13 Glossaire

Définition des notions essentielles de la textométrie et de TXM.

Catégories :

com : Commande
don : Modèle de données
for : Format de fichier
int : Interface utilisateur
tal : Traitement Automatique de la Langue (TAL)
req : requête CQL
log : Composant logiciel
mét : Méthodologie Textométrique

Entrée	Cat	Description
AFC	com	action de réduire le nombre de dimensions d’une matrice (de type « parties x mots ») avec l’algorithme d’analyse factorielle des correspondances. Les nouvelles dimensions sont représentées par des vecteurs propres appelés facteurs. Les parties et les mots de la matrice originelle peuvent être affichés simultanément dans les plans factoriels résultants.
AFR	tal	code standard pour l’ancien français.
Alceste	log	logiciel commercial textométrie.
annotation	don	propriété d’une unité (lexicale ou structurelle) d’un point de vue logique.
balise	don	représentation bornée d’un élément, qui contient ses propriétés, en langage XML
caractère	don	unité élémentaire constituant la forme d’un mot.
CATTEX2009	tal	jeu d’étiquettes morphosyntaxiques pour l’ancien français.
module d’importation	com	composant logiciel qui importe des éléments dans la plateforme TXM, depuis une source.
ClipN	int	corpus créés à partir du presse-papier sont nommés ‘Clip’+<un numéro>.
CNR	for	format de données de Cordial.
commande	com	action disponible dans TXM.
concordance	com	manière de présenter les résultats d’une recherche, où chaque occurrence apparaît centrée sur sa propre ligne, au milieu de son contexte.
console	int	TXM affiche divers messages lors de son exécution, dans une fenêtre appelée « console ».
Cordial	tal	étiqueteur morphosyntaxique et lemmatiseur commercial.
corpus	don	ensemble de mots. Ces ensembles viennent de textes, entiers ou lacunaires. Les corpus « racines » sont construits à partir de bases.
CQL	req	pour <Corpus Query Language>, langage de requêtes géré par CQP, appliqué aux corpus.
CQP	log	pour <Corpus Query Processor>, module logiciel gérant les requêtes pour construire des index, concordances, etc.
CSV	for	signifie « Comma Separated Values ». C’est un fichier texte où chaque ligne de résultat est séparée par saut de ligne et où les valeurs sont séparées par un caractère séparateur (comme la virgule).
Ctrl	int	touche « Ctrl » ou « Control » sur le clavier.
document	don	texte logique.
éditeur	com	fenêtre où un texte (comme un fichier source ou un script) peut être modifié.
encodage	don	façon dont une information est représentée dans le corpus source.
espace de travail	int	ensemble de tous les objets disponibles dans TXM (corpus, sous-corpus…).
étiqueteur	log	logiciel indépendant, capable de segmenter les mots, de leur associer une étiquette morphosyntaxique ou un lemme, à partir de sources textuelles.
étiquette	tal	propriété morphosyntaxique d’un mot
export	com	action d’enregistrer dans un fichier les résultats d’une commande TXM.
fichier	don	élément du système d’exploitation contenant des informations sur le disque dur de l’utilisateur : comme un texte ou un corpus source. Un fichier peut être désigné par un chemin d’accès.
focus	int	focaliser une commande sur un événement lexical particulier, par exemple à travers une requête.
forme graphique	don	forme graphique d’un mot, généralement calculée par les tokeniseurs.
fréquence	mét	nombre total d’occurrences d’un événement (une occurrence de mot, une occurrence de séquence de mots, etc.) dans un corpus.
Groovy	log	langage informatique dans lequel les scripts de TXM sont écrits.
HTML	for	format de représentation des données des pages web.
Hyperbase	log	logiciel académique de textométrie.
import	don	fait d’intégrer un corpus à la plateforme, à partir de fichiers source.
index	com	lister toutes les combinaisons de propriétés de mots, avec leur fréquence, pour toutes les occurrences d’une requête.
index	log	fichier créé par TXM afin d’accélérer les réponses aux requêtes.
indice	tal	valeur numérique fournie pour un modèle statistique.
infobulle	int	fenêtre temporaire qui s’affiche lorsqu’on survole un objet avec le curseur de la souris, par exemple, un mot dans une édition.
Java	log	langage dans lequel est programmé TXM.
jeu d’étiquettes	don	ensemble des valeurs morphosyntaxiques possibles de mots.
langage	don	langage dans lequel est écrit un texte ou un corpus.
lem	don	voir lemme.
lemme	don	entrée d’un mot dans le dictionnaire courant.
lemmatiseur	log	module logiciel qui fait correspondre une entrée de dictionnaire à chaque mot du texte
lexique	com	lister toutes les formes possibles de mots, ou de fréquences de propriétés de mot, dans un corpus.
ligne de statut	log	TXM affiche des commentaires temporaires sur les opérations qu’il effectue, dans un espace situé en bas à gauche de l’interface.
littéral	req	caractère considéré pour lui-même dans une requête.
localisation	int	l’interface de TXM peut s’afficher dans différentes langues, qui peuvent être paramétrées dans le menu « localisation » des préférences.
matcher	tal	correspondance structurelle dans l’algèbre des caractères de propriétés ou des occurrences
metadonnées	don	propriétés d’un texte ou d’un document entiers. Chaque métadonnée a un nom, un type et une valeur.
modifieur	req	caractère spécial utilisé pour exprimer certaines variantes dans une requête.
mot	don	unité lexicale identifiée grâce à sa forme graphique et à sa position dans la séquence des mots. Elle est généralement construite par les tokeniseurs.
Multext	tal	jeu d’étiquettes standard européen.
occurrence	mét	apparition d’un événement textuel dans un corpus, comme une occurrence de mot.
opérateur	req	caractère spécial ayant une signification particulière dans une requête.
page	don	segment de texte affiché sur un support, correspondant généralement à une page d’une édition papier.
partie	don	élément d’une partition d’un corpus.
partition	don	découpage d’un corpus en différentes parties. La somme de toutes ces parties correspond au corpus dans son ensemble. On utilise les partitions pour analyser les contrastes entre les parties (comme entre les dates de discours, des auteurs, des sections d’un même texte, etc.)
phrase	tal	séquence de mots, syntaxiquement homogène, construite par les tokeniseurs.
pivot	com	colonne centrale d’une concordance, affichant toutes les occurrences d’une requête donnée.
pos	don	pour « part of speech », les informations morphosyntaxiques d’un mot.
préférence	int	chaque commande de TXM possède des paramètres. Certains de ces paramètres peuvent être réglés dans la fenêtre « Préférences ».
presse-papier	don	fonction du système d’exploitation permettant de stocker une sélection de texte, grâce à la commande « copier ».
propriété	don	information sur une unité lexicale ou structurelle.
référence	int	information affichée au début d’une ligne de concordance, qui provient des propriétés des unités lexicales et structurelles.
dossier	don	dossier contenant des fichiers ou d’autres dossiers, sur le disque dur de l’utilisateur. Un dossier peut être désigné par un chemin.
requête	com	chaine de caractères exprimant une combinaison de mots et de propriétés de mots.
script	log	fichier contenant une description d’actions précises qui peut être exécutée par TXM.
sélection	mét	liste de séquences de mots. Le résultat d’une recherche pour une requête est une sélection.
source	don	représentation initiale d’un corpus, dans un format propre, contenue dans plusieurs fichiers ou dossiers. Par exemple, le format peut être du TXT (texte brut), du XML ou de la TEI.
spécificité	com	action de lister des formes de mots spécifiques, ou des propriétés de mot, à chaque partie d’une partition, conformément au modèle quantitatif des spécificités.
T	met	le nombre total d’occurrences dans un corpus
TAL	log	pour « Traitement Automatique de la Langue ».
TEI	for	pour « Text Encoding Initiative », la façon standard d’encoder les textes. Consortium international de standardisation de l’encodage des sources de corpus. Voir http://www.tei-c.org. Le format TEI est exprimé en XML.
texte	don	séquence de mots de structure homogène, décrite par des propriétés appelées métadonnées.
textométrie	mét	méthodologie qu’applique TXM. La textométrie vous aide à analyser les corpus de textes, au moyen d’outils quantitatif et qualitatifs. Voir https://www.textometrie.org.
tokeniseur	log	composant logiciel capable de séparer les mots et de les caractériser par des propriétés, dans les fichiers source.
TreeTagger	log	logiciel étiqueteur indépendant académique
TXT	for	format de données d’un fichier en texte brut (sans aucune annotation).
unité	don	unité lexicale ou structurelle d’un texte.
unité structurelle	don	élément marquant la structure logique d’un texte. Dans TXM, toutes les unités structurelles sont organisées de manière hiérarchique : chaque unité est imbriquée dans une autre unité – jusqu’à l’unité ‘text’. La plus petite unité structurelle se trouve juste au-dessus de l’unité lexicale.
V	mét	nombre total de formes graphiques différentes d’un corpus.
vocabulaire	com	générer un lexique ou un index.
Weblex	log	logiciel de textométrie académique.
window manager	int	logiciel qui permet d’organiser son interface de travail.
XML	for	format de données principal des sources des corpus.