Texto4science : Conversions entre langage SMS et français normalisé

Présentation

Le RALI s’emploie à diffuser et analyser les textos canadiens-français, dans le cadre du projet Texto4Science, qui regroupe de multiples partenaires, dont l’Observatoire de linguistique sens-texte.

En mai 2012, Philippe Langlais, Patrick Drouin et leurs collaborateurs ont publié une partie de leurs résultats de recherche dans l'article Texto4Science: a Quebec French Database of Annotated Short Text Messages, disponible en ligne.

Pour plus d'information, veuillez contacter Philippe Langlais ou visiter le site du projet.

Corpus annoté et anonymisé

Le corpus annoté est téléchargeable ici [646 ko].

Il contient le corpus décrit dans l'article mentionné plus haut, et suit le format XML qui y est décrit. Un schéma XSD de validation est également inclus dans l'archive.

Le corpus est anonymisé, de façon à ce qu'aucune information personnelle n'y figure. Les prénoms ont tous été changés pour "Virginie" et "Amélie" lorsqu'il s'agissait d'une femme, pour "Florent" et "Alain" lorsqu'il s'agissait d'un homme, et pour "Claude" et "Aloïs" lorsqu'il s'agissait d'un prénom ambigenre. Les patronymes sont tous devenus "Tremblay", le patronyme le plus courant au Québec. Les adresses et numéros de téléphone ont également été censurés.

Si cependant vous trouvez de l'information personnelle restant dans le corpus, nous souhaiterions vivement que vous nous en avisiez en communiquant avec Philippe Langlais par courriel.

Démo du « normaliseur » automatique de textos

Ce prototype a été réalisé par Fabrizio Gotti et a été présenté dans le cadre d’un Midi Cité, décrit sur le site du CITÉ.

Démo du « texteur » automatique, du français vers le texto

Cette démo a été réalisée par Florent Cottin, stagiaire pendant 2 mois et demi au RALI, à l’été 2011. Il préparait alors un DUT en informatique à l'IUT d'Orsay en France. Il a contribué à l’anonymisation des données personnelles contenues dans les textos, à la spécification du présent site ainsi qu'au développement de cette démo.