Les biocarburants sur le web
Présentation du projet
Dans le cadre du master ingénierie linguistique, nous devions réaliser un projet intitulé La vie multilingue des mots sur le web" qui consiste à mettre en place une chaîne de traitement textuel semi-automatique", allant de la récupération des données à leur présentation en utilisant un script shell.
J'ai choisi de travailler sur le mot biocarburant . Au départ les langues d'étude étaient le français et le khmer. Cependant, ayant rencontré des difficultés avec ma partenaire j'ai travaillé toute seule et le traitement linguistique ne s'est fait que sur le corpus en français.
Dans un premier temps,le travail portait sur le traitement semi-automatique du corpus. Dans un second temps il a fallu faire un traitement linguistique et une représentation de ce traitement.
Le mot biocarburant
.Le substantif "biocarburant" est utilisé comme hyperonyme pour désigner des carburants "alternatifs" à ceux qui sont actuellement utilisés et qui provoquent une dégradation de l'environnement, de la qualité de l'air et sont responsables de la pollution et du réchauffement climatique - entre autres
Biocarburant : ou agrocarburant désigne un carburant liquide produit à partir de matériau non fossile issu de l'agriculture (maïs, colza, etc.)
Le choix de ce mot est motivé.C'est un thème qui est souvent en proie à la polémique entre ceux qui sont pour et ceux qui sont contre le développement des biocarburants. On peut trouver des contextes d'apparition "pros & cons" du mot recherché et parvenir à une analyse linguistique intéressante
Les étapes du projet
La première phase...
Elle consistait, une fois le mot choisi, à constituer un corpus de 50 urls (en français et en khmer) mentionnant ce mot dans leur contenu dans les différentes langues de travail. Une fois le corpus d'urls constitué, j'ai écrit étape par étape un script bash qui avait pour objectif de construire un tableau par langue auquel s'ajoutait, après chaque étape une nouvelle colonne :
Chaque étape du projet et son avancement étaient consignés sur mon blog.