15 Glossaire

Définition des notions essentielles de la textométrie et de TXM.

Les définitions sont organisées en catégories :

• out : Outils
• 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	out	action de réduire le nombre de dimensions des vecteurs représentant les unités textuelles d’une table lexicale (prise comme une matrice de type « parties x mots ») avec l’algorithme d’Analyse Factorielle des Correspondances. Les nouvelles dimensions, en nombre beaucoup plus réduit, 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 de langue standard pour l’ancien français.
Alceste	log	logiciel commercial de textométrie.
annotation	don	propriété d’une unité (lexicale ou structurelle) d’un point de vue logique.
annotation	mét	action d’associer des propriétés à une séquence de mots
balise	don	représentation bornée d’un élément, qui contient ses propriétés, en langage XML
caractère	don	unité élémentaire constituant la forme graphique d’un mot.
CATTEX2009	tal	jeu d’étiquettes morphosyntaxiques pour l’ancien français.
module d’importation	out	composant logiciel qui importe des éléments dans la plateforme TXM, depuis des fichiers source.
Presse-papierN	int	corpus créés à partir du presse-papier sont nommés ‘Presse-papier’+<un numéro>.
CAH	out	action de regrouper les vecteurs représentant les unités textuelles d’une table lexicale à l’aide d’une métrique (ou distance) avec l’algorithme de Classification Ascendante Hiérarchique.
CNR	for	format de données de sortie du logiciel Cordial.
commande	out	outil disponible dans TXM.
concordance	out	manière de présenter les résultats d’une recherche, où toutes les occurrences apparaissent centrées verticalement, au milieu de leur 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.
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 ». Format de fichier texte où chaque ligne est séparée par un saut de ligne et où les valeurs sont séparées par un caractère séparateur (comme la virgule). Extension ‘.csv’
Ctrl	int	touche « Ctrl » ou « Control » sur le clavier.
document	don	texte logique.
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.
éditeur	out	fenêtre où un texte (comme un fichier source ou un script) peut être modifié.
édition	out	représentation d’un texte formatée pour la lecture.
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.
étiquette	tal	propriété morphosyntaxique d’un mot
export	out	action d’enregistrer dans un fichier les résultats d’un outil de TXM.
f	met	le nombre total (ou f-réquence) des occurrences d’une requête CQL dans une partie de partition ou un sous-corpus.
F	met	le nombre total (ou F-réquence) des occurrences d’une requête CQL dans un corpus
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 un outil sur un événement lexical particulier, par exemple à travers une requête.
forme graphique	don	forme graphique d’un mot, généralement calculée par les tokeniseurs.
format	don	convention de représentation d’informations dans un fichier. Par exemple, le format texte brut représente les textes sous forme de séquences de caractères.
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. Analogue à Python ou à Javascript mais pouvant exécuter du Java.
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	out	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.
IRaMuTeQ	log	pour Interface de R pour les Analyses Multidimensionnelles de Textes et de Questionnaires, logiciel de textométrie open-source
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. Le lemme condense toutes les formes fléchies du mot réalisé en discours (exemple, le lemme ‘aimer’ pour les différentes réalisations ‘aime’, ‘aimes’, ‘aiment’, ‘aimais’, ‘aimait’, ‘aimaient’, etc.). Un mot d’un texte peut être annoté par son lemme.
lemmatiseur	log	module logiciel qui fait correspondre une entrée de dictionnaire à chaque mot du texte
lexique	out	lister toutes les formes possibles de mots, ou de fréquences de propriétés de mot, dans un corpus.
Lexploreur	log	ancien logiciel de textométrie académique.
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.
logiciel	log	fichier dont l’exécution produit une action interactive (par le biais d’une interface utilisateur) ou non.
match	tal	correspondance structurelle dans l’algèbre des caractères de propriétés ou des occurrences
métadonnées	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 d’un texte. Elle est généralement construite par les tokeniseurs et peut être annotée par des outils de TAL avec une partie du discours ou bien un lemme. Elle est appelée dans certains contextes ‘token’.
mot simple	don	mot composé d’un seul token.
mot composé	don	mot composé de plusieurs tokens.
Multext	tal	ancien jeu d’étiquettes morphosyntaxiques standard européen.
occurrence	mét	apparition d’un événement textuel dans un corpus, comme une occurrence d’une unité lexicale ou d’un mot.
ODS	for	format de fichier des tableurs Libre Office Calc. Extension ‘.ods’
ODT	for	format de fichier des documents Libre Office Writer. Extension ‘.odt’
opérateur	req	caractère spécial ayant une signification particulière dans une requête.
page	don	segment de texte affiché sur un support (écran ou papier), correspondant généralement à une page d’une édition papier.
partie	don	élément d’une partition d’un corpus.
partition	don	découpage d’un corpus ou d’un sous-corpus en différentes parties exclusives. La somme de toutes ces parties correspond au corpus dans son ensemble. Les parties représentent des unités textuelles (textes, chapitres…) ou bien des valeurs (ou domaines) de propriétés d’unités textuelles (genre textuel, nom d’auteur, année d’édition, sexe ou âge d’auteur ou de locuteur de prise de parole, numéro de chapitre…). On utilise les partitions par le biais des tables lexicales 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 séparée par des ponctuations fortes (‘.’, ‘!’, etc.), construite par les tokeniseurs (phrase orthographique).
phrase	tal	séquence de mots organisés par une structure syntaxique, en général autour d’un verbe, construite par les parseurs (phrase syntaxique).
pivot	out	colonne centrale d’une concordance, affichant toutes les occurrences d’une requête donnée.
PDF	for	format de fichier des graphiques vectoriels ou des documents sources. Extension ‘.pdf’
plateforme	log	les logiciels TXM pour poste et portail TXM sont implémentés à partir d’une unique plateforme.
PNG	for	format de fichier des graphiques bitmaps compressés sans perte. Extension ‘.png’
portail	log	logiciel s’exécutant sur un serveur et accédé par le biais d’un navigateur Internet.
pos	don	pour « part of speech » (partie du discours), les catégories grammaticales ou informations morphosyntaxiques d’un mot. Un mot d’un texte peut être annoté par sa pos.
JPG	for	format de fichier des graphiques bitmaps compressés avec perte. Extension ‘.jpg’
préférence	int	chaque outil 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.
requête	out	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 particulier, contenue dans plusieurs fichiers ou dossiers. Par exemple, le format peut être du texte brut (.txt), du XML ‘.xml’ ou de la TEI (.xml-tei).
sous-corpus	don	sous-ensemble de mots.
spécificité	out	action de lister les unités lexicales spécifiques à chaque partie d’une partition, conformément au modèle quantitatif des spécificités basé sur les quatre paramètres (f, F, t, T).
SVG	for	format de fichier des graphiques vectoriels. Extension ‘.svg’
t	met	le nombre total d’occurrences d’un sous-corpus, comme une partie de partition
T	met	le nombre total d’occurrences dans un corpus
table lexicale	out	tableau de contingence composé de la ventilation des décomptes d’unités lexicales au sein des différentes parties d’une partition d’un corpus. Les tables lexicales forment la représentation vectorielle des unités textuelles de la textométrie.
TAL	log	pour « Traitement Automatique de la Langue ».
TEI	for	pour « Text Encoding Initiative », standard d’encodage des 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.
token	don	nom donné aux mots ou aux unités lexicales dans certains contextes techniques. Un token se caractérise surtout par sa position dans la séquence des tokens et moins par ses propriétés linguistiques. Les tokens correspondent en général aux mots simples.
tokeniseur	log	composant logiciel capable de séparer les mots dans les fichiers source et de les caractériser par des propriétés. Le résultat d’un tokeniseur appliqué à un texte est une séquence de tokens.
TreeTagger	log	logiciel étiqueteur-lemmatiseur universitaire non open-source
TXM	for	format de fichier des corpus TXM. Extension ‘.txm’
TXT	for	format de données d’un fichier en texte brut (sans aucune annotation). Extension ‘.txt’
UD	don	Universal Dependencies. Convention de représentation des relations syntaxiques dépendantielles entre mots des phrases d’un texte.
unité	don	unité lexicale ou structurelle d’un texte.
unité lexicale	don	élément de la séquence des mots d’un texte. Dans TXM les unités lexicales sont construites à la demande dans chaque outil par une combinaison d’une sélection par requête CQL et d’une projection sur les différentes propriétés de mots. Par exemple, tous les lemmes des verbes à l’imparfait : requête [frpos=“VER:impf”], projection sur ‘frlemma’.
unité structurelle	don	élément contenant représentant une 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 sous-corpus, comme une partie de partition.
V	mét	nombre total de formes graphiques différentes d’un corpus.
vocabulaire	out	générer un lexique ou un index.
Weblex	log	ancien logiciel de textométrie académique.
window manager	int	logiciel qui permet d’organiser les différentes fenêtres de son interface de travail.
WORD	for	format de fichier des documents MS Word. Extension ‘.docx’
XLSX	for	format de fichier des tableurs MS Excel. Extension ‘.xlsx’
XML	for	format de données principal des sources des corpus.