1

FICHIER TEXTE

ETIQUETAGE EN CATEGORIES DU DISCOURS

EXTRACTION TERMINOLOGIQUE

TRI DES SORTIES

2

EXEMPLE DE FICHIER TEXTE• BRUXELLES (AFP) - L'Union européenne, dont six pays

sont touchés par le virus H5N1 de la grippe aviaire, a envisagé lundi l'octroi d'aides au secteur avicole frappé par la chute de la consommation de volaille, tandis que quatre nouveaux foyers ont été identifiés au Nigeria.

• Bruxelles est prêt à autoriser des aides nationales sous formes de mesures techniques déjà existantes, comme des prêts à bas taux d'intérêts aux producteurs, à condition que les Etats membres respectent les règles communautaires, a déclaré la commissaire à l'Agriculture Mariann Fisher Boel à l'issue de la réunion à Bruxelles des ministres de l'Agriculture des 25 pays membres.

3

Etiquetage par Tree Tagger

BRUXELLES NAM Bruxelles

( PUN (

AFP ABR AFP

) PUN )

- PUN -

L'Union ABR L'Union

européenne NOM européen

, PUN ,

dont PRO:REL dont

six NUM six

pays NOM pays

sont VER:pres être

touchés VER:pper toucher

par PRP par

Virus NOM virus

H5N1 VER:pper H5N1

de PRP de

la DET:ART le

grippe NOM grippeaviaire ADJ aviaire

, PUN ,

a VER:pres avoir

envisagé VER:pper envisager

lundi NOM lundi

l'octroi NOM l'octroi

d'aides ADJ d'aides

au PRP:det au

secteur NOM secteur

avicole ADJ avicole

frappé VER:pper frapper

par PRP par

la DET:ART le

chute NOM chute

de PRP de

la DET:ART le

consommation NOM consommation

de PRP de

volaille NOM volaille

, PUN ,

tandis KON tandis

que ADV que

quatre NUM quatre

nouveaux ADJ nouveau

foyers NOM foyer

ont VER:pres avoir

été VER:pper être

identifiés VER:pper identifier

au PRP:det au

Nigeria NOM Nigeria

. SENT .

Bruxelles NAM Bruxelles

est VER:pres être

prêt ADJ prêt

à PRP à

autoriser VER:infi autoriser

des PRP:det du

aides NOM aide

nationales ADJ national

sous PRP sous

formes NOM forme

de PRP de

mesures NOM mesure

techniques ADJ technique

4

Etiquetage par Cordial•BRUXELLES •Bruxelles •NPSIG

•( •( •PCTFAIB

•AFP •Afp •NPFS

•) •) •PCTFAIB

•- •- •PCTFAIB

•L' •le •DETDFS

•Union •union •NCFS

•européenne •européen •ADJFS

•, •, •PCTFAIB

•dont •dont •PRI

•six •six •ADJNUM

•pays •pays •NCMIN

•sont •être •VINDP3P

•touchés •toucher •VPARPMP

•par •par •PREP

•le •le •DETDMS

•virus •virus •NCMIN

•H5 •h5 •NCI

•N1 •n1 •NCI

•de •de •PREP

•la •le •DETDFS•grippe •grippe •NCFS

•aviaire •aviaire •ADJSIG

•, •, •PCTFAIB

•a •avoir •VINDP3S

•envisagé •envisager •VPARPMS

•lundi •lundi •NCMS

•l' •le •DETDMS

•octroi •octroi •NCMS

•d' •de •PREP

•aides •aide •NCPIG

•au •au •DETDMS

•secteur •secteur •NCMS

•avicole •avicole •ADJSIG

•frappé •frapper •VPARPMS

•par •par •PREP

•la •le •DETDFS

•chute •chute •NCFS

•de •de •PREP

•la •le •DETDFS

•consommation •consommation •NCFS

•de •de •PREP

•volaille •volaille •NCFS

•, •, •PCTFAIB

•tandis que •tandis que •SUB

•quatre •quatre •ADJNUM

•nouveaux •nouveau •ADJMP

•foyers •foyer •NCMP

5

Extraction de correspondances selon type de patron

FORMAT CORDIAL NC[A-Z]+ ADJ[A-Z]+

(ça devrait être N[A-Z]+)

FORMAT TREE TAGGER NOM ADJ

6

Programmation

Programme fondé sur l’idée que les données formatées par Cordial ou Tree Tagger sont totalement normalisées

A une suite d’étiquettes au rang [$i..$i+1], correspond exactement une suite de tokens au même rang

Recherche des correspondances entre le patron fourni par l’utilisateur (p. ex. ADJ NOM) et les étiquettes du texte

7

Difficultés

Gestion des indices

Longueur des expressions régulières :

facile avec Tree Tagger (NOM ADJ)

plus compliqué avec Cordial NC[A-Z]+ ADJ[A-Z]+ nécessité d’utiliser $& pour saisir la vraie longueur de la correspondance

8

COMPARAISON DES SORTIES

CORDIAL TREE TAGGER

Union européenne grippe aviaire

grippe aviaire l’octroi d’aides

secteur avicole secteur avicole

aides nationales aides nationales

mesures techniques mesures techniques

règles communautaires règles communautaires