La lexicographie s'occupe à recenser des mots et des expressions d'une langue déterminée. Les entrées lexicales du corpus lexical sont considérées sous leur forme et/ou leur signifiant.

Le développement de ressources et outils lexicographiques joue un rôle important dans la création et l'amélioration d'outils TIL.

L'utilisation de corpus en lexicographie

La constitution de corpus linguistiques écrits ou oraux et la mise au point d'outils d'analyse de ceux-ci ouvrent de nouvelles perspectives au lexicographe. "Cette quantité d'informations mises à sa disposition lui permet d'augmenter l'objectivité de ses observations." (Sinclair)

Le lexicographe effectue une analyse linguistique et/ou statistique de ses sources (textes, corpus écrits ou oraux) appartenant à divers domaines (sociologique, littéraire, journalistique, etc.). Il peut ainsi produire

De ce fait, le corpus lexical basé sur des corpus de référence y gagne en objectivité, en exhaustivité et en qualité.

Pouvoir élaborer automatiquement ou semi-automatiquement des entrées de dictionnaires sur base de corpus annotés (utilisés comme corpus de réfécences) permettrait une augmentation du nombre de dictionnaires, et principalement les dictionnaires spécialisés. Le coût de ceux-ci étant un frein à leur élaboration. [a]

Ressources lexicographiques

dictionnaire bilingue

Lexique

Un lexique électronique donne les informations linguistiques nécessaires au fonctionnement des systèmes de traitement automatique de la langue. Les ensembles de ces informations constituent les entrées lexicales du lexique. Associées à des règles, elles permettent aux systèmes TIL d'identifier les mots et de les associer à des données pertinentes pour le traitement informatique des langues.

Les lexiques MULTEXT se présentent sous la forme de tableaux en 3 colonnes séparées par une tabulation : la première colonne contient la forme du mot, la deuxième colonne contient le lemme et la troisième colonne contient l'information morpho-syntaxique associée à la forme. Cette information est conforme aux spécifications du projet MULTEXT/EAGLES.[+]

Types d' informations du lexique

1. Les informations lexicales [/]

les informations intralexicales de type morphologique, syntaxique, phonétique, sémantique, pragmatique
les informations interlexicales concernent les liens entre les entrées lexicales. On y retrouve des informations morphologiques (flexion, lemme, ...) ou relatives aux synonymes, antonymes, abréviations, collocations, etc. du mot.

2. La relation entre mot et information

En raison de l'ambiguïté des langues, un mot peut avoir plusieurs analyses morphologiques, sémantiques, ....On organise ce lien mot/information(s)

soit en considérant que chaque ambiguïté = une entrée lexicale
soit en tenant compte des régularités linguistiques : un mot donne automatiquement les autres formes morphologiques ou les autres sens.

3. Les régularités lexicales

Les régularités linguistiques rencontrées dans l'usage d'une langue permettent des généralisations au niveau de l'utilisation de la langue.

Si un locuteur français ne connaît pas le pluriel de bocal mais qu'il sait que cheval devient chevaux, il pourra en déduire bocaux. Si la compréhension d'un mot lui échappe, il s'aide du contexte de la phrase pour comprendre ce terme.

Le lexique prend aussi en compte les régularités linguistiques. La représentation des régularités morphologiques et sémantico-syntaxiques évite la lourdeur, et les redondances, et confère une cohérence au lexique.

outils lexicographiques

Lemmatiseur

Ce programme permet de passer d'un mot portant des marques de flexion (le pluriel, la forme conjuguée d'un verbe) à sa forme de référence (lemme ou forme canonique). Grâce à cette forme de base l'ordinateur peut opérer une reconnaissance morphologique des mots d'un texte.

lemmatisation de "belle"[$]

solution 1

`forme canonique`	`beau`
`catégorie syntaxique`	`nom`
`genre`	`féminin`
`nombre`	`singulier`

solution 2

`forme canonique`	`belle`
`catégorie syntaxique`	`adjectif`
`sous catégorie syntaxique`	`aucune`
`genre`	`féminin`
`nombre`	`singulier`

solution 3

`forme canonique`	`belle`
`catégorie`	`nom`
`genre`	`féminin`
`nombre`	`singulier`

Les programmes informatiques d'analyse de texte, d'indexation, de création de concordances, etc.. nécessite généralement l'utilisation d'un programme

outils lexicographiques

Programmes lexicométriques

Les résultats obtenus par l'analyse documentaire (recherche des contextes, d'occurrences, ...) sont interprétés de manière statistique. Voici quelques fonctions statistiques

le dictionnaire des fréquences, alphabétique et hiérarchique
les coefficients de corrélation
le tableau de distribution des fréquences
la mesure de la richesse lexicale, de l'accroissement du vocabulaire et de la proportion des hapax (mots employés une seule fois)
La corrélation chronologique : création d'une liste des mots qu'un auteur emploie de plus en plus et d'une liste de ceux qu'il abandonne progressivement.
La distance (ou connexion) lexicale se préoccupe de la présence - ou de l'absence - d'un mot dans deux textes dont on cherche à apprécier la connexion (textes "rapprochés" ou "éloignés").
indice de lisibilité

Base textuelle Batelier : le logiciel HYPERBASE compare l'emploi des mots ciel et azur chez Baudelaire, Rimbaud et Mallarmé. [<]

Sur internet, on trouve de plus en plus des corpus de textes munis d'outils lexicographiques informatisés.

Sur le site d'AgoraConcordances/ ITINERA ELECTRONICA Virgile, Aeneis VII : texte de base; liste du vocabulaire; index inverse; affichage des contextes; texte français.

Ce site est optimisé pour Netscape 6.0 ou pour Internet Explorer 4.0 ou ultérieur;
Et pour une résolution de 600/800 (Modifiez-la SI nécessaire).

Lexique : L (suite)