Boite à outil n°1 | Boite à outil n°2 | Boite à outil n°3 | Boite à outil n°4
                                                                                                       HAMRI Nacer ( M1 TAL )
 

UNIERSITE DE PARIS III  NOUVELLE SORBENNE

TAL Ingénierie Linguistique de PARIS III

Travail BOITE A OUTIL 1 , 2 ,
3 , 4

 FILTRAGE ET ETIQUETAGE
EXTRACTION TERMINOLOGIQUE

REPRESENTATION EN GRAPHES


Boite à outil Serie 1:
Dans cette partie il s'agit de parcourir l'ensemble de l'arboressence à la recherche des fichiers fils, puis extraire le contenu des balises "DESCRIPTION"

                                     <description>        CONTENU           </description>

et fourinir en resultat un fichier XML bien forme ou bien constitue à partir du fichier resultat de cette forme avec une feuille de style XSLT de cette forme
   
     Pour se faire on s'est servit des differents script fourini gracieusement par nos chers enseignants à savoir le script de parcours , en appliquant le script filteur
     Pour extraire le contenu des balises en question, et le script netoyeur , pour enlever les caracteres speciaux et les remplacer par les caracteres qu'il faut. tout
     Ca en apportant les modifications appropriées à ces scripts bien sure.
   
     A partir de ces données on a etablit le scripts de parcours, filtrage, et netoyage TPPERL.PL , on exécutant ce script on obtient en resultat ce fichier XML :
     SORTIE.XML met en forme avec la feuille de style suivante:  STYLE.XSL 
         
Boite à outil Serie 2:

Dans cette deuxième partie il est demandé d'étiqueter le texte des balises description filttré d'abord avec l'étiqueteur TreeTagger, ensuite avec l'étiqueteur Cordial.

 
Il est demande comme au dans la premiere partie de fournir les resultats sous forme d'un fichier XML avec une feuille de style.
   
On voudrais souligner juste que dans cette partie l'etiquetage du texte prend un tres grand temps, et du fait l'affichage des resultats (fichier XML) prend              énormement de temps pour se telecharger entierement car ca constitue un nombre relativement important de données traites par le treetagger.  

Etant donnée ce petit soucis on vous propose ici des liens vers des échantillons d'annalyse facile a afficher. qu'on a appliquer sur deux fichier seulement pour limiter le temps d'attente pour l'affichage, et permettre de voir un aperçu des résultats.
Donc on a utilisé pour se faire ce script de parcours etiquetage: TPPERLTREE.PL, qui apres exécution nous donne le résultat suivant: TEXT.TXT ou sont stokés les contenus des balises decription mot par ligne. 

ce texte que la boucle de taggage prend en entréé pour nous fournir en sortie un fichier etiqueté et lématisé: RESULTAT-TAGGAGE.TXT ,

un script perl transforme après cette sortie texte en fichier XML structuré RESULTAT-TAGGAGE.xml    avec la feuille de style XSLT fournie dans la boite à outil 2: SORTIE-ETIQUETAGE.XSL
 

aprés on a effectué un autre etiquatage sur le fichier TEXT.TXT mais cette fois-ci avec l'étiqueteur Cordial; voici les resultats: cordial.txt

ces résultats donc, on précise bien sont juste des échantillons pour vous permettre de visualiser les resultats obtenus. vu la dimension du corpus.

Néamoins on vous fourni d'autres liens pour les mêmes résultats demandés dans la boite à outil Numéro2. mais ces liens concerne l'étiquetage de la totalité des contenus des fichiers de l'arboressence,  pour les plus patients.
       Fichier texte:  TEXT.TXT   ( mot par ligne ) .
       Fichier  resultat apres taggage : RESULTAT-TAGGAGE.TXT
       Fichier resultat taggage au format XML : RESULTAT-TAGGAGE.xml
       Feuille de style XSLT utilisée : SORTIE-ETIQUETAGE.XSL

Boite à outil Serie 3:
se basant sur les résultats obtenus dans la boite à outils 2; a savoir deux fichiers contenant le texte étiqueté; le premier avec TREETAGGER, et le second avec CORDIAL. on a effectue une operation de recherche et d'extraction terminologique. pour realiser cette tache on a utilise un script Trouve.pl qui prend en entrée un fichier issu de l'etiquetage soit avec treetagger, ou avec cordial plus un fichier de patron; qui spécifie les catégories qu'on veut extraire.

1. Sur la base des résultats de treetagger:
 donc comme on vient de le mentionner en haut; on a utilisé un script: trouve.pl qu'on a modifie en sorte qu'on obtienne une sortie Xml, a qui on appliquer une feuille de style Xsl pour visualiser les resultats.

Script utilisé :     trouve.pl
Argument [0]:     outtagger.txt
Argument [1]:     patron.txt
Fichier trace:     Trace.txt
Resultats txt :     resultat.txt
Resultats.xml :   résultatermino.xml
Feuille de style: style.xsl

2. sur la base des résultats de Cordial:

Script utilisé :      trouve_cordial.pl
Argument [0]:      Cordial.cnr
Argument [1]:      patron
Resultats.txt :      résultatermino1.txt

Boite à outil Serie 4:
A l'issue du travail effectué dans la  Boîte à Outils Série 3 on est arrivé à extraire des suites de tokens correspondant à des patrons morpho-syntaxiques prédéfinis. Dans cette quatrième étape, on doit construire des graphes donnant à voir ces patrons.
la première étape consiste
à transformer cette liste de patrons au format graphml. Pour cela on utilise le programme perl patron2graphml.pl, celui-ci prend en entrée une liste de patrons (argument 0 du programme) et il construit en sortie un fichier au format graphml. le fichier obtenu ressemblera à ça:  patron-graphml.xml  sur lequel on applique la feuille de style suivante :  ::::: GraphML2Pajek.xsl

la dernière étape consiste à charger le résultat dans Pajek pour obtenir le graphe.

1.sur la base des résultats de treetagger:


Le programme 
patron2graphml.pl prend en entree le resultat d'extraction terminologique: resultpatron.txt
on obtient après exécution du programme le fichier xml suivant: graphml.xml
fichier Xml sur lequel on applique la feuille de style fourni en cours: graphpajek.xsl
par la suite on a charge le fichier Xml sur COOCTOP en appliquant sur la feuille de style en question; et on a eu en résultat un fichier qu'on a enregistré sous forme (.net) : pajek.net
et on a obtenu le graphe suivant ( a base des résultat ontebus sur Treetagger):



1.sur la base des résultats de cordial:

Fichier contenant le resultat d'extraction terminologique sur les données de cordial: resultpatroncordial.txt
on obtient après exécution du programme le fichier xml suivant: graphmlcordial.xml
fichier Xml sur lequel on applique la feuille de style fourni en cours: graphpajek.xsl
par la suite on a charge le fichier Xml sur COOCTOP en appliquant sur la feuille de style en question; et on a eu en résultat un fichier qu'on a enregistré sous forme (.net) : pajek1.net
et on a obtenu le graphe suivant ( a base des résultat ontebus sur Treetagger):