La notion de corpus parallèle, qui émerge actuellement dans les travaux de différents chercheurs comme : corpus comportant plusieurs volets qui correspondent chacun à une version d’un même texte dans deux ou plusieurs langues différentes, renvoie à des situations connues de coexistence de textes présentant des liens forts dans leur structuration.

Le traitement de corpus parallèles suppose une phase préalable d’alignement[1], c’est-à-dire de mise en correspondance dans chacun des volets de différents types d’unités textuelles [Zimina, 2004].

Aligner des corpus de textes originaux et de leurs traductions c’est mettre en relation des unités textuelles qui se correspondent. On peut établir des correspondances entre des unités de différents niveaux : mots, syntagmes, phrases, paragraphes, sections, etc.

3 Présentation générale

Le programme mkAlign permet de construire, corriger et visualiser un alignement de deux textes via un éditeur à double entrée. Il permet d’afficher simultanément les textes source et cible pour y rajouter ou corriger des segments équivalents.

Ce programme n’est pas un aligneur automatique. Il est conçu pour aider l’utilisateur dans la création, l’alignement, la correction et la validation de textes traduits. L’utilisateur garde la maîtrise sur l’ensemble des processus, depuis la mise en correspondance initiale des segments équivalents jusqu’à l’export final du bi-texte produit.

Il appartient à l’utilisateur de construire l’alignement et de définir son degré de précision (résolution). Cette résolution peut varier pour mettre en évidence les correspondances entre les segments textuels des différents niveaux.

La notion de sauvegarde de session de travail (création de fichiers d’export/import de bi-textes au format xml et html) permet de commencer le travail sur un corpus à deux volets textuels, l’exporter au format désiré, puis le réimporter plus tard pour y apporter des modifications.

La visualisation de l’alignement dans une représentation cartographique (bi-text map) offre plusieurs possibilités de gestion de corpus qui partagent des similitudes au plan traductionnel[2].

2 Interface de mkAlign

L’interface du programme est composée d’une fenêtre graphique disposant de différents onglets.

L’onglet HOME visible au chargement contient un mode d’emploi du programme.

Figure 1 : mkAlign Fenêtre principale

L’onglet PARAM permet de modifier le paramétrage de certaines fonctionnalités du programme (taille des polices d’affichage des textes, couleurs de cellules d’édition, encodage des fichiers source et cible etc.).

Figure 2 : mkAlign Onglet PARAM

Les autres onglets sont décrits infra.

4 Descriptif des icônes

Icône	Fonction	Localisation
	Chargement du fichier source	Onglet ALIGN
	Chargement du fichier cible	Onglets ALIGN
	Alignement du fichier cible et du fichier cible	Onglets ALIGN
	Sauvegarde (fichier source, cible, export, carte)	Onglets ALIGN, EXPORT, MAP
	Rafraîchissement éditeur/carte	Onglets ALIGN, MAP
	MODE MERGE	Onglet ALIGN
	MODE SPLIT	Onglet ALIGN
	Dessin de la carte des sections	Onglet MAP
	Export au format HTML	Onglet EXPORT
	Parser XML	Onglet ALIGN
	Import d’alignement	Fenêtre principale
	Export au format XML	Fenêtre principale
	Export de bitexte	Fenêtre principale
	Export au format Lexico3	Fenêtre principale
	Export au format HTML	Fenêtre principale
	Documentation du programme	Fenêtre principale
	Sortie du programme	Fenêtre principale
	Palette	Onglet PARAM
	Page suivante	Onglet ALIGN
	Dernière page	Onglet ALIGN
	Première page	Onglet ALIGN
	Page précédente	Onglet ALIGN
	Editeur annexe	Fenêtre principale
	Export "Recherche Source"	Onglet MAP
	Export "Recherche Cible"	Onglet MAP
	Export Intersection "Recherche Source/Cible"	Onglet MAP
	Import de liste (Source)	Onglet MAP
	Import de liste (Cible)	Onglet MAP
	Calcul des segments répétés dans les fichiers SOURCE et CIBLE	Fenêtre principale
	Recherche des cooccurrents d’une forme dans la source	Onglet MAP
	Recherche des cooccurrents d’une forme dans la cible	Onglet MAP
	Calcul des spécificités dans une sélection de sections dans la source	Onglet MAP
	Calcul des spécificités dans une sélection de sections dans la cible	Onglet MAP

5 Mode d’emploi

Deux modes de chargement des textes de travail sont disponibles :

Mode général : Sélection d’un segmenteur. Chargement d’un fichier SOURCE puis d’un fichier CIBLE.
Mode « alignement par recherche cognats». Alignement automatique du fichier SOURCE et du fichier CIBLE basé sur la recherche de cognats.

5.1 Mode général

5.1.1 Chargement des textes à aligner

L’onglet ALIGN contient les fenêtres d’édition pour l’alignement et les points d’entrée pour les différentes fonctionnalités associées.

Figure 3 : mkAlign Onglet ALIGN

La construction d’un alignement utilise en entrée deux volets d'un même corpus (source et cible) : le texte SOURCE sera chargé dans la partie gauche de mkAlign et le texte CIBLE dans la partie droite.

Pour charger le texte source : activez le bouton source (onglet ALIGN)
Pour charger le texte cible : activez le bouton cible (onglet ALIGN)

Le chargement peut être réalisé en tenant compte d'un caractère délimiteur (appelé le segmenteur, par défaut le caractère #) qui sera utilisé pour aligner les 2 volets du corpus. Si le segmenteur n'est pas présent dans les 2 volets initiaux, les 2 volets seront alignés globalement.

Par exemple, si le caractère segmenteur choisi est #, les fichiers en entrée peuvent avoir l'allure suivante :

Fichier Source :

sssssssssssssss #

etc.

Fichier Cible :

ccccccccccccccc #

etc.

Dans cet exemple, le fichier source sera chargé dans la partie gauche de mkAlign avec au moins 2 cellules correspondant au découpage sur la base du segmenteur sélectionné. Idem pour le fichier cible, sur la partie droite.

Les 2 volets du corpus alignés sont présentés par page de 5 blocs alignés, on peut passer d'une page à l'autre de l'alignement via les boutons présents au bas de l'onglet ALIGN, ou en sélectionnant une page donnée (puis touche Entrée).

Après chargement de 2 fichiers, l'onglet ALIGN a l'allure suivante :

Figure 4 : mkAlign Onglet ALIGN, fichiers chargés

Dans les figures qui suivent, on présente le chargement des fichiers après sélection des paramètres d’encodage : iso-8859-1 pour le le texte SOURCE et unicode pour le texte CIBLE.

Figure 5 : mkAlign Onglet PARAM, paramétrage de l’encodage

Figure 6 : mkAlign Onglet ALIGN, fichiers chargés après sélection d’encodage

5.1.2 Choix du segmenteur

Il est possible de paramétrer le segmenteur avant de charger le corpus : il suffit pour cela de changer la valeur dans la zone de saisie idoine (onglet ALIGN ou onglet PARAM)

Figure 7 : mkAlign choix du segmenteur onglet ALIGN ou onglet PARAM

Si la zone de saisie permettant de définir le segmenteur est vide, c’est le caractère retour chariot qui sera défini comme étant le segmenteur.

5.1.3 Prétraitement des textes à aligner

Par défaut, le chargement du texte SOURCE et du texte CIBLE se réalise en ne tenant compte que du segmenteur choisi et n’opère aucune modifications sur les 2 volets à charger.

Il est aussi possible de prétraiter les 2 textes à charger et d’attribuer une valeur prédéfinie au segmenteur. Dans l’onglet ALIGN, l’activation de la case à cocher « Prétraitement » permet de pré-formater les 2 textes à charger en phrases ou en paragraphes.

Figure 8 : mkAlign pré-formatage de la SOURCE et de la CIBLE

Une phrase est définie grossièrement comment une chaîne de caractères se terminant par les caractères : point (.), 3 points (…), point d’interrogation ( ?) et point d’exclamation ( !).

Un paragraphe étant défini grossièrement aussi comme une suite de phrase terminée par un retour à la ligne.

Si l’option « Prétraitement » est choisi, il reste à déterminer le type de pré-formatage à réaliser. Par défaut, l’activation du prétraitement active le pré-formatage en paragraphes ; pour activer le pré-formatage en phrases, il suffit de cocher la case idoine.

5.1.4 Découpage des textes en parties

Le chargement des 2 fichiers alignés tient compte d'un marquage dans les textes d'une éventuelle partition, ce marquage est détecté s'il est réalisé de la manière suivante :

<nomdelapartie="valeur">

ce marquage signifie que l'utilisateur a prédéfini un marquage de partie via une série de balises dans laquelle la partie est désignée par un type, ici par "nomdelapartie", et qu’elle est associée à chaque fois à une valeur donnée. Un fichier en entrée pourra donc avoir l'allure suivante (2 parties définies ici) :

<para="xxx">sssssssssssssss #

<part="yyy">sssssssssssssss #

<para="zzz">sssssssssssssss #

<part="uuu">sssssssssssssss #

etc.

5.1.5 Paramètres lexicométriques des textes chargés

Le chargement des fichiers source et cible déclenche automatiquement un module de segmentation (issu du programme Lexico3 [Lamalle & al., 2001]) générant un dictionnaire des formes graphiques du fichier chargé. Ce programme de segmentation est paramétrable dans l’onglet PARAM : une liste des délimiteurs utilisés pour cette segmentation est donnée par défaut, l’utilisateur peut la modifier :

Ces délimiteurs sont utilisés aussi par le programme calculant les segments répétés présenté infra.

Le résultat de cette segmentation est visible dans l'onglet DICT et dans l'onglet PARAL3 :

· le dictionnaire sera visible dans le premier

Figure 9 : mkAlign Onglet DICT

· et les paramètres de la segmentation dans le second

Figure 10 : mkAlign Onglet PARAL3

Un clic droit sur un des mots du dictionnaire présent dans l'onglet DICT déclenchera la recherche de ce mot et l'affichage du résultat de cette recherche dans la représentation cartographique de l'alignement présentée infra (cf onglet MAP).

5.2 Mode « alignement par recherche de cognats »

Ce mode de chargement s’inspire de travaux réalisés dans le domaine de l’alignement multilingue utilisant l’extraction de points d’ancrage pour aligner des textes. Cette méthode permet, sur des langues apparentées, de construire un alignement en recherchant tout d’abord des équivalents traductionnels sous la forme de mots apparentés (ou cognats), les points d’ancrage obtenus dessinent des zones textuelles préalignées éventuellement à affiner. On regardera en particulier [Kraif, 1999].

Pour lancer ce mode de chargement via mkAlign, il faut utiliser le bouton disponible sous l’item « Alignement Source/Cible ». Celui-ci déclenche (1) l’ouverture d’une fenêtre demandant à l’utilisateur de préciser les paramètres pour construire l’alignement :

Figure 11 (1) : mkAlign Alignement par recherche de cognats

Les 4 paramètres étant définis (2), on peut lancer le processus d’alignement (3).

Après alignement des 2 fichiers, mkAlign a l'allure suivante :

Figure 11 (2) : mkAlign Alignement par recherche de cognats

6 Principales fonctionnalités de mkAlign

6.1 Recherche de chaînes

La figure 12 illustre une des fonctionnalités classique d'éditeurs de texte que l'on retrouve dans mkAlign : la recherche de chaîne de caractères.

Figure 12 : mkAlign Onglet ALIGN, recherche de chaînes

On dispose dans l'onglet ALIGN de 2 zones de saisie permettant de lancer des recherches de chaînes : "Recherche Source" et "Recherche Cible". Les requêtes de recherche peuvent s'exprimer sous la forme d'expressions régulières [Fourmond, 2005].

Une expression régulière a pour fonction de définir un "modèle" de chaîne de caractères. Seules les formes lexicales contenant une chaîne de caractères conforme à ce modèle seront sélectionnées. Une des formes d'expression régulière simple est par exemple ique. Seules les formes qui contiennent ique seront sélectionnées.

Dans la figure précédente par exemple, les 2 requêtes exprimées sont :

Recherche Source : \bpsych

Recherche Cible : yse\b

Pour la requête Source, on recherche en début de mot (\b) la présence des caractères psych : on cherche, par exemple, tous les mots qui commencent par psych. Les mots trouvés dans la figure sont colorés en rouge (psychanalyse).

Pour la requête Cible, on recherche la présence des caractères yse en fin de mot (\b): on cherche, par exemple, tous les mots qui se terminent par yse. Les mots trouvés dans la figure sont colorés en rouge (Psychoanalyse).

On présente en annexe les différents opérateurs d'expression régulière disponibles avec mkAlign (opérateurs classiques).

6.2 Exporter sous-corpus contenant un motif

A partir de la version 1.62 de mkAlign, on trouve à côté de chaque zone de saisie de recherche un bouton permettant de sauvegarder l’ensemble des cellules contenant le motif inséré dans la zone de saisie : on exporte ainsi un sous-corpus contenant toutes les sections contenant le motif sélectionné, ce texte est ensuite « réimportable » dans mkAlign.

6.3 Figement de cellule (lecture/écriture)

- il est possible de figer 2 cellules alignées (case à cocher en regard de chaque couple de cellules alignées), dans ce cas les cellules sont protégées en écriture (état R), les cellules figées sont colorées en vert

- si une cellule n'est pas protégée, elle est modifiable en écriture (état W) (couleur blanche)

6.4 Fractionnement de cellule

- l'insertion du caractère segmenteur provoque automatiquement le découpage de la cellule concernée,

- si un couple de cellules est figée à une position inférieure dans mkAlign, l'insertion du segmenteur (dans une cellule SOURCE ou CIBLE) provoque aussi l'insertion d'une nouvelle cellule vide (dans la colonne CIBLE ou SOURCE) juste avant la cellule figée, cette cellule insérée est colorée en rose.

6.5 Fusion de cellule

- la suppression du caractère segmenteur dans une cellule provoque automatiquement la fusion de la cellule concernée et de la cellule juste au dessous

- si un couple de cellules est figé à une position inférieure dans mkAlign, la fusion provoque aussi l'insertion d'une nouvelle cellule vide dans la même colonne juste avant la cellule figée, cette cellule insérée est colorée en rose.

6.6 Etat de l'alignement

- on trouvera au bas de l'onglet ALIGN 3 cellules de couleur contenant chacune un compteur des différents états (de couleur) des cellules, par défaut

o le compteur vert indique le nombre de lignes protégées,

o le compteur rose indique le nombre de lignes contenant une cellule rose provenant d'une insertion ou d'une fusion,

o et le compteur blanc le nombre de ligne qui ne sont pas les précédentes

Figure 13 : mkAlign Alignement en cours

6.7 Remarques sur le segmenteur

· si la zone de saisie permettant de définir le segmenteur est vide, le segmenteur utilisé par le programme est le retour chariot, dans ce cas le fait de taper un retour chariot dans une cellule provoque le découpage de la cellule concernée

· si la zone de saisie permettant de définir le segmenteur est vide, le segmenteur utilisé par le programme est le retour chariot, dans ce cas, pour réaliser une fusion de cellule, il faut utiliser le MODE MERGE présenté infra.

6.8 Les modes

Dans les fonctionnalités précédentes, l'insertion ou la suppression du caractère segmenteur est faite au clavier en insérant/supprimant dans la zone d'édition choisie le caractère segmenteur.

Il existe aussi des modes particuliers permettant de réaliser ces opérations de fractionnement ou de fusion de cellules :

	le MODE SPLIT
	le MODE MERGE.

Ces deux modes sont disponibles après avoir chargé les fichiers de travail et après activation de l'un ou l'autre de ces modes (via les boutons SPLIT/MERGE dans l'onglet ALIGN). Ces deux modes sont désactivés par défaut.

Une fois activé (via un clic droit sur le bouton correspondant au mode choisi), ce mode permet, via le clic gauche de la souris :

- de scinder une cellule (équivalent à l'insertion du caractère segmenteur) à l'endroit où le clic

a été réalisé

- de fusionner la cellule dans laquelle le clic a été réalisé avec la cellule suivante (équivalent à la suppression dans la cellule d'édition visée du caractère segmenteur)

7 Représentation cartographique de l'alignement

7.1 Construction de la carte de l’alignement

Après avoir chargé les 2 volets d'un alignement il est possible de visualiser l'alignement en cours dans une représentation cartographique (identique à celle produite par Lexico3[3] via l'outil "Carte des Sections[4]"). On trouvera dans l'onglet MAP, un bouton permettant de construire cette représentation cartographique dans laquelle on disposera d'un carte des sections pour la source et d’une autre pour la cible, les carrés construits portent la couleur de leur état dans l'aligneur (par défaut blanc, rose ou vert) ; au bas des 2 cartes on dispose aussi d'une zone d'édition pour afficher (via un clic gauche) le contenu d'un carré donné : le contour du carré sélectionné devient bleu et le contour du carré aligné devient noir.

Figure 14 : mkAlign Onglet MAP

7.2 Recherche de motifs dans la carte de l’alignement

Il est possible de rechercher des chaînes de caractères, écrites sous la forme d'expressions régulières (cf annexes), dans la carte source et dans la cible. On trouvera dans l'onglet MAP deux zones de saisie similaires à celles déjà présentées dans l'onglet ALIGN. La recherche peut être lancée dans le volet source ou cible.

Figure 15 : mkAlign Recherche et Navigation dans la carte des sections (1)

Si la chaîne est trouvée, le carré correspondant est surligné en rouge (dans la carte SOURCE ou CIBLE) et les diagonales du carré sont dessinées. Les sections correspondantes (respectivement dans la carte SOURCE ou CIBLE) seront-elles aussi matérialisées par un surlignage rouge (trait fin). Le surlignage rouge sera inhibé après sélection d’un carré donné, par contre la croix sera maintenue et les résultats de la précédente requête resteront ainsi accessibles.

A l'issue d'une recherche de chaîne dans la carte, la zone d'édition obtenue par un clic gauche sur un carré donné prend en compte la chaîne de caractères présente dans la zone de saisie associée : la sélection d'un carré de la carte déclenche une recherche de la chaîne cherchée dans l'éditeur et produit le cas échéant l'affichage colorée de celle-ci.

Figure 16 : mkAlign Recherche et Navigation dans la carte des sections (2)

7.3 Affichage d’une partition dans la carte de l’alignement

Il est aussi possible de visualiser une éventuelle partition présente dans le codage du texte via des balises (cf supra). Après avoir activé le bouton Parties puis sélectionné une ou plusieurs clés de cette partition (via la liste de choix), la construction de la représentation cartographique de l'alignement intègrera ce marquage des parties sélectionnées.

Figure 17 : mkAlign Carte / Sections / Parties

7.4 Navigation vers l’alignement

La carte contient aussi un marqueur des pages d'édition dans l'aligneur :

Dans la figure précédente, le marqueur | indique le passage d'une page à l'autre dans l'édition de l'alignement visible dans l'onglet ALIGN. Un clic gauche sur ce marqueur permet de retourner dans l'onglet ALIGN à la page visée par le marqueur.

7.5 Le vocabulaire spécifique d’une section de la carte

La carte dispose d’une fonctionnalité supplémentaire pour agir sur les contenus textuels des sections. On a vu qu’un clic sur un carré déclenchait l’affichage du contenu textuel associé à ce carré dans la zone d’édition prévue à cet effet. Un clic-droit sur un carré déclenche le calcul du vocabulaire spécifique de la section considérée.

L’analyse des spécificités permet de porter un jugement sur la fréquence de chacune des unités textuelles dans chacune des sections du corpus[5].

Figure 18 : mkAlign Carte / Sections / Spécificités

7.6 Le vocabulaire spécifique d’une sélection de sections de la carte

Il est possible de sélectionner une série de sections dans la carte de l’alignement (SOURCE ou CIBLE) et de calculer le vocabulaire spécifique de cette sélection. Pour sélectionner une section, il convient d’activer la combinaison de touches : Control+clic-gauche. Après avoir été sélectionné, le contour du carré associé à la sélection devient vert.

Figure 19 : mkAlign Carte / Sections / Sélection

Après avoir sélectionné une série de sections, on peut activer le calcul du vocabulaire spécifique de cette sélection via les 2 boutons disponibles dans l’onglet MAP.

	recherche du vocabulaire spécifique d’une sélection de section dans la source
	recherche du vocabulaire spécifique d’une sélection de section dans la cible

Le résultat produit donne à voir le vocabulaire spécifique des sections sélectionnées (dans la SOURCE ou dans la CIBLE) et des sections associées (respectivement dans la CIBLE ou dans la SOURCE).

Figure 20 (1) : mkAlign Carte / Sections / Spécificité sections

Figure 20 (2) : mkAlign Carte / Sections / Spécificité sections

7.7 Le vocabulaire spécifique des sections de la carte contenant une forme ou un motif : recherche de cooccurrents

L’onglet MAP dispose de deux boutons supplémentaires permettant de calculer les cooccurrents d’une forme ou d’un motif donné.

recherche des cooccurrents d’une forme dans la source

recherche des cooccurrents d’une forme dans la cible

A partir de la carte de l’alignement, on peut rechercher (sur la source ou sur la cible) une forme graphique ou un motif. On obtient une série de carré indiquant la présence du mot ou du motif. On peut ensuite lancer un calcul du vocabulaire spécifique de l’ensemble de ces sections. On obtient les mots spécifiques contenus dans l'ensemble des sections contenant le mot ou le motif initial. On obtient une liste de mots qui portent soit un indice de spécificité positif soit un indice de spécificité négatif , dans le premier cas, on aboutit en gros à une liste des cooccurrents du mot ou du motif cherchés, dans le second cas on obtient des mots qui n'apparaissent pas avec le mot ou le motif cherchés.

Figure 21 (1) : mkAlign Carte / Sections / Spécificités / Cooccurrents

Le résultat produit donne à voir le vocabulaire spécifique des sections contenant le motif (dans la SOURCE ou dans la CIBLE) et des sections associées (respectivement dans la CIBLE ou dans la SOURCE).

Figure 21 (2) : mkAlign Carte / Sections / Spécificités / Cooccurrents

8 Importation de listes

L'onglet MAP dispose de 2 boutons permettant d'importer des listes de formes graphiques (mots ou segments). Cette liste peut ensuite être utilisée pour la recherche dans le corpus par le biais de sa représentation cartographique.

Figure 22 : mkAlign Import de listes

L'importation d'une liste source ou cible déclenche l'importation de cette liste dans l'onglet LISTES.

Figure 23 : mkAlign Onglet LISTES

Un clic droit sur un des items de la liste importée déclenche la recherche de cet item (forme ou segment) et l'affichage du résultat de cette recherche dans la représentation cartographique de l'alignement (cf onglet MAP).

Un clic gauche sur n’importe quel item de la liste déclenche la recherche de l’ensemble des items de la liste et l'affichage du résultat de cette recherche dans la représentation cartographique de l'alignement (cf onglet MAP).

9 Segments répétés

La fenêtre principale dispose d’un bouton permettant de calculer les segments répétés des fichiers SOURCE et CIBLE puis d’afficher les 2 listes dans l’onglet SEGMENTS.

Figure 24 (1) : mkAlign Onglet SEGMENTS

Remarque : Les segments apparaissent dans les 2 volets supérieurs de l’onglet SEGMENTS.

Le calcul des segments est paramétrable (cf onglet PARAM) : on peut choisir les délimiteurs à utiliser, la longueur minimale des segments à rechercher ou leur fréquence minimale. Si ces 2 derniers paramètres ne sont pas renseignés tous les segments de longueur supérieure ou égale à 2 sont recherchés.

Figure 24 (2) : mkAlign Onglet PARAM, paramétrage du calcul des segments répétés

Un clic droit sur un des segments de la liste déclenche l'affichage de la localisation du segment dans la représentation cartographique de l'alignement (cf onglet MAP).

Un clic gauche sur un des mots d’un segment donné déclenche la recherche de tous les segments contenant ce mot. Cette sélection de segments est affichée dans la partie inférieure de l’onglet SEGMENTS. Un clic droit sur un des segments déclenche le même processus que ci-dessus.

Figure 24 (3) : mkAlign Onglet SEGMENTS – sélection de segments

On peut aussi rechercher des segments contenant une forme donnée en utilisant les zones de saisie disponibles sur la gauche de l’onglet SEGMENTS. Un clic droit sur un des segments déclenche le même processus que ci-dessus.

Figure 24 (4) : mkAlign Onglet SEGMENTS – sélection de segments

10 Export des traitements

Export vers Lexico3

Il est possible d'exporter l'alignement au format Lexico3 via le bouton EXPL3 , l'onglet EXPORT-L3 contiendra le résultat de cette exportation. Le fichier contenant cet export se trouve dans le répertoire de travail du programme et porte le nom MK-ALIGN-FOR-LEX3-date.txt (dans le répertoire EXPORT).

Figure 25 : mkAlign Onglet EXPORT-L3

Export au format XML

Il est possible d'exporter l'alignement au format XML via le bouton EXPXML , l'onglet EXPORT-XML contiendra la version XML produite. Le fichier contenant cet export se trouve dans le répertoire de travail du programme et porte le nom MK-BUILT-ALIGN-date.txt. (dans le répertoire EXPORT/XML).

Figure 26 : mkAlign Onglet EXPORT-XML

Le schéma du fichier d’export XML est décrit dans la figure suivante :

Figure 27 : mkAlign Schéma Export

Export au format XML pour sauvegarder une session de travail

Au moment de l'export XML, un autre fichier d'export est construit, le nom de ce fichier est du type : EXPORT-MKALIGN-date.xml (dans le dossier EXPORT/XML). Ce fichier enregistre l’état complet de l’alignement et pourra être réimporté dans mkAlign après redémarrage du programme (cf infra).

Important : il est nécessaire de renommer ce fichier d’export d’une session de travail à l’issue de sa création car ils seront supprimés au prochain lancement du programme.

Export complet au format HTML

On dispose aussi dans l’onglet EXPORT-XML d’un bouton permettant de visualiser l’état de alignement au format HTML via Internet Explorer (si celui-ci est disponible).

Figure 28 : mkAlign Export HTML

Export partiel au format HTML

On dispose aussi dans l’onglet MAP de trois boutons permettant d'exporter le résultat d'une requête de recherche de formes graphiques (exprimée sous la forme d'une expression régulière).

Dans la figure qui suit, l'onglet présente le résultat d'une requête de recherche de la forme "psychanalyse" dans la carte :

Figure 29 : mkAlign Export sélectif (sélection d'une forme)

1. L'activation du bouton d'export de la "Recherche Source" (bouton gauche de la zone cerclée ci-dessus) provoque la génération d'un fichier aligné (au format XHTML) regroupant uniquement les cellules du fichier source contenant la forme cherchée.

2. Une fonctionnalité similaire est disponible pour le fichier cible (bouton du centre de la zone cerclée ci-dessus).

Le résultat de cet export est visible dans l'onglet EXPORT-XML et via Internet Explorer (si celui-ci est disponible) sous la forme suivante :

Figure 30 : mkAlign Résultat d'export sélectif - Fichier complet : example-export.html

Dans cette sortie, la forme utilisée pour générer l'export est colorée en rouge (en suivant notre exemple précédent, c'est la forme "psychanalyse" qui est colorée ci-dessus).

Le nom de ce fichier est du type : MK-EXPORT-SEARCH-SOURCE-date.html (dans le répertoire EXPORT/HTML).

3. Le troisième bouton d’export partiel permet :

1. d’exporter les seules zones bi-textuelles correspondant à la zone d'intersection entre les distributions d'une forme (source) cherchée et d'une forme (cible) cherchée

2. d’exporter les seules zones bi-textuelles dans lesquelles la forme (source) cherchée est présente dans une zone source et la forme (cible) cherchée n'est pas présente dans la zone cible associé

3. d’exporter les seules zones bi-textuelles dans lesquelles la forme (source) cherchée n'est pas présente dans une zone source et la forme (cible) cherchée est présente dans la zone cible associée

Ces trois rapports sont accessibles via un menu construit au moment de cet export (document HTML avec liens hypertextes donnant accès aux trois types d’export).

Export de bi-textes au format TXT

On dispose aussi d’une procédure permettant d’exporter des bi-textes correspondant d’une part aux cellules du fichier source contenant une forme cherchée sur ce volet et d’autre part aux cellules du fichier cible contenant une autre forme recherchée sur cet autre volet. Les 2 textes constituant ce bi-texte sont sauvegardés séparément. On peut ensuite les recharger dans mkAlign. La figure suivante illustre cette procédure d’export de bi-textes. Les cellules sélectionnées sur le fichier source contiennent la forme graphique « ich », les cellules sélectionnées sur le fichier cible contiennent la forme « je ».

Figure 31 : mkAlign, Export de bi-textes

L’activation du bouton déclenche la génération des 2 fichiers attendus : le fichier construit à partir du fichier source et ne contenant que les cellules (sur la gauche) marquées ci-dessus (i.e. les cellules contenant la forme graphique « ich ») et le fichier construit à partir du fichier cible et ne contenant que les cellules (sur la droite) marquées ci-dessus (i.e. les cellules contenant la forme graphique « je »).

11 Import d'alignement

Il est possible d'importer un alignement préalablement construit par mkAlign. Au moment de l'export XML présenté ci-dessus, un fichier d'export interne au programme est construit (cet export est chargé dans l’onglet EXPORT), le nom de ce fichier est du type : EXPORT-MKALIGN-date.xml.

Figure 32 : mkAlign Onglet EXPORT

L'importation de ce fichier reconstruit l'état complet de l'alignement préalablement construit dans mkAlign. Le schéma du fichier d’export produit par mkAlign est décrit dans la figure ci-dessous :

Figure 33 : mkAlign Schéma Import

Chacune des cellules alignées est décrite dans un élément field, cette description contient le contenu de chaque cellule et ses états d’édition (lock, unlock…)

12 Références

[Fourmond, 2005] Fourmond, V. Les expressions régulières par l'exemple. H&K, Technique & Pratique, Paris.

[Kraif, 1999] Kraif, Olivier. Identification des cognats et alignement bi-textuel : une étude empirique, Actes de la 6ème conférence annuelle sur le Traitement Automatique des Langues Naturelles, TALN 99, Cargèse, 12-17 juillet 1999, pp.205-214

[Lafon, 1984], Lafon Pierre. Dépouillements et statistiques en lexicométrie. Genève-Paris, Slatkine-Champion.

[Lamalle, 2001], Lamalle C., Martinez W, Fleury S., Salem A., Kuncova A., Maisondieu A., "Dix premiers pas avec Lexico3", Manuel d'utilisation abrégé (Version PDF [6]), (Version HTML [7]) (sur le site de Lexico [8]).

[Lebart, 1994], Lebart L. et Salem A. (1994). Statistique textuelle (livre en ligne [9]) Paris, Dunod.

[Véronis, 2000] Véronis, Jean. Alignement de corpus multilingues (Version PDF [10]). In Pierrel, J.-M., éditeur, Ingénierie des langues, Informatique et systèmes d’information, chapitre 6, pages 151–172. Hermès Science, Paris.

[Zimina, 2004a] Zimina Maria, Approches quantitatives de l'extraction de ressources traductionnelles à partir de corpus parallèles. (slides [11]) Présentation à la soutenance de thèse, Université de la Sorbonne nouvelle - Paris 3, le 26 novembre 2004.

[Zimina, 2004b] Zimina Maria, L’alignement textométrique des unités lexicales à correspondances multiples dans les corpus parallèles. (Version PDF [12]) Conférence aux 7es Journées internationales d'Analyse statistique des Données Textuelles JADT'2004[13], Louvain-la-Neuve (Belgique).

[Zimina, 2005] Zimina Maria, Topographie bi-textuelle et approches quantitatives de l’extraction de ressources traductionnelles à partir de corpus parallèles. (Version PDF) Actes des 7es Journées scientifiques du Réseau de chercheurs[14] "Lexicologie, Terminologie, Traduction", Institut supérieur de traducteurs et interprètes (ISTI), Bruxelles, 8-10 septembre 2005.

[Zimina, 2007] Fleury Serge, Maria Zimina, "Exploring Translation Corpora with MkAlign[15]", in Translation Journal, Volume 11, n°1 January 2007.

13 Annexes

13.1 Les expressions régulières

Une expression régulière peut comporter les éléments suivants :

^ désigne le début de champ[16].

Exemple : ^part sélectionne les champs commençant par part

$ désigne la fin de champ.

Exemple : isme$ sélectionne les champs terminés par isme

. (le caractère "point") désigne un caractère quelconque.

Exemple : o.me sélectionne les champs contenant omme, oume, orme, osme etc.

[...] désigne un caractère quelconque qui est un des caractères entre les crochets.

Exemple : o[mu]me sélectionne les champs contenant omme, oume, mais pas orme.

[^...] désigne un caractère quelconque qui n'est pas un des caractères entre les crochets.

Exemple : o[^mu]me sélectionne les champs contenant orme, osme, mais pas omme, oume.

(choix₁|choix₂|...|choix_n) désigne une des possibilités choix₁ ou choix₂ ou ... choix_n.

Exemple : (voul|pers) sélectionne les champs contenant voul ou pers.

Caractères de modification

Placés derrière un caractère quelconque, ou devant un caractère "point" ou devant une expression entre crochets ou devant une expression parenthésée, les caractères "?", "+", "*" ont le rôle suivant :
"?" : rend optionnel le caractère ou l'expression derrière lequel/laquelle il est placé.

Exemples :

ismes?$ sélectionne les champs se terminant par isme ou ismes.
c.?oupe sélectionne les champs contenant coupe, mais aussi par exemple croupe.

"*" : signifie que le caractère ou l'expression derrière lequel/laquelle il est placé peuvent se répéter un nombre quelconque de fois, ou être absent.

Exemples :

vr[aeiouypqrs]* sélectionne les champs contenant vr suivi d'un nombre quelconque de caractères choisis dans l'ensemble [aeiouypqrs].
^c.*oupe$ sélectionne les champs commençant par c et se terminant par oupe (un champ contenant coupe est sélectionné).

"+" : a presque la même signification que le caractère *, à ceci près que le caractère ou l'expression derrière lequel/laquelle il est placé doit être présent et peut se répéter un nombre quelconque de fois.

Exemple : ^c.+oupe$ sélectionne les champs commençant par c et se terminant par oupe (un champ contenant coupe n'est pas sélectionné).

13.2 Fonctionnalités de l’éditeur d’alignement

[1]

Clicking mouse button 1 positions the insertion cursor just before the character underneath the mouse cursor, sets the input focus to this widget, and clears any selection in the widget. Dragging with mouse button 1 strokes out a selection between the insertion cursor and the character under the mouse.

[2]

Double-clicking with mouse button 1 selects the word under the mouse and positions the insertion cursor at the beginning of the word. Dragging after a double click will stroke out a selection consisting of whole words.

[3]

Triple-clicking with mouse button 1 selects the line under the mouse and positions the insertion cursor at the beginning of the line. Dragging after a triple click will stroke out a selection consisting of whole lines.

[4]

The ends of the selection can be adjusted by dragging with mouse button 1 while the Shift key is down; this will adjust the end of the selection that was nearest to the mouse cursor when button 1 was pressed. If the button is double-clicked before dragging then the selection will be adjusted in units of whole words; if it is triple-clicked then the selection will be adjusted in units of whole lines.

[5]

Clicking mouse button 1 with the Control key down will reposition the insertion cursor without affecting the selection.

[6]

If any normal printing characters are typed, they are inserted at the point of the insertion cursor.

[7]

The view in the widget can be adjusted by dragging with mouse button 2. If mouse button 2 is clicked without moving the mouse, the selection is copied into the text at the position of the mouse cursor. The Insert key also inserts the selection, but at the position of the insertion cursor.

[8]

If the mouse is dragged out of the widget while button 1 is pressed, the entry will automatically scroll to make more text visible (if there is more text off-screen on the side where the mouse left the window).

[9]

The Left and Right keys move the insertion cursor one character to the left or right; they also clear any selection in the text. If Left or Right is typed with the Shift key down, then the insertion cursor moves and the selection is extended to include the new character. Control-Left and Control-Right move the insertion cursor by words, and Control-Shift-Left and Control-Shift-Right move the insertion cursor by words and also extend the selection. Control-b and Control-f behave the same as Left and Right, respectively. Meta-b and Meta-f behave the same as Control-Left and Control-Right, respectively.

[10]

The Up and Down keys move the insertion cursor one line up or down and clear any selection in the text. If Up or Right is typed with the Shift key down, then the insertion cursor moves and the selection is extended to include the new character. Control-Up and Control-Down move the insertion cursor by paragraphs (groups of lines separated by blank lines), and Control-Shift-Up and Control-Shift-Down move the insertion cursor by paragraphs and also extend the selection. Control-p and Control-n behave the same as Up and Down, respectively.

[11]

The Next and Prior keys move the insertion cursor forward or backwards by one screenful and clear any selection in the text. If the Shift key is held down while Next or Prior is typed, then the selection is extended to include the new character. Control-v moves the view down one screenful without moving the insertion cursor or adjusting the selection.

[12]

Control-Next and Control-Prior scroll the view right or left by one page without moving the insertion cursor or affecting the selection.

[13]

Home and Control-a move the insertion cursor to the beginning of its line and clear any selection in the widget. Shift-Home moves the insertion cursor to the beginning of the line and also extends the selection to that point.

[14]

End and Control-e move the insertion cursor to the end of the line and clear any selection in the widget. Shift-End moves the cursor to the end of the line and extends the selection to that point.

[15]

Control-Home and Meta-< move the insertion cursor to the beginning of the text and clear any selection in the widget. Control-Shift-Home moves the insertion cursor to the beginning of the text and also extends the selection to that point.

[16]

Control-End and Meta-> move the insertion cursor to the end of the text and clear any selection in the widget. Control-Shift-End moves the cursor to the end of the text and extends the selection to that point.

[17]

The Select key and Control-Space set the selection anchor to the position of the insertion cursor. They don't affect the current selection. Shift-Select and Control-Shift-Space adjust the selection to the current position of the insertion cursor, selecting from the anchor to the insertion cursor if there was not any selection previously.

[18]

Control-/ selects the entire contents of the widget.

[19]

Control-\ clears any selection in the widget.

[20]

The F16 key (labelled Copy on many Sun workstations) or Meta-w copies the selection in the widget to the clipboard, if there is a selection.

[21]

The F20 key (labelled Cut on many Sun workstations) or Control-w copies the selection in the widget to the clipboard and deletes the selection. If there is no selection in the widget then these keys have no effect.

[22]

The F18 key (labelled Paste on many Sun workstations) or Control-y inserts the contents of the clipboard at the position of the insertion cursor.

[23]

The Delete key deletes the selection, if there is one in the widget. If there is no selection, it deletes the character to the right of the insertion cursor.

[24]

Backspace and Control-h delete the selection, if there is one in the widget. If there is no selection, they delete the character to the left of the insertion cursor.

[25]

Control-d deletes the character to the right of the insertion cursor.

[26]

Meta-d deletes the word to the right of the insertion cursor.

[27]

Control-k deletes from the insertion cursor to the end of its line; if the insertion cursor is already at the end of a line, then Control-k deletes the newline character.

[28]

Control-o opens a new line by inserting a newline character in front of the insertion cursor without moving the insertion cursor.

[29]

Meta-backspace and Meta-Delete delete the word to the left of the insertion cursor.

[30]

Control-x deletes whatever is selected in the text widget.

[31]

Control-t reverses the order of the two characters to the right of the insertion cursor.

[1] L’alignement (multilingue) [Véronis, 2000] part de deux textes qui sont en rapport de traduction. Il consiste à établir des correspondances de plus en plus fines (entre les parties du texte : alignement structurel ; entre les phrases : alignement phrastique ; entre les mots : alignement lexical)

[2] Par exemple, la recherche de chaînes de caractères présentées sous forme d’expressions régulières à l’aide de la carte met en valeur les cas de parallélisme (ou les ruptures de parallélisme) dans les distributions lexicales au sein du bi-texte [Zimina, 2005].

[5] Sur la méthode des spécificités on consultera par exemple : (Lafon, 1984) ou en ligne : http://weblex.ens-lsh.fr/doc/weblex/contraste.html#specif

[16] Le terme champ désigne soit la forme graphique d'un mot soit un segment (plusieurs mots consécutifs)