L'atelier TEI PD "light"

1
L'atelier TEI PD "light"
lt?xml version"1.0" encoding"UTF-8"?gt ltentry
xmlid"basse.1"gt ltformgt ltorthgtbasselt/orthgtlt
/formgt ltgramGrpgtltposgtadverbelt/posgt lt/gramGrp
gtltdefgtà faible hauteurlt/defgt ltdicteg
n"1"gt ltcitgtltqgtTa gamine est assise trop
ltoRef/gt, elle ne dépasse pas de la
table.lt/qgt ltbiblgt ltauthorgtBENOIT M, MICHEL
C.lt/authorgt lttitlegtLe Parler de Metz et du pays
messinlt/titlegtltimprintgt ltpubPlacegtMetzlt/pubPlacegt
ltpublishergtSerpenoiselt/publishergt ltdategt20
01lt/dategt

• Susanne Alt

Avec la participation de Jean-Luc Benoit, Eva
Buchi, Françoise Henry, Alain Litaize, Hélène
Manuélian, Etienne Petitjean, Jean-Loup
Ringenbach, Laurent Romary, Isabelle Turcan,
Gilles Souvay, Nadine Steinfeld
2
La TEI Print Dictionaries light

• un sous-ensemble TEI-PD
• Base commune aux projets dictionnairiques de
  l'ATILF
• Quels éléments, quels attributs, quelles
  contraintes ?
• choix linguistiquement justifiés (puis
  documentés)
• perspective "bases lexicales "
• interconnexions, recherches plausibles et
  satisfaisantes, présentations
• souple et extensible (TEI-PD, extensions ODD)
• une hypothèse à évaluer
• Le Larousse (Métadif, H. Manuélian)
• Le Dictionnaire du Moyen Français (ATILF, G.
  Souvay)
• Le Trésor de la Langue Française Etymologie
  (ATILF, N. Steinfeld), FEW ...
• Le Dictionnaire des Particules (ATILF, R.
  Métrich)
• Le Trévoux (ATILF, I. Turcan, J.-L. Benoît)
• des chantiers à identifier
• pointeurs, étymologie, biblio, ... gt ODD

3
"La TEI est née pour les textes..."

• C'est un document TEI, donc
• TEI, teiHeader, text, body, dates, pointeurs,
  refs biblio
• Chapitre PD
• macro-structure ("hierarchical levels")
• ltentrygt, ltentryFreegt, ltsuperEntrygt, ltsensegt,
  lthomgt, ltregt, ltxrgt, ltdictScrapgt
• micro-structure ("top level constituents")
• ltformgt, ltgramGrpgt, ltdefgt, ltusggt, ltxrgt, ltetymgt,
  ltnotegt

"Any of the hierarchical levels (ltentrygt,
ltentryFreegt,lthomgt, ltsensegt) may contain any of
these top-level constituents, since information
about word form, particular grammatical
information, special pronunciation, usage
information, etc., may apply to an entire entry,
or to only one homograph, or only to a particular
sense."
4
Premier constat

• La TEI est trop permissive, on peut tout faire !
• faux (pour la sémantique des balises)
• vrai (en partie, pour la structure)

• FERME (TLFi)
• adj., avd., interj. ("non négociable")
• subst. fem. ("exploitation agricole")
• subst. fem. ("assemblage de pièces")
• gt Combien d'articles, d'entrées, d'homonymes, de
  polysèmes, de sens ?

5
Premier constat
ltentrygt lthom n"1"gt ltsense n"1"gt ...
lt/sensegt lt/homgt lthom n"2"gt
ltsense n"1"gt lt/homgt lthom n"3"gt
ltsense n"1"gt... lt/sensegt lt/homgt lt/entrygt
ltsuperEntrygt ltentrygt ltsensegt ...
lt/sensegt lt/entrygt ltentrygt ltsense gt ...
lt/sensegt lt/entrygt ltentrygt ltsense gt ...
lt/sensegt lt/entrygt ltsuperEntrygt
ltentrygt ltsensegt ... lt/sensegt lt/entrygt ltentr
ygt ltsense gt ... lt/sensegt ltsense gt ...
lt/sensegt lt/entrygt
ltentrygt lthom n"1"gt ltsense n"1"gt ...
lt/sensegt lt/homgt lthom n"2"gt
ltsense n"1"gt... lt/sensegt ltsense n"2"gt...
lt/sensegt lt/homgt lt/entrygt
ltentrygt ltsensegt ... lt/sensegt lt/entrygt ltentr
ygt ltsense gt ... lt/sensegt lt/entrygt ltentrygt
ltsense gt ... lt/sensegt lt/entrygt
6
Deuxième constat (Ide, Romary, Kilgarriff, 2000)

• L'absence de contraintes sur l'agencement des
  balises mène à des ambiguïtés d'interprétation !

ltentrygt ltbalise_1gtvaleur_0lt/balise_1gt
ltbalise_1gtvaleur_1lt/balise_1gt ltbalise_2gt
ltbalise_1gtvaleur_2lt/balise_1gt lt/balise_2gt
lt/entrygt

• en largeur concaténation, surspécification,
  "overwriting" ?
• en profondeur héritage ou non ?
• exemple FERME 2
• marques d'usages (financier, juridique, jeux,
  agriculture)
• catégories grammaticales (substantif, loc.
  adverbiale)

7
Tout est choix éditorial...

• Numérisation archivage vue typographique
• Reproduction fidèle d'un dictionnaire source
• Recherches et renvois dépendent des données
  originales
• TLF PINERAIE
• TLF FRAISEUR/-EUSE
• Trévoux NACELLE
• Base de données lexicales vue lexicale
• Réorganisation éventuelle des données originales
• Scénarios de recherche dépendent de la
  réorganisation
• Besoin de critères fondés et opérationnels
• Couverture non exhaustive (mais possibilité
  d'extension)

8
Tentative de l'atelier vue lexicale

• Proposition d'une TEI "dictionnaire" light
• sémasiologique, minimale, simple, plus contrainte
• Macro-structure
• ltentrygt ltentryFreegt ltsuperEntrygt ltsensegt lthomgt
  ltregt ltxrgt
• Micro-structure
• ltentrygt ltformgt ltsensegt ltetymgt
• unicité de forme (graphique, phonétique) et de
  catégorie grammaticale
• deux entrées, si deux formes (CLE, CLEF)
• deux entrées, si deux categories différentes
  (FERME adv, adj)
• 0 à n sens
• critères linguistiques pour la décision
  homonymie/polysémie (FERME1, FERME2)
• 0 à 1 bloc d'infos étymologiques (origine)

9
Tentative de l'atelier vue lexicale

• ltformgt
• vue extensionnelle (liste de formes)
• prononciation ltprongt, graphie ltorthgt
• syllabification, accentuation, séparation
  graphique
• ltgramgt, ltgengt, ltnumbergt, ltcasegt, lttnsgt, ltpergt,
  ltmoodgt
• représentant du paradigme ("lemme")
• propriétés formelles du lemmes ltorthgt, ltprongt
• catégorie grammaticale ltposgt, ltgengt
• règles flexionnelles ltitypegt
• et le ltgramGrpgt ?
• propriétés flexionnelles ltgengt, ltcasegt, lttnsgt,
  ltpergt, ltmoodgt, ...
• propriétés syntaxiques, sémantiques ltsubcgt,
  ltcollocgt
• catégorie grammaticale (abstraction form/sens )
  ltposgt

Repenser son utilisation ?
10
Tentative de l'atelier vue lexicale

• ltsensegt
• définition textuelle ltdefgt
• un ltsensegt gt 0 ou 1 ltdefgt
• exemple(s) ltdicteggt
• un ltsensegt gt 0 à n exemples
• traductions lttransgt et lttrgt
• un ltsensegt gt 0 à n traductions

Au fait, n'est-ce pas simplement un ltformgt ?
ltentry n"1"gt ltformgt
ltorthgtdresserlt/orthgt lt/formgt ltsensegt
lttransgtlttrgthabilleurlt/trgtltgengtmlt/gengtlt/tra
nsgt lt/sensegt lt/entrygt
11
Documentation des exemples
ltdicteggtltqgtTa gamine est assise trop ltoRef/gt,
elle ne dépasse pas de la table.lt/qgtlt/dicteggt
ltdicteggtltcitgt ltqgtTa gamine est assise trop
ltoRef/gt, elle ne dépasse pas de la
table.lt/qgt ltbiblgtBenoit M., Michel C., Le Parler
de Metz...lt/biblgt lt/citgtlt/dicteggt
ltdicteggt ltcitgt ltqgtTa gamine est assise trop
ltoRef/gt, elle ne dépasse pas de la
table.lt/qgt ltbiblStructgt ltauthorgtBENOIT M,
MICHEL C.lt/authorgt lttitlegtLe Parler de Metz et
du pays messinlt/titlegt ltimprintgt ltpubPlacegtMe
tzlt/pubPlacegt ltpublishergtSerpenoiselt/publishergt
ltdategt2001lt/dategt ltbiblScopegtp.
38lt/biblScopegt lt/imprintgt lt/biblStructgt lt/citgt
lt/dicteggt
12
Tentative de l'atelier vue lexicale

• ltetymgt
• actuellement texte ponctuellement balisé
• langue ltlanggt, date ltdategt, etymon ltmentionedgt,
  glose ltglossgt,
• problèmes pas de lien entre les balises

abismo m. (del gr. a priv. y byssos, fondo).
ltentrygt ltformgtltorthgtabismolt/orthgtlt/formgt
ltetymgt del ltlanggtgr.lt/langgtltmentionedgtalt/mention
edgt priv. y ltmentionedgtbyssoslt/mentionedgt,
ltglossgtfondolt/glossgt lt/etymgt lt/entrygt
13
Eléments transversaux

• Usage ltusggt et Label ltlblgt
• éléments "joker", mal définis et mal délimités
• ltusggt type geo, time, dom, reg, style, lang,
  gram, syn, hyper, obj, hint, ...
• ltlblgt "contains a label for a form, example,
  translation, or other piece of information, e.g.
  abbreviation for, contraction of, literally,
  approximately, synonyms, etc."
• éviter ... ou repenser la sémantique et spécifier
  points d'ancrage
• Pointeurs
• renvoi typé à un autre endroit (i.e. une autre
  entrée ?)
• ltxr type"..."gt ltptr target"xml pointer"/gt
  lt/xrgt
• repenser les typages (synonymes, variantes
  orthographiques, étymologie)
• référence au lemme ltoRefgt ltoVargt
• Note ltnotegt (?)

14
Les deux versions FERME2

• TEI PD P5 "classique"
• DTD tei_pd_p5.dtd
• Données ferme2_TEI_PD_P5.xml
• TEI PD P5 "light" extension ODD etymologie
• DTD tei_pd_p5_light.dtd
• Données ferme2_TEI_PD_P5_light.xml

15
Réflexions FERME 2 light
Sens "conteneur" quelle justification ? quelle
relation avec B ?
ltentrygt  ltformgtltorthgtfermelt/orthgtltposgtsubstant
iflt/posgtltgengtfémininlt/gengtltitypegtnoun_1lt/itypegtlt/f
ormgt ltsense n"A"gtltusg type"dom"gtjuridiquelt/usggt
ltusg type"dom"gtfinancierlt/usggt ltsense
n"1"/gt ltsense n"2"gt ltusg
type"dom"gtagriculturelt/usggt ltdefgtConvention
par laquelle le propriétaire d'un bien foncier,
notamment d'une exploitation agricole, en
abandonne la jouissance à un tiers pour un
temps et un prix fixés.lt/defgt lt/sensegt lt/sensegt
ltsense n"B"gt ltsense n"1"gt ltdefgtExploitati
on agricole qui a fait l'objet d'un bail à ferme
p. ext. toute exploitation agricolelt/defgt ltusg
type"colloc"gtferme écolelt/usggtltusg
type"colloc"gtferme modèlelt/usggt ltdicteggt lt
citgt ltqgtQuelques jours après, mon père alla
chasser sur la ltoRef/gt de Serrières
lt/qgt ltbiblgtGYP, Souv. pte fille, 1928, p.
15)lt/biblgt lt/citgt lt/dicteggt lt/sensegt lts
ense n"2"/gt lt/sensegt ltetymgt ltetymongt ltform
gtltorth xmllang"latin médiéval"gtfirmalt/orthgtltposgt
substantiflt/posgtlt/formgt ltsensegtbail à
fermelt/sensegt lt/etymongt lt/etymgt lt/entrygt
Usage de ltusggt ? Combinatoire ?
"par métonymie de A2" étymologie-histoire !
Utiliser les ltcollocgt du gramGrp ?
"en partic." ???
documentation par ltbiblgt prévue !
16
Le but du jeu...

• Choisir un échantillon de dictionnaire
• former des groupes rapporteur responsable XML
  linguiste
• Charger l'exemple FERME et les DTDs
• Essayer d'appliquer la version light aux données
• Identifier les questions et problèmes
• faire des propositions
• TEI "classique"
• extension personnalisée
• noter les observations dans un document texte
• Mise en commun et discussion