L’approche textométrique des corpus textuels

1. L’approche textométrique des corpus textuels André Salem Systèmes linguistiques, énonciation et discursivité (SYLED - EA 2290) Université de la Sorbonne nouvelle - Paris 3 André Salem Carcassonne - Août 2009

2. Analyses textuelles sur corpus Corpus Commentaires Interprétation Codage Analyses automatisées Réorganisations textuelles Corpus codé Résultats Analyses statistiques Autres André Salem Carcassonne - Août 2009

3. Ressources textuelles Méthodes directes Méthodes assistées Dictionnaires Ontologies Corpus codé Résultats Analyses automatisées André Salem Carcassonne - Août 2009

4. Déclaration des droits de l ’homme et du citoyen 26 août 1789 Les représentants du peuple français, constitués en Assemblée nationale, considérant que l'ignorance, l'oubli ou le mépris des droits de l'homme sont les seules causes des malheurs publics et de la corruption des gouvernements, ont résolu d'exposer, dans une déclaration solennelle, les droits naturels, inaliénables et sacrés de l'homme, afin que cette déclaration, constamment présente à tous les membres du corps social, leur rappelle sans cesse leurs droits et leurs devoirs ; afin que les actes du pouvoir législatif et ceux du pouvoir exécutif, pouvant être à chaque instant comparés avec ......... André Salem Carcassonne - Août 2009

5. « Synthèse » produite par CORDIAL Ce texte est assez court, ce qui rend délicate une analyse de contenu. Le domaine "anatomie" est le plus saillant du texte Le domaine "administration" est également un domaine d'importance. Le domaine "géométrie" est le troisième domaine saillant. Dans la thématique de ce texte, la collectivité, par opposition à l'univers et à l'humain, occupe une place capitale. D'une façon plus précise, l'analyse des thèmes généraux de ce texte indique une prédominance des thèmes suivants : "Le droit" et "La volonté". André Salem Carcassonne - Août 2009

6. Ce qu’on ne peut pas faire avec un ordinateur • le thème de la mise à mort dans le PèreDuchesne. faire jouer X à la main chaude (numéro 272) (faire) perdre le goût du pain (numéro 272) mettre la tête à la fenêtre (numéro 272) jouer à la boule (numéro 280) mettre la tête à la lunette (numéro 286) (faire) faire la bascule (numéro 303) faire la fatale culbute (numéro 304) voyager dans la charrette de Samson (numéro 294) faire le voyage dans la voiture aux trente-six portières (numéro 321) éternuer dans le sac (numéro 317) cracher dans le sac (numéro 341) avoir la tête dans le sac (numéro 304) faire la grimace au pont rouge (numéro 319) André Salem Carcassonne - Août 2009

7. Ce qu’on ne peut faire qu’avec un ordinateur • à cause de l’ampleur de la tâche • index • concordances • étiquetage • calculs statistiques • visualisations • à cause de la précision insuffisante de la lecture cursive • repérage des figements • repérage des altérations • etc. André Salem Carcassonne - Août 2009

8. Segments répétés • [Congrès CGT 1978] § L’avenir socialiste de la France • § le régime capitaliste fait apparaître de manière aiguë et massive ses tares et ses absurdités, son incapacité profonde /…/ • § Dès sa fondation, la CGT s’est assigné pour but de transformer la société capitaliste en mettant un terme à l’exploitation capitaliste /…/ • § Pour la CGT, le socialisme est indissociable de la liberté/…/ • /…/ • § Les réflexions exposées dans ce document constituent une base commune aux organisations de la CGT pour la poursuite de la réflexion et de la discussion tant avec les travailleurs qu’avec les forces intéressées à ce but et pour laquelle la CGT demeure disponible. André Salem Carcassonne - Août 2009

9. Distance entre textes <T=a1> aa abab bba ba ba abababr fdf av hh o o o hjhh oo oo bba ba ba abababr fdf av hh bba ba ba abababr fdf av hh o aa abab <T=a2> aa abab bba ba ba abababr fdf av hh o o o hjhh oo oo bba ba ba abababr fdf av hh bba ba ba abababr fdf av hh o o <T=a3> bab bba ba ba abababr fdf av fdf av hh bba ba ba fdf a1 a2 a3 …. an a1 a2 a3 an 0 .78 .35 .35 0 .35 .42 0 .56 .0 89 78 35 28 15 0 1 99 58 45 28 19 1 0 82 58 35 24 20 0 0 76 63 38 28 20 0 0 de la les et des yy zz a1 a2 a3 … an André Salem Carcassonne - Août 2009

10. Analyses typologiques (cas général) Classification automatique Analyse factorielle André Salem Carcassonne - Août 2009

11. Les unités de décompte Ngrammes (lib, ber, rté) Racines (liberté(s), libre, libérer) Lemme (liberté, libertés) Forme graphique (liberté) Segments (liberté de la presse) Coocurrences (liberté + égalité) André Salem Carcassonne - Août 2009

12. Les types généralisés (Tgen) • sous-ensemble d ’occurrences du corpus • Exemples de Tgen(s) • les occurrences d ’un segment répétés • les cooccurrences de deux formes à l ’intérieur de phrases. • un ensemble de formes présentant un lien au plan sémantique • le résultat d ’un surlignage sélectif par un humain • une classe de fréquence André Salem Carcassonne - Août 2009

13. CFDT 1973-1998 Ventilations de la forme : négociation et du TGen négo+ André Salem Carcassonne - Août 2009

14. CFDT 1973-1998 Vers une topographie textuelle TGen :négo+ André Salem Carcassonne - Août 2009

15. CFDT congrès de 1998,§§ 2051-2052 • § dans les négociations d'entreprise et de branche, dans les fonctions publiques et les entreprises publiques, la CFDT lie de manière dynamique et diversifiée les salaires et l'emploi. • § le choix de l'emploi par la RTT fait de la compensation salariale un des éléments de la négociation, sans a priori dans un sens ou dans l'autre. dans ces négociations, les équipes syndicales prennent en compte le volume d'emplois créés, l'ampleur de la RTT, la participation de l'entreprise et le niveau des salaires et de ses éléments accessoires (intéressement, participation, actionnariat...). André Salem Carcassonne - Août 2009

16. La résonance textuelleExplorations de corpus à partir de préoccupations issues de l’analyse de discours André Salem Systèmes linguistiques, énonciation et discursivité (SYLED - EA 2290) Université de la Sorbonne nouvelle - Paris 3 André Salem Carcassonne - Août 2009

17. Volet 3 : Traduction B Conférence=B01 Volet 2 : Traduction°A Conference= Conference=A01 Volet 1 : Texte original Conferenc Conference=E01 Conférence=E02 Corpus de textes alignés André Salem Carcassonne - Août 2009

18. rapport de traduction rapport de traduction texte original rapport cible-source rapport cible-source traductionA rapports de co-traduction traductionB Corpus multilingues André Salem Carcassonne - Août 2009

19. IntroΨ André Salem Carcassonne - Août 2009

20. Débat Mitterrand / J. Chirac (présidentielles de 1988 • ÉLIE VANNIER • Nous reviendrons au problème du chômage tout à l’heure… • JACQUES CHIRAC • … Je voudrais simplement dire un mot sur la présentation que • fait M. Mitterrand du chômage. • Non, monsieur Mitterrand, nous n’avons pas tous échoué de • la même façon… • FRANÇOIS MITTERRAND • … C’était pire avec vous!… Vous avez doublé… • JACQUES CHIRAC • … Vous me permettrez de parler de l’actualité… • FRANÇOIS MITTERRAND • Ah oui… c’est cela!… Vous voulez éviter le passé lorsqu’il est • lourd!… • JACQUES CHIRAC • J’assume toutes mes responsabilités, monsieur Mitterrand… André Salem Carcassonne - Août 2009

21. Introduction à la résonance textuelle (1) sélection des paragraphes contenant un terme termes d’induction alignement Locuteur A Locuteur B André Salem Carcassonne - Août 2009

22. Introduction à la résonance textuelle (2) résonance dans des textes alignés en paragraphes termes d’induction alignement réponse Locuteur A Locuteur B André Salem Carcassonne - Août 2009

23. Introduction à la résonance textuelle (4) application : présidentielles françaises de 1988 (deux tours de parole consécutifs) J. Chirac je voudrais répondre, moi , très clairement en m' appuyant sur mon bilan dans cette affaire ; parce que c' est très gentil de faire des promesses, mais enfin, encore faut il qu ' elles soient rendues crédibles par un bilan. s ' agissant de l ' immigrationtout court , il faut la stopper, parce que nous n ' avons plus les moyens de donner du travail à des étrangers. aussi , naturellement , en supposant quelques souplesses naturellement, mais il faut la stopper. s ' agissant deimmigrationclandestine, il faut évidemment lutter contre cetteimmigrationavec beaucoup d ' énergie et reconduire les/…/ F. Mitterrand il faut d' abord distinguer , c' est un problème qui a été vraiment exagéré et compliqué à plaisir. il y a plusieurs catégories de personnes visées par le débat actuel . il y a d’abord ceux qui ne sont pas des immigrés, qui sont les enfants d'immigréset qui sont nés sur notre sol . ceux - là ont vocation . ils sont français , sauf s ' ils en décident autrement à l' âge de dix-huit ans . il y a, ensuite , les naturalisés ; ce sont les immigrésqui désirent devenir français, là, l' administration étudie leur cas et il aboutit à reconnaître le droit à la naturalisation, selon son propre rythme. je n ' insiste pas. et puis il y a les immigrés/…/_ André Salem Carcassonne - Août 2009

24. The Shipwrecked Sailor 1 • Ancient Egyptian textThe Shipwrecked Sailorc. 2200 BCE • André Salem, Romuald Schummer André Salem Carcassonne - Août 2009

25. The Shipwrecked Sailor 2 André Salem Carcassonne - Août 2009

26. The Shipwrecked Sailor 3 André Salem Carcassonne - Août 2009

27. The Shipwrecked Sailor 4 André Salem Carcassonne - Août 2009

28. The Shipwrecked Sailor 5 André Salem Carcassonne - Août 2009

29. The Shipwecked Sailor 6 André Salem Carcassonne - Août 2009

30. Séries textuelles chronologiques André Salem Carcassonne - Août 2009

31. Chronological textual series 1 • Chinese communist party (1921-2007) • 17 congresses • homogeneity André Salem Carcassonne - Août 2009

32. Chronological textual series 2 #<cong=2007> #胡锦涛 在 中国 共产党 第 十七 次 全国 代表 大会 上 的 报告 # 高举 中国 特色 社会主义 伟大 旗帜 为 夺取 全面 建设 小康 社会 新 胜利 而 奋斗 # - - 在 中国 共产党 第 十七 次 全国 代表 大会 上 的 报告 # ( 2007 年 10 月 15 日 ) # 胡锦涛 # 同志 们 : # 现在 , 我 代表 第 十六 届 中央 委员会 向 大会 作 报告 . # 中国 共产党 第 十七 次 全国 代表 大会 , 是 在 我国 改革 发展 关键 阶段 召开 的 一 次 十 分 重要 的 大会 . 大会 的 主题 是 : 高举 中国 特色 社会主义 伟大 旗帜 , 以 邓小平 理论 和 " 三个代表 " 重要 思想 为 指导 , 深入 贯彻 落实 科学 发展观 , 继续 解放 思想 , 坚持 改革开放 , 推动 科学 发展 , 促进 社会 和谐 , 为 夺取 全面 建设 小康 社会 新 胜利 而 奋斗 . André Salem Carcassonne - Août 2009

33. Chronological textual series 3 André Salem Carcassonne - Août 2009

34. Chronological textual series 4 • spécificités positives majeures 1921-1928 André Salem Carcassonne - Août 2009

35. Chronological textual series 6 André Salem Carcassonne - Août 2009

36. Chronological textual series 7 repeated segments L>4 F>5 André Salem Carcassonne - Août 2009

37. Chronological textual series 8 André Salem Carcassonne - Août 2009

38. Chronological textual series 9 • Section 806 (congrès de 2007) 改革开放 是 党 在 新 的 时代 条件 下 带领 人民 进行 的 新 的 伟大 革命 , 目的 就是 要 解放 和 发展社会 生产力 , 实现 国家 现代化 , 让 中国 人民 富裕 起来 , 振兴 伟大 的 中华民族 ; 就是 要 推动 我国 社会主义制度 自我 完善 和 发展, 赋予 社会主义 新 的 生机 活力 , 建设 和 发展中国特色 社会主义 ; 就是 要 在 引领 当代 中国发展 进步 中 加强 和 改进 党的建设 , 保持 和 发展党 的 先进性 , 确保 党 始终 走 在 时代 前列 . • #la réforme et l'ouverture s'inscrivent dans la grande révolution menée par le peuple sous la direction du parti dans le nouveau contexte historique. cette révolution a pour mission de libérer et de développer les forces productives sociales, de moderniser notre pays, de faire accéder la population chinoise à la prospérité et de redresser la grande nation chinoise. cette révolution a également pour but de pousser le régime socialiste de notre pays vers l'auto-perfection et le développement, de procurer de nouvelles vitalités au socialisme, ainsi que de construire et développer le socialisme à la chinoise. tout en menant le progrès et le développement de notre pays, elle vise aussi, pour que le parti reste toujours à la pointe de notre époque, à renforcer et améliorer l'édification du parti, ainsi qu'à conserver et développer sa nature progressiste. # André Salem Carcassonne - Août 2009

39. Merci de votre attention André Salem Carcassonne - Août 2009