Soutenance de stage :

Informatisation de dictionnairesfulfulde-anglais-français

Stagiaire : Mariam BARRY

Maître de Stage : Mathieu MANGEOT

IntroductionObjectif :

Conversion de dictionnaires éditoriauxFormat pour impression (ODT) => Electronique (XML Propre) Comment ?

Traitement du contenu XMLCodage de la forme (Style) => Codage de fond

(Informations)

Résultat attendu : Fichier XML Propre et Structuré avec

marquage explicite des informations

II. Laboratoire d’accueilLIG (Laboratoire Informatique de Grenoble) • Recherche en informatique ; créé le 01/01/2007 Taille : 500 chercheurs, enseignant-chercheurs,

doctorants, personnel, Campus de Grenoble et Montbonnot

Partenaires CNRS, Grenoble INP, INRIA, UJF, UPMF, Stendhal

Equipe GETALP (Groupe d’Etude pour la Traduction Automatique et le Traitement automatisé des Langues et de la Parole) Taille : 17 permanents : 1chercheuse et 3 ingénieurs

CNRS, 13 enseignants-chercheurs.

III. Données Un dictionnaire fulfulde => français (dico1)

Projet Soutéba (Soutien à l’éducation de base) Rédigé en se basant sur une version imprimée 4 523 Entrées et riche en informations Erreurs de mise en page, style, etc.

Un dictionnaire fulfulde <=> français et anglais (2 fichiers : dico2 et dico3) Equipe de linguistes Américains travaillant au Niger Entrées : 17 230 (ful=>ang-fra) ; 10 000 (ang=>ful) et 10 300 (fra=>ful) Propre

Fournies par : Mme Chantal Enguehard, enseignante-chercheuse au LINA

III. Données : Extrait du dico1.odt

IV. Travail réalisé

4.1. Balises XML◦ Elément d’un fichier XML◦ Exemple : <NomB>Exemple</NomB> ;

<A><a>b</a></A>◦ Nom des balises ouvrantes et fermantes doivent

correspondre

4.1. Expressions régulières◦ Suite de caractères => Chaine de caractères◦ Trouver un bloc de texte◦ Traitement automatisé (Remplacement, …)◦ Exemples : a[lou]+ , ^[st]ac , [st]ac$ , ([^<]+)◦ Les parenthèses servent à capturer une information :

Rechercher : <Test>([^<]+)</Test><Exemple>([^<]+)</Exemple>Remplacer par : <Resultat>\1 et \2</Resultat>

   <Test>Aurevoir</Test><Exemple>Merci</Exemple>

<Resultat>Aurevoir et Merci</Resultat>

4. 2. Analyse de données Nécessitait des compétences linguistiques en

fulfuldeBilan sur dico1 :

Balise Équivalent Françaismbahdi Pluriel

tok Synonymelur Contraire, Opposécalt Variantefar Traduction

Abréviation Équivalent Fr Fréquencei. singulier/pluriel Nom 2493

g. Verbes 1709s. Adjectif 63w. Adverbe 15

wal. Adverbe 5jokk. Adverbe de liaison 4sif. Mot Composé, Expression 7l. Pronom Personnel et

Numéral4

4. 3. Marquage explicite des informations

Version de départ : XML provenant de l'ODT

4. 3. Marquage explicite des informations

Rech : <text:p text:style-name="Entry_20_Paragraph"> Remp : <Article> Rech : </text:p> Remp : </Article>

Rech : <text:span text:style-name=“Lexeme">([^<]+)</text:span>Remp : < Vedette>\1</Vedette>

Rech : (<Paradigm>[^<]+)</text:span><Paradigm>([^<]+</text:span>) Remp : \1\2

Rech : calt: ([^<\.]+)\. Remp : <Variante>\1</Variante> (Pareil avec tok, mbahdi, etc)

Far : Automatique : 3985 et Manuel : 485 (cas particuliers ou avec erreurs)

4. 3. Marquage explicite des informations Version finale : fichier XML traité

4. 4. Visualisation des données Validation XML

Nécessite une syntaxe XML correcte ! Corriger les

Feuille de style Représentation de documents XML, HTML Définir des règles (alignement, police, couleur,

marges, etc.) Fichier XML : <?xml-stylesheet type="text/css"

href="dicoNiger.css"?>

4. 4. Visualisation des donnéesAffichage du Dico1 sur chrome avec feuille de style

4. 5. Mise en ligne sur Jibiki• Jibiki

• Plate-forme de gestion de ressources lexicales• Programmée en Java• Accès à des ressources hétérogènes• Import et traitement de données, dictionnaires• Open source

• Import• Ressource importée au Format XML valide• Décrire le dictionnaire, sa macrostructure• Analyse des données• Disponible sur la plateforme

4. 5. Mise en ligne sur Jibiki

C

Résultat d’une recherche sur Jibiki sur une entrée du dico1

4. 5. Mise en ligne sur Jibiki

Résultat d’une recherche sur Jibiki sur 2 entrées du dico2

V. ConclusionBilan Mise à disposition de Ressources électroniques

- Pour le traitement automatique des langues

Ressource précieuse

- Car cette langue est peu dotée

Apport Nécessitait des compétences en fulfulde et en informatique

Fini le travail que DILAF n’a pas pu (à cause des erreurs)

Notions de : Expressions régulières, XML, Feuille de style

Développer mon autonomie

Merci pour votre attention !

Questions ?