| SANDRA MILENA CASTELLANOS PAEZ | [P-L1.3] |
| \u00c0 l'issue, nous obtenons un corpus en format XML d'un volume de 4 838 937 segments dont en moyenne 18 mots par |
| segment (d'un total de 88 683 071 mots). | | |
| Verbe | Signification | Exemples |
| | Le hizo burla |
| Dar 5 Effectuer l'action indiqu\u00e9e par le nom. | Nos dimos un abrazo |
| | Tomar un ba\u00f1o |
| | Tomar una decisi\u00f3n. |
| 10 Recevoir ou acqu\u00e9rir ce que les noms qui accompagnent | Tomar fuerza |
| signifient. | | Tomar aliento |
| Echar 32 Suivi par certains noms, il indique de faire l'action qui est | Echarse una siesta. |
| signal\u00e9 par ceux-ci. | | |
| 34 Suivi par des noms ou des expressions indiquant peine ou | Le echaron 5 a\u00f1os de |
| sanction, il s'agit de condamner une personne \u00e0 celles-ci. | c\u00e1rcel. |
| 3 M\u00e9thodologie | | |
| 3.1 Constitution du corpus | | |
| L'extraction des expressions polylexicales demande le traitement des ressources de grande taille, notre choix a donc |
| ainsi \u00e9t\u00e9 port\u00e9 sur l'imposant corpus \u00e9manant d'un projet intitul\u00e9 \u00ab GrAF version of Spanish portions of Wikipedia |
| Corpus \u00bb (Boleda et Vivaldi, 2012). Cette ressource comporte un corpus en espagnol de 257 019 articles provenant de |
| Wikip\u00e9dia, qui contiennent environ 150,1 millions de mots au format texte brut. Lors du projet, les auteurs ont nettoy\u00e9 |
| cette derni\u00e8re par l'effacement des pages d'homonymie, la suppression de certaines \u00e9tiquettes XML et l'homog\u00e9n\u00e9isation |
| des \u00e9tiquettes de terminaison de listes. Ensuite, ils ont ajout\u00e9 du marquage structurel (t\u00eate, paragraphe, phrase, liste, |
| etc.) et de l'information morphosyntaxique. | | |
| 421 | |
"
},
"TABREF2": {
"type_str": "table",
"text": "Tout d'abord, l'outil re\u00e7oit comme entr\u00e9e un corpus pr\u00e9trait\u00e9 avec le format XML r\u00e9sultant du pr\u00e9traitement. Ensuite, il emploie une m\u00e9thodologie qui consiste en une phase d'extraction de candidats, suivie d'une phase de filtrage des candidats. Le syst\u00e8me extrait les candidats, en utilisant des patrons morphosyntaxiques sp\u00e9cifiques. Une fois la liste de candidats extraite, il est possible de la filtrer avec des crit\u00e8res simples de seuil, ou des crit\u00e8res plus complexes, tels que leurs mesures d'association. Nous avons trait\u00e9 le corpus dans une phase pr\u00e9c\u00e9dente (sans utiliser l'outil mwetoolkit) pour lui donner le format correct. La mise au point des patrons morphosyntaxiques, employ\u00e9s dans la phase d'extraction des candidats, correspond au r\u00e9sultat de la combinaison entre certains patrons existant dans la litt\u00e9rature (",
"html": null,
"num": null,
"content": "| De Miguel, |
| 2008 ; Monc\u00f3, 2013) et d'autres extraits \u00e0 partir de l'analyse d'un pourcentage du texte brut du corpus. La Figure 2 |
| montre un exemple qui permet d'extraire les candidats \u00e0 \u00eatre des CVS (ci-apr\u00e8s d\u00e9nomm\u00e9s \u00ab candidats CVS \u00bb) de la |
| forme \u00ab V: hacer \u00bb+ \u00ab DET : l'Art.Indef. \u00bb+ \u00ab NC \u00bb, comme par exemple hacer una pregunta, hacer una cita, hacer |
| una reserva, hacer una confesi\u00f3n, hacer una llamada, hacer una pausa, etc. |
"
},
"TABREF3": {
"type_str": "table",
"text": "pr\u00e9sente les 15 meilleurs candidats CVS du corpus, tri\u00e9es par mesure d'association. La premi\u00e8re colonne est d\u00e9di\u00e9e \u00e0 une mesure qui tient compte des candidats compos\u00e9s seulement de 2 mots et les colonnes suivantes tiennent compte des candidats compos\u00e9s de n mots (n > 2). \u00c0 travers ces trois mesures 5 , on peut constater la fr\u00e9quence \u00e9lev\u00e9e des verbes classifi\u00e9s, nomm\u00e9s ci-dessus. Bien que les deux derni\u00e8res colonnes contiennent les m\u00eames candidats, la combinaison avec les candidats extraits pour la mesure ll semble importante pour pouvoir amplifier la plage de couverture des candidats CVS. Finalement, on peut remarquer que la nominalisation de quelques candidats est aussi possible, par exemple, hacer referencia (faire une r\u00e9f\u00e9rence) peut \u00eatre remplac\u00e9 par referenciar (se r\u00e9f\u00e9rer), tomar parte (prendre part) par participar (participer), dar nombre (donner un nom) par nombrar (nommer), etc. Cette analyse nous permet de voir que l'extraction \u00e0 partir de corpus est une voie prometteuse pour la constitution d'un lexique \u00e9lectronique de CVS de l'espagnol. La validation manuelle des candidats CVS est actuellement en cours et pourra confirmer cette hypoth\u00e8se. Top-15 candidats CVS tri\u00e9s par leurs mesures d'association (Candidats positifs en gras).",
"html": null,
"num": null,
"content": "