Pour le projet BaO 2009-2010, le corpus de travail est constitué de l'ensemble des fils RSS disponibles sur le site du journal Le Monde recueillis tous les jours de l'annee 2009 à 19h. On a commencé par tester la chaîne de traitement sur un échantillon (15 jours seulement de l'année 2008) correspondant à celui fourni dans les ressources disponibles sur le site du cours :
http://www.cavi.univ-paris3.fr/ilpga/ilpga/tal/cours/masterproj.htm#projet22.

Dans un Fils RSS nous nous interessons aux balises <title> et <description>

• BaM.pl
• SORTIE_initial.xml - avec des chose à netoyer
• parcours-arborescence-fichiers.cord.pl
• SORTIE_cordial.txt - lequel on a mit dans le cordial
• param_etiquetage.jpg - choix des option dans le cordial
• CordialEtic.1.jpg - le texte dans le cordial
• SORTIE_cordial.cnr - le resultat obtenue dans le cordial

Et puis on a traité le corpus des Fils RSS de l'annee 2009 qui nous etait fourni par M. Fleury. Le corpus a la structure suivante:

2009:	jan: 	01: 19-00:	0,2-3210,1-0,0.txt

				0,2-3214,1-0,0.xml

		02: 19-00:

		03: 19-00:

		04: 19-00:

		...

		30: 19-00:

	fev:

	mar:

	...

	dec:

			

Par exemple :

• parcours-arborescence-fichiers.cord.pl
• SORTIE_cordial.txt - pour etre traite dans le cordial
• SORTIE_cordial.cnr - fichier etiquete dans le cordial
• SORTIE.xml - pour plus de visibilite
• PrintScreenSortieCordial_cnr.jpg
• PrScSortieXML.jpg