BàO 3: Extraction de patrons

Pour extraire des patrons à partir des sorties produites à l'issue de BàO2, on utilise deux méthodes différentes :

- Extraction de patrons sur les sorties brutes de l'étiquetage Cordial via un script perl, technique de Mr Fleury.

- Extraction de patrons sur la sortie au format XML (TreeTagger) via un script perl utilisant la bibliothèque XML::XPath, technique de Mr Belmouhoub.

On utilise en entrée le fichier de sortie Cordial précédent au format CNR, ainsi qu'un fichier texte contenant les patrons syntaxiques pos.txt. Le script intitulé cordial_sf.pl permet de générer en sortie un fichier de résultats qui affiche toutes les suites de mots correspondants aux motifs spécifiés.

Les motifs à extraire sont les suivants :  

On lance le script  :

On obtient pour chaque rubrique
un fichier texte.

J'ai utilisé ce script pour l'année 2010, sur 15 rubriques (j'ai laissé de côté les rubriques à la une, politique).

patrons syntaxiques                  à télécharger

fichier cordial_sf.pl        à voir | à télécharger

fichier pos.txt                à voir | à télécharger

On utilise en entrée le fichier de sortie TreeTagger précédent au format XML, ainsi qu'un fichier texte contenant les patrons syntaxiques (patterns.txt). Le script intitulé baO3_treetagger.pl utilise des requêtes XPath pour extraire les motifs recherchés.

Les motifs à extraire sont les suivants :  

On lance le script  :

On obtient pour chaque rubrique un fichier texte.

J'ai utilisé ce script pour l'année 2010, sur 14 rubriques (j'ai laissé de côté les rubriques à la une, politique, société).

patrons syntaxiques                         à télécharger

fichier bao3_treetagger.pl    à voir | à télécharger

fichier patterns.txt                à voir | à télécharger

Bascarane Lydia & Dubremetz Marie - © 2011