A la sortie de BAO2, pour chaque rubrique, nous avons obtenu des textes étiquetés par Cordial en format .cnr et par Treetagger reformatés en .xml. Pour la BAO3, nous allons prendre ces fichiers comme entrée, et extraire des patrons selon des patterns morpho-syntaxiques souhaité, dans notre cas, les patrons morphosyntqxiaues à extraire sont: NOM ADJ. Pour réaliser cette étape d'extraction des patrons, il s'agit de différentes solutions possibles :
Solution n°1 :
- Monsieur Jean-Michel Daube a proposé une méthode d'un programme perl qui consiste à extraire des patrons morphosyntaxiques dans les étiquetages produits avec Cordial. Le programme lit le fichier ligne par ligne (forme, lemme et catégorie morphosyntaxique) en utilisant l'étiquette "PCTFORTE" comme délimiteur. Il traite phrase par phrase pour extraire des mots formes qui correspondent aux suites de patrons NOM ADJ en prenant un fichier de motif comme entrée. Nous avons utilisé des expressions régulières pour construire les formes des patrons NOM ADJ dans le fichier de motif:
Voici le script en perl :
Cliquer pour afficher le script perl
Voici le résultat d'extraction des patrons morphosyntaxiques :
Solution alternative proposé par Monsieur Serge Fleury :
L'archive contient 2 scripts permettant d'extraire des patrons morphosyntaxiques sur des données étiquetées par Cordial. Le script V1 prend 2 arguments : le fichier cordial et un fichier de patrons. Le script V2 prend un certain nombre d'arguments : le fichier cordial et la suite des cha?nes correspondant au patron visé (par exemple : "NOM" "ADJ")
Solution n°2 :
- D'autres solutions en Perl : Monsieur Serge Fleury a proposé une autre méthode du prgramme perl qui consiste à extraire des patrons morphosyntaxiques dans les étiquetages produits avec Treetagger.
Cliquer pour afficher le script pour afficher le script perl
