Modélisation informatique de structures dynamiques de segments textuels pour l'analyse de corpus

Data-processing modeling of dynamic structures of textual segments for the analysis of corpus

• Auteur / Autrice : François Daoust
• Direction : Jean-Marie Viprey, Yves Marcoux
• Type : Thèse de doctorat
• Discipline(s) : Sciences du langage
• Date : Soutenance le 10/01/2011
• Etablissement(s) : Besançon
• Ecole(s) doctorale(s) : Ecole doctorale Langages, Espaces, Temps, Sociétés (Besançon ; 1991-2016)
• Partenaire(s) de recherche : Laboratoire : Edition, Langages, Littératures, Informatique, Arts, Didactiques, Discours (ELLIADD) (Besançon)
• Jury : Président / Présidente : Jules Duchastel
• Jury : Examinateurs / Examinatrices : Jean-Marie Viprey, Yves Marcoux, Lou Burnard, André Salem
• Jury : Rapporteurs / Rapporteuses : Lou Burnard, André Salem

Mots clés

Mots clés contrôlés

XML (langage de balisage)

Statistique linguistique

Analyse automatique (linguistique)

Analyse du discours -- Informatique

Linguistique -- Informatique

Mots clés libres

Analyse de texte assistée par ordinateur

Analyse de discours

Modèle SATO

Annotation structurelle

TEI

Textométrie

Computer Aided Text Analysis

Discourse analysis

SATO model

Structural annotation

TEI

Textometry

Résumé

L'objectif de la thèse est de proposer un modèle informatique pour représenter, construire et exploiterdes structures textuelles. Le modèle proposé s'appuie sur une représentation du texte sous la forme d'unplan lexique/occurrences augmenté de systèmes d'annotations lexicales et contextuelles, modèle dontune implantation a été réalisée dans le logiciel SATO dont on présente les fonctionnalités etl'organisation interne. La présentation d'un certain nombre de travaux rendent compte dudéveloppement et de l'utilisation du logiciel dans divers contextes.La prise en charge formelle des structures textuelles et discursives trouve un allié dans le langage debalisage XML et dans les propositions de la Text Encoding Initiative (TEI). Formellement, lesstructures construites sur les segments textuels correspondent à des graphes. Dans le contexte d'uneanalyse textuelle en élaboration, ces graphes sont multiples et partiellement déployés. La résolution deces graphes, au sens du rattachement des noeuds à des segments textuels ou à des noeuds d'autresgraphes, est un processus dynamique qui peut être soutenu par divers mécanismes informatiques. Desexemples tirés de la linguistique textuelle servent à illustrer les principes de l'annotation structurelle.Des considérations prospectives sur une implantation informatique d'un système de gestion del'annotation structurelle sont aussi exposées.

The objective of the thesis is to propose a data-processing model to represent, build and exploit textualstructures. The suggested model relies on a «type/token» form of text representation extended bysystems of lexical and contextual annotations. This model's establishment was carried out in the SATOsoftware -- of which the functionalities and the internal organization are presented. Reference to anumber of works give an account of the development and use of the software in various contexts.The formal assumption of the textual and discursive structures find an ally in the beaconing XMLlanguage and the proposals of the Text Encoding Initiative (TEI). Formally, the structures built on thetextual segments correspond to graphs. In a development driven textual analysis context, these graphsare multiple and partially deployed. Their resolution, within the fastening of the nodes to textualsegments or that of other graphs, is a dynamic process which can be sustained by various dataprocessingmechanisms. Examples drawn from textual linguistics are used to illustrate the principles ofstructural annotation. Prospective considerations for the data-processing establishment of amanagement system of the structural annotation are also exposed.