Multext-Cataloc

Le projet MULTEXT-CATALOC, financé par le programme "Langues régionales et minoritaires" de la Commission Européenne (DGXXII), est une extension du projet MULTEXT visant à étendre le domaine des langues couvertes à deux langues minoritaires, le catalan, et l'occitan.

Table des Matières

• 0. Description du projet
• 0.1 Objectifs
• 0.2 Programme de travail
• 0.3 Résultats attendus
  • 0.3.1 Rapports
  • 0.3.2 Données informatisées
  • 0.3.3 Retombées espérées
• 0.4 Choix des langues
• 0.5 Fiche technique
  • 0.5.1 Partenaires
  • 0.5.2 Durée et calendrier
  • 0.5.3 Contact
• 1. Normalisation et encodage
  • 1.1 Normalisation et encodage du Catalan
    • 1.1.1 Introduction
    • 1.1.2 Encodage des caractères
    • 1.1.3 Encodage de documents
    • 1.1.4 Variantes graphiques
    • 1.1.5 Bibliographie
    • 1.1.6 Conclusions
  • 1.2 Normalization and encoding of Occitan
    • 1.2.1 Foreword
    • 1.2.2 Encoding of characters in Occitan
    • 1.2.3 Encoding of structured documents (in relation with the Text Encoding Initiative)
    • 1.2.4 Graphical varieties of Occitan
      • 1.2.4.0. Definition of the Occitan language
      • 1.2.4.1. Graphical systems
        • 1.2.4.1.1. The Alibert system
          • A. Languedocian
          • B. Alpine or Vivarese-Alpine
          • C. Auvergnat
          • D. Gascon
          • E. Limousin
          • F. Provençal
        • 1.2.4.1.2. The Mistral system
          • A. Provençal
          • B. Gascon
          • C. Languedocian
        • 1.2.4.1.3. The Bonnaud system
      • 1.2.4.2. The dialect variants
        • 1.2.4.2.1. The dialects
        • 1.2.4.2.2. Phonetical variations
          • A. Alpine
          • B. Auvergnat
          • C. Gascon
          • D. Limousin
          • E. Languedocian
          • F. Provençal
        • 1.2.4.2.3. Morphological variations
        • 1.2.4.2.4. Lexical variations
      • 1.2.4.3. Additional remarks
    • 1.2.5 Conclusions
    • 1.2.6 Bibliography
  • 1.3 Annexes : Table comparative des différents systèmes de codification des caractères
• 2. Création de ressources linguistiques : lexique et corpus
  • 2.1 Création de lexiques
    • 2.1.1 Spécifications lexicales du Catalan
      • 2.1.1.1 Nouns (N)
      • 2.1.1.2 Verbs (V)
      • 2.1.1.3 Adjectives (A)
      • 2.1.1.4 Pronouns (P)
      • 2.1.1.5 Determiners (D)
      • 2.1.1.6 Adverbs (R)
      • 2.1.1.7 Adpositions (S)
      • 2.1.1.8. Conjunctions (C)
      • 2.1.1.9 Numerals (M)
      • 2.1.1.10 Interjection (I)
      • 2.1.1.11 Residual (X)
    • 2.1.2 Spécifications lexicales de l'Occitan
      • 2.1.2.0. Introduction : Sub-specification to provencal dialect
      • 2.1.2.1 Nouns (N)
      • 2.1.2.2 Verbs (V)
      • 2.1.2.3 Adjectives (A)
      • 2.1.2.4 Pronouns (P)
      • 2.1.2.5 Determiners (D)
      • 2.1.2.6 Adverbs (R)
      • 2.1.2.7 Adpositions (S)
      • 2.1.2.8 Conjunctions (C)
      • 2.1.2.9 Numerals (M)
      • 2.1.2.10 Interjection (I)
      • 2.1.2.11 Unique Membership Class (U)
      • 2.1.2.12 Residual (X)
    • 2.1.3 Lexique Occitan
      • 2.1.3.1 Méthode
      • 2.1.3.2 Quantification du lexique par catégorie grammaticale
      • 2.1.3.3 Extrait du lexique occitan
    • 2.1.4 Lexique Catalan
      • 2.1.4.1 Création du lexique catalan
      • 2.1.4.2 Quantification du lexique par catégorie grammaticale
      • 2.1.4.3 Extrait du lexique catalan
  • 2.2 Création de corpus
    • 2.2.1 Corpus Catalan
    • 2.2.2 Corpus Occitan
      • 2.2.2.1 Recueil de données textuelles électroniques
      • 2.2.2.2 Nature du corpus
      • 2.2.2.3 Encodage du corpus
      • 2.2.2.4 Quantification du corpus
        • A. Corpus Global
        • B. Corpus Aligné
      • 2.2.2.5 Annexe : table ISO 639 des codes de langues
• 3. Application des outils Multext
  • 3.1 Introduction
  • 3.2 Etat des lieux
  • 3.3 Les ressources du segmenteur (MtSeg) et de l'etiqueteur lexical (MtLex)
  • 3.4 Annexes
    • Table des abbréviations de l'occitan
    • Table des unités morphologiques de l'occitan
    • Table des mots composés de l'occitan
    • Table de correspondance tag lexique-tag corpus
  • 3.5 Enchantillons des fichiers traités
    • échantillons bruts
      • après segmentation
      • après etiquettage lexical
      • après alignement (français-provençal)
    • échantillon CesDoc (corpus source)
    • échantillons CesAna
      • après segmentation
      • après etiquettage lexical
    • échantillon CesAlign (français-provençal)

Contact

Dr. Jean Véronis (coordinateur)
Laboratoire Parole et Langage
CNRS & Universite de Provence
29, Av. Robert Schuman
13621 Aix-en-Provence Cedex 1 (France)

Tel.: +33 42 95 36 34

Fax : +33 42 59 50 96

e-mail : veronis@univ-aix.fr