Boîte à outils 2

Etiquetage morphosyntaxique

Objectif

L'objectif de cette boîte à outils est d'étiqueter les contenus textuels extraits dans la première boîte. Cet étiquetage est réalisé à l'aide de TreeTagger et UDPipe. A noter, il est indispensable de rassembler tous les fichiers et programmes utilisés dans un même dossier.

Tree-Tagger

TreeTagger est un outil d'annotation automatique. Afin de réaliser l'objectif, il est nécessaire de transformer les données textuelles au format attendu par TreeTagger: le texte doit être tokénisé. Pour cela, on a utilisé le programme tokenise-utf8.pl en plus d'un modèle d'étiquetage français french-utf8.par. Le résultat obtenu par TreeTagger est au format txt. Pour cela, on a utilisé un deuxième programme treetagger2xml.pl pour transformer la sortie au format XML.

UDPipe

UDPipe est un pipeline entraînable pour la tokenisation, le balisage, la lemmatisation et l'analyse des dépendances des fichiers CoNLL-U. De même que pour TreeTagger, on a convertit à l'aide du programme udpipe2xml.pl le fichier txt au format XML pour l'utiliser ultérieurement dans la troisième boîte à outils.

Résultats

Les étiquettes choisies sont le type et le lemme. Les résultats obtenus par les deux outils d'étiquetage TreeTagger et UDPipe sont dans le tableau ci-dessous:

RUBRIQUE	TreeTagger		UDPipe
	Sortie TXT	Sortie XML	Sortie TXT	Sortie XML
Cinéma - 3476	BAO2_3476_Cinema_treetagger.txt	BAO2_3476_Cinema_treetagger.txt.xml	BAO2_3476_Cinema_udpipe.txt	BAO2_3476_cinéma_udpipe.xml
Culture - 3246	BAO2_3246_Culture_treetagger.txt	BAO2_3246_Culture_treetagger.txt.xml	BAO2_3246_Culture_udpipe.txt	BAO2_3246_Culture_udpipe.xml
Voyage - 3246	BAO2_3546_Voyage_treetagger.txt	BAO2_3546_Voyage_treetagger.txt.xml	BAO2_3546_Voyage_udpipe.txt	BAO2_3546_Voyage_udpipe.xml