Corpus parallèles et TXM

Décidément, les les participant∙e∙s de notre cours doctoral continuent à lancer des défis : l’un d’eux souhaite créer et explorer un corpus parallèle anglais – persan. Comment faire ?

Créer soi-même un corpus parallèle est possible à condition de disposer d’un corpus en une langue source et un corpus en une lange cible. Les deux doivent être segmentés en un nombre équivalent d’unités, en général des phrases ou des paragraphes.

Un autre système de gestion de corpus que TXM, appelé Sketch Engine, décrit dans son espace d’aide comment créer un corpus parallèle de façon basique en se servant d’un tableur comme Excel : Setting up parallel and multilingual corpora.

La première ligne du tableau doit contenir les noms des langues. Les autres lignes contiennent les éléments alignés (en général des phrases ou paragraphes).

 Extrait allemand – français de Heidi’s Lehr- und Wanderjahre (Johanna Spyri, 1881).
  Colonne A Colonne B
1 german french
2 Im Hause Sesemann spukt’s Il y a des revenants dans la maison Sesemann.
3 Seit einigen Tagen wanderte Fräulein Rottenmeier meistens schweigend und in sich gekehrt im Haus herum.  Depuis quelque temps déjà Mlle Rottenmeier allait et venait dans la maison, plus silencieuse que d’habitude et comme absorbée dans quelque grave préoccupation. 

 

 

 

Le texte doit être nettoyé de tout formatage venant d’autres logiciels, par exemple, en cliquant sur le menu “effacer les formats” dans Excel. Des chiffres en début de colonne, des tirets inhabituels, etc. peuvent également gêner le traitement des données du fichier. L’importation sur Sketch Engine se fera à l’aide de la commande “Upload TMX or XLS” [télécharger TXM ou XLS]. Après le traitement des données, les deux corpus peuvent être interrogés séparément ou dans l’un des deux sens de traduction.

Comment aligner du texte ?

LF Aligner (à télécharger)

Comment segmenter du texte en phrases ou paragraphes ?

L’excellente plateforme TaPor propose une multitude d’outils dont Tokenize – Plain text qui permet de segmenter du texte en phrases, paragraphes ou autres unités.

Corpus parallèles et TXM

Comment importer des corpus parallèles dans TXM et comment les explorer ? Je propose au participant qui a posé la question sur les corpus parallèles de s’adresser à la communauté des usagers de TXM (voir liens dans ce carnet) et de présenter ce qu’il aura appris sous forme de commentaire apposé à cet article.

Pour se documenter plus amplement

Olga Nádvorníková, « Pièges méthodologiques des corpus parallèles et comment les éviter », Corela [En ligne], HS-21 | 2017, mis en ligne le 20 février 2017, consulté le 18 octobre 2017. URL : http://corela.revues.org/4810 ; DOI : 10.4000/corela.4810


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.