BàO 2

Dans cette étape, nous allons étiqueter automatiquement les contenus textuels. Pour ce faire, le Treetagger et UDpipe sont utilisés.

Script Perl

-On notera que ce script est la version modifiée depuis le script de boîte à outils 1. Ce script génère aussi la sortie de contenus textuels comme la boîte à outils 1. Par conséquent, il n'est pas nécessaire de lancer le script de bàO 1 pour pouvoir exécuter ce script.
-Exemple d'utilisation : perl bao2_hayoung_seo.pl répertoire-à-parcourir rubrique

• Télécharger le script

Nous trouvons un problème d'étiquetage pour Treetagger. Treetagger sépare l'entité & en deux parties (&amp et ;) puis les étiquete à part. Par conséquent, cette ligne system("sed -i '' -e 's & \\& g' bao2_sortiexml_treetagger_$rubrique"); a été ajouté dans le sous-programme etiquetagetreetagger pour pouvoir former une bonne structure du fichier XML. Cette reformatage est nécessaire pour la boîte à outils 3.

Résultat

On notera que la sortie XML a le problème d'affichage à cause de l'entité & car il s'agit d'un fichier XML généré après le sous programme pretraitement pour le Treetagger. L'entité & est séparée en deux comme on a vu précédemment