CORPUSCORPUS

TypesTypes

I. DU PAPIER A L’OCTETI. DU PAPIER A L’OCTET

..

4

I. Le I. Le SEUSEU

The Survey of English Usage (SEU) The Survey of English Usage (SEU) CorpusCorpus

(R. Quirk 1968)(R. Quirk 1968)

= corpus papier le plus important = corpus papier le plus important récolté pour la description de la récolté pour la description de la grammairegrammaire

5

SEUSEU

Objectif en 1959: récolter 200 Objectif en 1959: récolter 200 échantillons de 5000 mots chacun échantillons de 5000 mots chacun représentatifs de l’anglais représentatifs de l’anglais britannique écrit et parlé britannique écrit et parlé

= 1 000 000 mots= 1 000 000 mots

500 000 mots d’origine écrite500 000 mots d’origine écrite

500 000 mots d’origine parlée500 000 mots d’origine parlée

6

..

Textes écritsTextes écrits (100)(100)

– ImprimésImprimés (46)(46)

informatifs informatifs (28)(28)– pressepresse (8)(8)– académiquesacadémiques (13)(13)– administratifsadministratifs (4)(4)– juridiquesjuridiques (3)(3)

instructions instructions (6)(6) persuasifspersuasifs (5)(5) fictionfiction (7)(7)

7

..

Textes écritsTextes écrits

– ManuscritsManuscrits (36)(36)

correspondancecorrespondance (21)(21)– socialsocial (13)(13)– non-socialnon-social (8)(8)

journaux intimesjournaux intimes (4)(4) fictionfiction (5)(5) informatifsinformatifs (6)(6)

8

..

Textes écritsTextes écrits

– Ecrits pour être dits Ecrits pour être dits (18)(18)

discussionsdiscussions (6)(6) pièces de théâtrepièces de théâtre (4)(4) informationsinformations (3)(3) discoursdiscours (3)(3) histoireshistoires (2)(2)

9

..

Retranscriptions d’anglais parléRetranscriptions d’anglais parlé (100) (100)

– MonologuesMonologues (24) (24)

SpontanésSpontanés (18)(18) discoursdiscours (10)(10) commentaires sportifscommentaires sportifs (4)(4) commentaires (autres)commentaires (autres) (4)(4)

discours préparés mais non écrits (6)discours préparés mais non écrits (6)

10

..

Anglais parléAnglais parlé

– DialoguesDialogues (76)(76)

conversations en face-à-faceconversations en face-à-face (60)(60)– enregistrées à l ’insu des participantsenregistrées à l ’insu des participants (34)(34)– enregistrées ouvertementenregistrées ouvertement (26)(26)

conversations téléphoniquesconversations téléphoniques (16)(16)

11

Un corpus précurseurUn corpus précurseur

Fiches papier de 15X10 cm Fiches papier de 15X10 cm consultables à University College consultables à University College London:London:une fiche contient:une fiche contient:

une occurrenceune occurrence 17 lignes de texte17 lignes de texte exemplifie l ’un des 65 traits syntaxiques exemplifie l ’un des 65 traits syntaxiques

ou des 400 mots grammaticauxou des 400 mots grammaticaux traits prosodiques pour l’anglais parlétraits prosodiques pour l’anglais parlé

II. CORPUS SPECIALISESII. CORPUS SPECIALISES

..

13

II. Types de corpusII. Types de corpus

Critères de distinction des corpusCritères de distinction des corpus

– objectifsobjectifs– représentativitéreprésentativité– organisationorganisation– formatformat

14

ObjectifsObjectifs

étude de la grammaire analyse terminologique création et test d'un système de reconnaissance de la

parole (conversations téléphoniques) construction d'un dictionnaire d'une variante du

français recherche de néologismes apprentissage par un programme d'étiquetage

syntaxique (tagger) étude comparative pour la traduction automatique

15

ReprésentativitéReprésentativité

Englobe tous les domaines, toutes les situations etc... dans lesquels la langue est utilisée!

écrit/parlé genre, type, domaine situation de communication sexe, age, origine socio-culturelle variantes influences sur la langue fréquence

16

OrganisationOrganisation

textes complets/échantillons mono-, bi-, multilingues alignés statique / dynamique "tout-venant"

17

FormatFormat

texte brut ou "nu" (anglais: raw text or data)

texte annoté arboré écrit son images

18

Corpus générauxCorpus généraux

répondent à des questions sur la grammaire, le vocabulaire, les structures discursives du langage, etc.

doivent être représentatifs

19

Ex: Ex: If-clausesIf-clauses

If + Past + Conditional IIf + Past + Conditional I If + Pluperfect + Conditional IIIf + Pluperfect + Conditional II If + Present + Simple FutureIf + Present + Simple Future

=> If + Present + Present 1/3=> If + Present + Present 1/3If it If it travels travels through the air, it through the air, it is is called « virus »called « virus »

If she If she has has toast, she toast, she spreads spreads it with jamit with jam

=> If + Present + could, should=> If + Present + could, shouldIf you don’t know Glascow..., the ...words ...should have If you don’t know Glascow..., the ...words ...should have

you on the first trainyou on the first train

If history is any guide, the Bank of england could force ...If history is any guide, the Bank of england could force ...

20

Corpus généraux <=> Corpus généraux <=> équilibréséquilibrés

corpus équilibrés – SEU Corpus, Brown Corpus : premiers

corpus généraux: 1 million de mots

– BNC: seconde génération, mégacorpus: 100 millions de mots

corpus de référence

Collins-Cobuild, BNC,

21

Corpus spécialisésCorpus spécialisés

Compilés pour des objectifs spécifiques Taille et composition dépendent des objectifs Pas équilibrés => donnent une vision

déformée du langage en général. Avantage: textes sélectionnés de telle manière

que le phénomène à étudier survient beaucoup plus fréquemment que dans un corpus équilibré

pas nécessairement gigantesque (200 000 mots par exemple), mais précis

22

EX: anglais de EX: anglais de l ’informatiquel ’informatique

Syntaxe: comparatif d ’égalitéSyntaxe: comparatif d ’égalité

as Adj asas Adj asas well as as well as (1450), (1450), as long as as long as

(330),(330),as soon as as soon as (240), (240), as far as as far as (90),(90),as large as as large as (48), (48), as simple as as simple as (39)(39)

AcronymesAcronymesAFAIK CU ;-)AFAIK CU ;-)

23

..

Corpus d’entrainement – utilisés en TALN (Traitement Automatique

des Langues Naturelles) par exemple pour "apprendre" à un étiqueteur les différentes étiquettes syntaxiques existantes (Air Traffic Control, TRAINS Spoken Dialogue Corpus )

Corpus de test – utilisés pour tester les sytèmes de TALN

24

..

Corpus régionaux, de dialectes, non standard – étude de variantes d'une langue, cf.

les variantes du français étude de la langue d'une certaine catégorie de population (SUISTEXT, BELTEXT, QUEBETEXT )

25

Variantes du françaisVariantes du français

Sam envoie Luc aux pelottesSam envoie Luc aux pelottes(F)(F)

Sam envoie Luc à la moutardeSam envoie Luc à la moutarde (B)(B) Sam envoie Luc au balaiSam envoie Luc au balai (Q)(Q) Sam envoie Luc aux pivesSam envoie Luc aux pives (S)(S) Sam envoie Luc au diableSam envoie Luc au diable (BFQS) (BFQS)

26

..

Corpus historiques– permettent les études diachroniques sur

l'évolution de la langue, rechercher des expressions vieillies en français standard, alors qu'elles sont utilisées dans des variantes exemple: le québécois "magané" = français "cassé"; le suisse "bouter le feu" = français "mettre le feu" (HELSINKY, LAMPETER -Old English Corpus )

27

..

Corpus d’apprenants – contiennent des productions écrites

et/ou orales faites par des apprenants d'une langue seconde servent à décrire l'interlangue et donc les difficultés des apprenants servent aussi à élaborer une typologie des erreurs pour l'utilisation dans un système de vérification grammaticale

28

..

Corpus écrit, oral, de parole – corpus de parole ou parlés = son

corpus oral = retranscription de productions orales (LDC, London-Lund Corpus)

29

Corpus échantillonné

contiennent un ensemble fini de textes que l'on ne modifie plus par la suite

composés d'échantillons de textes ou de textes complets

30

Corpus annotésCorpus annotés

les mots sont étiquetés les étiquettes peuvent fournir des

informations de divers ordres: catégories syntaxiques, lemmes (forme canonique du mot fléchi), âge et sexe du locuteur, niveau d'études, etc...

31

Corpus arborésCorpus arborés

corpus parsés, contiennent des informations sur la structure de la phrase (Penn Treebank, SUZANNE)

32

Corpus concordancésCorpus concordancés

ensemble de concordances sur un corpus

Brown Corpus, London-Oslo-Bergen, London-Lund Corpus

33

Corpus dynamiquesCorpus dynamiques

Corpus statique vs dynamique (moniteur)

corpus statique = ensemble fini de textes

corpus dynamique = corpus en expansion continue, reflétant et suivant l'évolution de la langue en temps réel (= corpus moniteur)

COBUILD => Bank of English

34

Corpus comparablesCorpus comparables

ensemble de corpus ayant été compilés selon les mêmes critères, mais dans des variantes différentes d'une même langue

ensemble de corpus ayant été compilés selon les mêmes critères dans des langues différentes et en tenant compte des différences culturelles

35

..

ces corpus sont indispensable pour l'élaboration de dictionnaires bi- ou multilingues. (ELRA) Sur le modèle du Brown Corpus of American English: LOB (échantillon du London-Oslo- Bergen of British English), Kholapur Corpus of Indian English (échantillon), Wellington corpus of New Zealand English, Australian Corpus of English ICE

36

Corpus parallèlesCorpus parallèles

couples de corpus dans des langues différentes et dont l'un est la traduction de l'autre

-HANSARD, -WALL -Regeringsforklarungen corpus parallèles de l'OMS -Slovene-English Parallel Corpus

37

Corpus saturésCorpus saturés

corpus dans lequel le taux de croissance du vocabulaire arrête de décroître et se stabilise; le point de saturation est atteint lorsqu'il y a environ 8 nouveaux mot tous les 10000 mots additionnels.

38

Corpus opportunisteCorpus opportuniste

Archive

ensemble de textes réunis sans critères précis

Oxford text Archive

Projet Gutenberg

39

InterfaceInterface

40

exempleexemple Erreurs TR-DI: contre-sens (distorsion)Erreurs TR-DI: contre-sens (distorsion)[Il a droit aux]la-st-aw mêmes bénéfices sociaux et aux mêmes [Il a droit aux]la-st-aw mêmes bénéfices sociaux et aux mêmes

[[réductions]tr-diréductions]tr-di fiscales que les travailleurs nationaux . fiscales que les travailleurs nationaux . He is entitled to the same social and He is entitled to the same social and tax benefitstax benefits as national as national

workers workers Il y bénéficie des mêmes Il y bénéficie des mêmes avantages sociaux et fiscauxavantages sociaux et fiscaux que les que les

travailleurs nationaux. travailleurs nationaux. Erreurs LA-TL-IN: erreur de langue, le terme Erreurs LA-TL-IN: erreur de langue, le terme

est incorrect dans la langue cibleest incorrect dans la langue cibleThe examination may be carried out either by one of the The examination may be carried out either by one of the

organisation's organisation's medical officers medical officers or by a medical practitioner or by a medical practitioner chosen by the person concerned. chosen by the person concerned.

L' examen peut être effectué soit par un [L' examen peut être effectué soit par un [agent médical]la-tl-in agent médical]la-tl-in de l' organisation , soit par un médecin généraliste choisi par de l' organisation , soit par un médecin généraliste choisi par la personne concernée la personne concernée

Cet examen peut être effectué, soit auprès de l'un des Cet examen peut être effectué, soit auprès de l'un des médecins-conseil médecins-conseil de l'Institution, soit auprès d'un médecin de l'Institution, soit auprès d'un médecin au choix de l'intéressé(e).au choix de l'intéressé(e).

41

Légal: contresensLégal: contresensEnEn He may be excluded from the management of bodies under He may be excluded from the management of bodies under

public law and from the exercise of an office public law and from the exercise of an office under public lawunder public law. . FrFr[Il]la-hy-pu peut être exclu de la gestion d' [organismes]tr-om et [Il]la-hy-pu peut être exclu de la gestion d' [organismes]tr-om et

[être démis de ses fonctions [[être démis de ses fonctions [au nom du droit public]tr-diau nom du droit public]tr-di..REFREF fr il peut être exclu de la participation à la gestion fr il peut être exclu de la participation à la gestion

d'organismes de droit public et de l'exercice d'une fonction d'organismes de droit public et de l'exercice d'une fonction de de droit publicdroit public. .

EnEn Any national of a Member State is entitled to take up and Any national of a Member State is entitled to take up and engage in gainful employment on the territory of another engage in gainful employment on the territory of another Member State in conformity with the relevant regulations Member State in conformity with the relevant regulations applicable to applicable to nationalnational workers. workers.

FrFr Tout [citoyen]la-tl-in d' un État membre a le droit d' exercer et Tout [citoyen]la-tl-in d' un État membre a le droit d' exercer et de [conserver]tr-di un [emploi rémunéré]la-tl-ig sur le territoire de [conserver]tr-di un [emploi rémunéré]la-tl-ig sur le territoire d' un autre État membre conformément [aux d' un autre État membre conformément [aux [règlementations]la-ia-nu ]la-hy-ac en vigueur s' appliquant aux [règlementations]la-ia-nu ]la-hy-ac en vigueur s' appliquant aux travailleurs [[travailleurs [[locaux]tr-dilocaux]tr-di ]la-tl-in ]la-tl-in

REFREF frTout ressortissant d'un État membre a le droit d'accéder à frTout ressortissant d'un État membre a le droit d'accéder à une activité salariée et de l'exercer sur le territoire d'un autre une activité salariée et de l'exercer sur le territoire d'un autre État membre, conformément à la réglementation nationale État membre, conformément à la réglementation nationale pertinente applicable aux travailleurs pertinente applicable aux travailleurs nationauxnationaux. .

42

JournalistiqueJournalistiqueEnEn the middle classes have been hard hit; and more than a third of the middle classes have been hard hit; and more than a third of

the country's active population is either unemployed or the country's active population is either unemployed or under-under-employedemployed..

FrFr les classes moyennes ont été terriblement touchées et plus d' un les classes moyennes ont été terriblement touchées et plus d' un tiers de la population active du pays est soit au chômage , soit tiers de la population active du pays est soit au chômage , soit [[[[mal-payée]tr-dimal-payée]tr-di ]la-st-aw ]la-ia-nu ]la-st-aw ]la-ia-nu

REFREF Fr la classe moyenne a été laminée, plus de la moitié des 37 Fr la classe moyenne a été laminée, plus de la moitié des 37 millions d'habitants vivent maintenant dans la pauvreté, et plus millions d'habitants vivent maintenant dans la pauvreté, et plus du tiers de la population active est sans travail ou du tiers de la population active est sans travail ou sous-sous-employéeemployée. .

EnEn The application of the The application of the free market modelfree market model has translated has translated intointo a continuous structural adjustment process, and in all the a continuous structural adjustment process, and in all the countries concerned its social consequences have been countries concerned its social consequences have been disastrous. disastrous.

FrFr L' application du [[ L' application du [[modèle économique fondé sur le libre modèle économique fondé sur le libre marché]tr-dimarché]tr-di ]la-tl-in [[ ]la-tl-in [[a entraîné]tr-dia entraîné]tr-di ]la-tl-in des ]la-tl-in des ajustements structurels continuels , [et dans]la-st-aw tous les ajustements structurels continuels , [et dans]la-st-aw tous les pays concernés , les conséquences sociales de ces changements pays concernés , les conséquences sociales de ces changements furent désastreuses .furent désastreuses .

REFREF Fr L'application du Fr L'application du modèle libéralmodèle libéral s'est traduite pars'est traduite par une une sorte d'ajustement structurel permanent qui a entraîné, partout, sorte d'ajustement structurel permanent qui a entraîné, partout, des conséquences sociales désastreuses et se solde par un des conséquences sociales désastreuses et se solde par un échec retentissant. échec retentissant.

43

TechniqueTechniqueEnEn system must make it easy to attach extension work surfaces system must make it easy to attach extension work surfaces

(horizontal extension) and a structure supporting the (horizontal extension) and a structure supporting the superstructure (vertical extension); it shall also allow superstructure (vertical extension); it shall also allow computer peripherals to be attached on/under the work computer peripherals to be attached on/under the work surfaces or laterally, to the cantilever legs,surfaces or laterally, to the cantilever legs,

FrFr le système doit rendre simple (TR-SI-TL: trop littéral) TR-OM le système doit rendre simple (TR-SI-TL: trop littéral) TR-OM (omission)l’ajout(omission)l’ajout (LA-TL-IN) aux surfaces de travail (LA-TL-NT: (LA-TL-IN) aux surfaces de travail (LA-TL-NT: terme traduit par non terme) d’une rallonge, horizontale d’une terme traduit par non terme) d’une rallonge, horizontale d’une part, et verticale d’autre part (structure supportant part, et verticale d’autre part (structure supportant la la structure dans son ensemble structure dans son ensemble (TR-DI)) ; il doit également (TR-DI)) ; il doit également permettre le rattachementpermettre le rattachement (LA-TL-IT: incohérence avec le TC) (LA-TL-IT: incohérence avec le TC) de périphériques(TR-OM) aux pieds en porte-à-faux(LA-TL-NT), de périphériques(TR-OM) aux pieds en porte-à-faux(LA-TL-NT), que ce soit par le dessus, le dessous ou même sur le côté,que ce soit par le dessus, le dessous ou même sur le côté,

Ref frRef fr le système permet la fixation aisée de plateaux annexes le système permet la fixation aisée de plateaux annexes (extension horizontale) et d’une structure supportant les (extension horizontale) et d’une structure supportant les éléments du 3e niveau (extension verticale). Il permet aussi la éléments du 3e niveau (extension verticale). Il permet aussi la fixation de périphériques informatiques sur/sous les plateaux fixation de périphériques informatiques sur/sous les plateaux ou latéralement aux piétements,ou latéralement aux piétements,

44

AdministratifAdministratifEn En If Officials and other servants wishing to be examined by one of the If Officials and other servants wishing to be examined by one of the

organisation's medical officersorganisation's medical officers should should applyapply to either of the medical to either of the medical offices. offices.

Fr1Fr1Les fonctionnaires et autres [employés]la-tl-it souhaitant être examinés Les fonctionnaires et autres [employés]la-tl-it souhaitant être examinés par un par un [médecin d' entreprise]tr-di[médecin d' entreprise]tr-di peuvent s' adresser à l' un des peuvent s' adresser à l' un des cabinets médicaux . cabinets médicaux .

Fr2Fr2Tout agent de la fonction publique désirant se faire examiner par l' un des Tout agent de la fonction publique désirant se faire examiner par l' un des [[médecins de travail]la-tl-inmédecins de travail]la-tl-in agréés [devra]la-ia-ta agréés [devra]la-ia-ta [en notifier]tr-di[en notifier]tr-di l' l' un des [services]la-tl-in médicaux . un des [services]la-tl-in médicaux .

Ref frRef frLes fonctionnaires et agents désireux de passer la visite médicale Les fonctionnaires et agents désireux de passer la visite médicale auprès de l'un des auprès de l'un des médecins-conseilmédecins-conseil peuvent peuvent s'adressers'adresser à l'un des à l'un des cabinets médicaux. cabinets médicaux.

EnEnThe examination may be carried out either by one of the organisation's The examination may be carried out either by one of the organisation's medical officers or by a medical practitioner chosen medical officers or by a medical practitioner chosen by the person by the person concerned.concerned.

Fr[Votre]tr-diFr[Votre]tr-di médecin traitant ou un [médecin de travail]la-tl-in agréé par médecin traitant ou un [médecin de travail]la-tl-in agréé par l'administration [[mènera]la-ia-ta ]la-tl-in ces [examens médicaux]la-tl-fc . l'administration [[mènera]la-ia-ta ]la-tl-in ces [examens médicaux]la-tl-fc .

Ref fr Ref fr Cet examen peut être effectué, soit auprès de l'un des médecins-Cet examen peut être effectué, soit auprès de l'un des médecins-conseil de l'Institution, soit auprès d'un médecin au choix conseil de l'Institution, soit auprès d'un médecin au choix de de l'intéressé(e).l'intéressé(e).