Outils pour utilisateurs

Outils du site


public:analyse_de_corpus_evs_avec_txm

Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Les deux révisions précédentes Révision précédente
Prochaine révision
Révision précédente
public:analyse_de_corpus_evs_avec_txm [2017/05/30 09:41]
slh@ens-lyon.fr
public:analyse_de_corpus_evs_avec_txm [2018/10/03 16:24] (Version actuelle)
slh@ens-lyon.fr
Ligne 7: Ligne 7:
 Dans la mesure où cette page est pour l'​instant publique, il est intéressant de veiller à ne pas trop désigner de personnes et de projets concrets. Dans la mesure où cette page est pour l'​instant publique, il est intéressant de veiller à ne pas trop désigner de personnes et de projets concrets.
  
-===== Toponymes de Paris =====+====== Toponymes de Paris ======
  
-Voir la macro NIndex.+===== Import du corpus ===== 
 + 
 +Pour pouvoir utiliser l'​outil d'​annotation par concordances,​ il est nécessaire d'​importer le corpus avec le module d'​import XTZ+CSV qui prend des sources au format XML (le module d'​import XTZ+CSV et l'​annotation sont disponibles à partir de TXM 0.7.8) : 
 + 
 +  * lancer '​Fichier > Importer > XML-XTZ+CSV'​ 
 +    * pointer le répertoire des sources XML '​Paris_corrige'​ 
 +    * lancer l'​import en cliquant sur la flèche verte 
 + 
 +===== Annotation du corpus ===== 
 + 
 +  * faire une concordance,​ par exemple de %%"​rue|avenue|boulevard"​%c ("​d[ue]|des|aux"​%c|"​de"​%c "​la"​%c)?​ [word="​[A-Z].*"​]%% :\\ {{:​public:​conc-rues.jpg?​800}} 
 +  * cliquer sur le bouton '​Annoter'​ (bouton crayon situé en haut à gauche de la concordance) 
 +    * saisir l'​identifiant de l'​annotation,​ par exemple '​id_rue_neuve'​ 
 +    * garder l'​option '​lignes sélectionnées'​ 
 +    * sélectionner les deux lignes correspondant à "rue Neuve" :\\ {{:​public:​conc-rues-annotation.jpg?​800}} 
 +  * cliquer sur '​OK'​ pour poser l'​annotation 
 +    * on voit que les pivots ont bien reçu l'​annotation : \\ {{:​public:​conc-rues-annotation-neuve.jpg?​800}} 
 + 
 +===== Enregistrement de l'​annotation ===== 
 + 
 +Une fois qu'on a cliqué dans une concordance sur le bouton "​Annoter",​ qui a une icone de crayon, pour lancer une session d'​annotation,​ il bascule en bouton "​Enregistrer les annotations"​ avec l'​icone crayon+disquette. Cliquer sur le bouton crayon+disquette sauvegarde les annotations de la session courante, ce qui permet ensuite d'​exploiter les annotations par requêtes CQL. 
 + 
 +<​note>​La sauvegarde des annotations est un calcul encore assez long parce que TXM ré-importe en partie le corpus.</​note>​ 
 + 
 +===== Exploitation de l'​annotation du corpus ===== 
 + 
 +Après la sauvegarde, on voit que des structures '​span'​ sont disponibles avec le contenu des annotations dans leur propriété '​ref'​ : 
 + 
 +==== Extrait de la Description du corpus ==== 
 + 
 +<​code>​... 
 +Propriétés des structures (max 20 valeurs) 
 + 
 +doc 
 +  n (1) = 0. 
 +
 +  n (18972) = 0, 1, 10990, 10991, 10992, 10993, 10994, 10995, 10996, 10997, 10998, 10999, 2, 3, 4, 5, 6, 7, 8, 9. 
 +span 
 +  author (1) = sheiden. 
 +  date (1) = 2017-06-01. 
 +  end (2) = 3778, 5576. 
 +  n (1) = ""​. 
 +  ref (1) = id_rue_neuve. 
 +  start (2) = 3777, 5575. 
 +... 
 +</​code>​ 
 + 
 +==== Concordance basée sur l'​annotation ==== 
 + 
 +Pour faire une concordance basée sur l'​annotation,​ on peut utiliser une requête de la forme suivante :\\ %%<​span_ref="​id_rue_neuve">​ []+ expand to span%% :\\ {{:​public:​conc-annotation-neuve.jpg?​800}} 
 + 
 +On peut utiliser 3 variantes de ce type de requêtes : 
 + 
 +=== A) === 
 + 
 +%%<​span_ref="​id_rue_neuve">​ []%% 
 +  * glose : pour ne chercher que le premier mot de la séquence annotée 
 + 
 +=== B) === 
 + 
 +%%<​span_ref="​id_rue_neuve">​ []+ expand to span%% 
 +  * glose : pour chercher tous les mots de la séquence annotée 
 + 
 +=== C) === 
 + 
 +%%[_.span_ref="​id_rue_neuve"​]%% 
 +  * glose : pour chercher chaque mot de la séquence annotée 
 + 
 +Chacune des variantes aura son utilité selon l'​outil mobilisé, Concordance ou Index par exemple, et l'​objectif visé. 
 + 
 +==== Exportation de l'​annotation ==== 
 + 
 +Après la sauvegarde des annotations,​ le corpus contient en lui-même les annotations indépendamment de l'​outil d'​annotation. On peut donc exporter ce corpus au format binaire (avec la commande '​Fichier > Exporter > Corpus au format binaire) dans un fichier .txm que l'on peut transmettre à un correspondant. Le correspondant charge alors le corpus binaire (avec la commande '​Fichier > Charger) puis exploite le corpus et ses annotations comme pour n'​importe quel corpus binaire. 
 + 
 +==== Annotation d'un corpus annoté chargé ==== 
 + 
 +Ceci n'a pas encore été beaucoup testé mais le correspondant peut à son tour annoter le corpus lui-même avec la contrainte actuelle qui est qu'il n'a pas le référentiel des annotations déjà réalisées sur le TXM d'​origine. Donc : 
 + 
 +  * a) il doit pouvoir ajouter des annotations,​ qui doivent se conformer au système d'​étiquettes d'​origine (mêmes noms) si on veut pouvoir faire une exploitation conjointe des annotations d'​origines et des nouvelles annotations 
 +  * b) il peut peut-être corriger des annotations d'​origine,​ en se conformant au système d'​étiquettes d'​origine pour les mêmes raisons que précédemment 
 + 
 +Comme nous n'​avons pas encore fait de tests dans ce domaine, nous serions intéressés d'​avoir des retours d'​expérience. 
 +Il faudra qu'on prévoit d'​exporter les référentiels (jeux d'​étiquettes) dans les corpus binaires. 
 + 
 +===== Notes 03/10/2018 ===== 
 + 
 +  * format de sortie PERDIDO 
 +    * tests 
 +  * exploitabilité des annotations PERDIDO 
 +  * travailler sur des textes structurés et annotés avec PERDIDO 
 +    * structurer en aval : annoter les structures dans TXM 
 +    * structurer en amont : est-ce que TXM peut piloter les demandes à PERDIDO ? 
 +  * nouveaux textes
  
 ===== Autres projets ===== ===== Autres projets =====
public/analyse_de_corpus_evs_avec_txm.1496130060.txt.gz · Dernière modification: 2017/05/30 09:41 par slh@ens-lyon.fr