Atelier Approches numériques des langues non standardisées, Neuchâtel, 2023-09-12

Données

• Corpus de tchat (CoMeRe, LIG-GETALP - Univ Grenoble) [corpus]
• Corpus 14 (Praxiling - Montpellier 3)
• Corpus Presto Noyau (Presto, ICAR - ENS Lyon) [corpus]

Outils

À télécharger

1. DownThemAll
2. Sublime Text
3. LibreOffice
4. TXM (optionnel) (IHRIM, ENS Lyon)

En ligne

1. Échantillons des 3 corpus ci-dessous, pour les gens qui n'ont pas envie de télécharger 1Go
2. Outil de formatage (LLF - CNRS - Univ Paris Cité)
3. Parsing avec TreeTagger (AnaText, LIDILEM - Univ Grenoble)
4. Parsing avec Spacy (LLF - CNRS - Univ Paris Cité)

Pense-bête

DownThemAll

Paramétrage

1. Clic->Préférences
2. Onglet General − When a file exists => Overwrite
3. Onglet Network − Concurrent downloads => 1

Sublime Text

Regex pour l'extraction:
<(p|title|h1|h2|h3|h4|h5)( [^>]+)?>.*?</\1>