médiévaux

lundi 17 juin 2019 – 9h30-18h


Paris – IRHT – Salle Jeanne Vielliard – 40 avenue d’Iéna (métro Iéna) P

En plus d’être flexionnelles, les langues employées dans l’Occident médiéval (latin et langues vernaculaires) se caractérisent par une très grande variation orthographique. La lemmatisation, c’est-à-dire le regroupement des différentes formes d’un mot sous leur lemme, se trouve ainsi être une opération fondamentale aux études des textes, notamment celles utilisant des procédures de recherche formalisées et assistées informatiquement.

Dans le contexte actuel de multiplication des numérisations des textes médiévaux, plusieurs  outils et paramètres de lemmatisation ont vu le jour et continuent d’être développés.  De l’aide à la traduction jusqu’à la préparation aux analyses statistiques et sémantiques des larges corpus, ces outils demeurent, cependant, pas ou peu connus des médiévistes.

L’objectif de cette journée est de proposer une introduction à la lemmatisation et la découverte de quelques outils-clé à partir d’exercices pratiques. Elle vise aussi à faire se rencontrer les concepteurs d’applications et leurs utilisateurs potentiels.

Cette initiation s’adresse à tous les intéressés : étudiants, doctorants, ingénieurs, chercheurs et enseignants-chercheurs. Pour que cette initiation s’accompagne d’une mise en pratique réelle, le nombre des participants est limité à 15.

La participation est gratuite, mais devra obligatoirement faire l’objet d’une demande motivée, pour que la limite fixée à 15 participants puisse être vérifiée.

La prise en charge des frais de transport, voire de logement (une nuitée), est possible dans la mesure des crédits disponibles, à condition d’en faire la demande explicite au moment de la candidature. L’ordre des candidatures sera pris en compte en cas de besoin.

Pour faire acte de candidature, adressez par courriel une demande motivée à eliana.magnani@univ-paris1.fr  avant le 15 mai 2019, en précisant vos nom, prénom, institution de rattachement, thème de recherche, courriel et, le cas échéant, les besoins de prise en charge (transport, nuitée). Tous les candidats seront prévenus par courriel le 20 mai de l’état de leur candidature.

Programme

  • 9h30 – Accueil et tour de table introductif
  • 10h – La lemmatisation des corpus médiévaux. Pourquoi et comment ? (Nicolas Perreaux et invités à confirmer)
  • 11h45 – Pause
  • 12h – Installation, prise en main et utilisation de Collatinus. Lemmatiseur et analyseur morphologique de textes latins (Yves Ouvrard, Philippe Verkerk)
  • 13h15 – Buffet
  • 14h30 – Phyrra : lemmatisation et correction (latin, ancien français, etc.) (Thibault Clérice, Vincent Jolivet, Ariane Pinche)
  • 16h – Pause
  • 16h30 – Palm. Plateforme d’analyse linguistique médiévale : anglais, français et latin médiévaux (Aude Mairey)
  • 17h30 – Tour de table conclusif

Organisation

Eliana Magnani (CNRS-LaMOP), Nicolas Perreaux (SFB 1095 – Goethe-Universität) et l’équipe administrative de l’IRHT

Comité scientifique

Paul Bertrand (Univ. Louvain)

Estelle Ingrand-Varenne (CNRS-CESCM)

Eliana Magnani (CNRS-LaMOP)

Nicolas Perreaux (SFB 1095 – Goethe-Universität)

Liens utiles :

http://cosme.hypotheses.org/

https://www.huma-num.fr/consortiums

https://www.irht.cnrs.fr/

https://outils.biblissima.fr/fr/collatinus-web/

http://www.glossaria.eu/treetagger/

http://palm.huma-num.fr/PALM/

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.