Search

The constitution of an oral corpus of Tunisian Arabic for the analysis of the expressions of future raised several problems : datacollection, transcription and annotation. After presenting the theoretical and methodological stakes for each step of the process,we will show how our corpus can be used as a resource for the creation of a morphosyntactic tagger of transliterated TunisianArabic. Giving access to such corpora and tools will facilitate the research on a poorly documented language and will opennew perspectives of language processing., La constitution d'un corpus oral d'arabe tunisien pour l'analyse des expressions du futur a soulevé plusieurs problématiques : collecte des données, transcription et annotation. Après avoir exposé les enjeux théoriques et méthodologiques de chaque phase de traitement nous montrerons en quoi notre corpus servira de ressource pour la création d'un étiqueteur morphosyntaxique de l'arabe tunisien translittéré. Disposer et rendre accessible de tels corpus et outil faciliteront les recherches sur cette langue peu dotée et ouvriront de nouvelles perspectives de traitement.

International audience

We present the development of a language resource for Kriol, a Portuguese-based Creole spoken in Guinea-Bissau, consisting of 25 hours of transcribed, glossed and translated recordings. In this article,we lay out the sociolinguistic context of Kriol (§2) and offer a description of the method chosen for the processing of the data (§3)., Nous présentons la constitution d'une ressource sur le kriol, langue créole à base lexicale portugaise, parlée en Guinée-Bissau. Il s'agit dans un premier temps de la mise à disposition de 25 heures d'enregistrements transcrits, glosés et traduits. Cet article propose une présentation des enjeux (§2) ainsi qu'une description de la méthode choisie pour le traitement des données (§3)., Este artigo apresenta a criação de um recurso linguístico para o Kriol, um crioulo de base lexical portuguesa falado na Guiné-Bissau. Trata-se de um recurso constituído por 25 horas de gravações transcritas, glosadas e traduzidas. Começamos por apresentar o contexto sociolinguístico do Kriol (§2) para depois oferecer uma descrição do método escolhido para o processamento dos dados (§3).

To answer the increasing trend of corpora sharing and data format heterogeneity, we present a method for converting spoken language corpora to several tool formats in order to facilitate linguistic analysis. For this research, we take as an example the ESLO corpus for several reasons: its open-source licence, its standard format used for its construction, its size, and its sociolinguistic and micro-diacronic characteristics. Our study is based on a compilation of the ESLO corpus in order to make it compatible with the textometric tool TXM. We operate a set of operations to use all the possibilities the tool offers. Finally, we present a fine-grained and multidimensional analysis of the interrogatives utterances used in the ESLO corpus., Pour répondre aux problématiques engendrées par la diffusion de plus en plus massive des corpus linguistiques et à l'hétérogénéité de leurs formats, nous proposons une méthode permettant de prendre en main des corpus langagiers oraux et de les convertir dans un format permettant leur exploitation outillée. Pour cette recherche, le corpus ESLO nous sert d'exemple par sa licence de diffusion, son format, son volume et ses atouts sociolinguistiques et diachroniques. Notre travail se fonde sur la compilation de ce corpus pour le rendre compatible avec l'outil de textométrie TXM. Nous opérons un ensemble de transformations des données pour l'utiliser au mieux. Enfin, pour illustrer les apports de ces avancées méthodologiques, nous proposons une analyse fine et multidimensionnelle de l'usage des interrogatives dans le corpus ESLO.

Présentation d'une étude de 96 omelettes extraites d'ESLO1 (1968-1970) d'un point de vue phonologique, morphosyntaxique, sociologique, pragmatique, sémantique et diachronique