BAO3 -- extraction de patron
L'objectif de Boîte à outil 3 est de construire un programme Perl pour extraire des patrons morphosyntaxiques dans les étiquetages produits avec Talismane. Dans ce site, les patrons à extraire sont: Nom Prep Nom Prep, Verbe Det Nom, Nom Adj, Adj Nom dans quatres rubriques.
Chaque rubrique possède ses caractéristiques littéraires et aussi ses propres emplois des termes dans son domaine, donc cela rend nos suites de patrons très différents en fonction de rubrique. Notre deuxième but pour l'étape Boîte à outil 3 consiste à comparer la même suite de patrons parmis les rubriques.
Patrons ADJ + NOUN
En ce qui concerne tous les différences parmis ces quatres rubriques, on constate que la rubrique 'A la une' est similaire que la rubrique 'Europe' en fonction des emplois du termes. La raison peut être qu'elles parlent de mêmes sujets en même période. Pour le point commun, les deuxs rubriques regoupent l'ensemble des articles, reportages, directs sur les sujets d'actualité. Ells ont les mêmes séquences de patrons comme 'premier ministre', 'extrême droite', 'première fois' etc. Egalement, il existe des suites de mots très proches comme par exemple 'nouveau président' dans la rubrique 'A la une', alors ce sont 'nouveau gouvenement' dans la rubrique 'Europe'.
Dans la rubrique 'Cinéma', on constate que le terme 'film' apparâît très souvent comme 'meilleurs films', 'premier film', 'nouveau film','dernier film' et 'meilleur fiml' etc. Cette rubrique focalise sur le sujet de cinéma. Dernièrement, on voit les suites de mots comme 'ancienne station', 'jeunes migratns', 'petite vallée' etc. Ces deux rubrique sont très différentes selon leur domaine, et ça rend les différents utilisations des mots.
Patrons NOUN + ADJ
Pour la suite de patron Nom Adj, la différence ou la similarité parmis ces quatres rubriques sont pareille. La rubrique 'A la une' est similaire de la rubrique 'Europe', par exemple, ils ont tous les deux 'gilets jaunes', 'ministre britannique', 'élections européennes', 'président américan' etc. Concernant la rubrique 'Cinéma', elle se concentre sur le domaine de cinéma, donc il a des suites de mots comme 'cinéma français', 'cinéaste américan','réalisateur américan','cinéaste japonais','comédie populaire' etc. On constate que les noms restent dans le domaine de cinéma, les adjectifs changent selon le sujet. Par exemple, on a 'comédie sentimentale', 'comédie populaire', les noms sont très caractéristiques dans la rubrique. Dernièrement, dans la rubrique 'Voyage', c'est normale qu'on a des mots comme 'passeport','tourisme','pâtisseries','histoire' etc.
NOUN + PREP + NOUN + PREP
Patrons VERB + DET + NOUN
Pour les suites de patrons NOUN + PREP + NOUN + PREP et VERB + DET + NOUN, la rubrique 'A la une' et 'Europe' fait le choix des mots selon le sujet des actualités. La rubrique 'Cinéma' emploi des mots autour de 'film', 'cinéma' ou 'comédie' etc. Enfin, la rubrique 'Voyage' n'utilise pas fréquemment la suite de patron comme 'NOUN + PREP + NOUN + PREP', en l'occurrence, le résultat a sortie juste 20 exemples trouvés dans les articles.
Le script d'extraction de patrons est disponible ci-dessous, veuillez cliquez: