Boite à Outils 2
Étiquetage morphosyntaxique
A l'issue de la Boîte à Outils effectuant l'extraction des données, nous avons obtenus trois fichiers différents constituant notre nouvelle base de travail : un fichier .txt et un fichier XML pour la « surface » dont le contenu a été extrait des fichiers .xml de l'arborescence et un fichier .txt pour la « profondeur » issu des fichiers .txt de l'arborescence.
Nous avons utilisé deux programmes différents pour étiqueter nos données : Treetagger pour étiqueter l'ensemble des fichiers et Cordial qui permet d'étiqueter des fichiers en format texte brut.
Etiqueter avec TreeTagger
Avant de commencer si vous ne savez pas ce qu'est Treetagger ni comment l'installer n'hésitez pas à vous rendre sur la page de ce site dédiée à Treetagger. Nous avons donc étiqueté l'ensemble de nos fichiers avec Treetagger grâce à deux scripts, le premier traitant la profondeur et le second la surface. Vous pouvez trouver ces deux scripts ici (pour la surface) et ici (pour la profondeur). Voici un extrait de fichier annoté avec treetagger en version XML :
Vous pouvez trouver les fichiers que nous avons annoté en version XML ici pour la profondeur et ici et ici pour la surface.
Voici un extrait de fichier annoté avec Treetagger en version texte brut :
Vous pouvez trouver les fichiers annotés avec Treetagger ici et ici pour la surface et ici pour la profondeur.
Annoter avec Cordial
Si vous souhaitez voir le fonctionnement de Cordial avant de commencer à lire cette partie n'hésitez pas à vous rendre sur la page de ce site dédiée à l'utilisation de Cordial. Cordial ne prend en entrée que des fichiers textes brut. Nous n'avons donc étiqueté que les fichiers de la surface et de la profondeur qui étaient dans ce format. Vous pouvez télécharger les fichiers annotés par Cordial ici, ici et ici. Voici des extraits de nos fichiers étiquetés (le premier est un extrait de la surface étiquetée et le second de la profondeur):
