Vers un concordanceur-lemmatisateur en ligne du grec ancien

Abstract

Les travaux du Projet de recherche en lexicologie grecque (Université catholique de Louvain, Louvain-la-Neuve, Belgique) visent à élaborer un dictionnaire général du grec ancien applicable aux logiciels de traitement automatique du langage naturel (TAL). Constitué de données lexicales produites par la lemmatisation systématique de sources patristiques et historiographiques d'époque byzantine, ce dictionnaire compte actuellement 174.758 «formes de mots » classées sous 33.874 lemmes accompagnés d'une indication de leur catégorie morphosyntaxique. Les sources littéraires analysées et les données générées ont été adaptées par le CENTAL (Louvain-la-Neuve) à Unitex, un logiciel d'exploration lexicale et syntaxique des textes développé au Laboratoire d'Informatique de l'Institut Gaspard Monge (Paris). Une interface originale permet d'interroger en ligne un corpus expérimental, entièrement lemmatisé et désambiguïsé, limité pour l'instant aux lettres de Basile de Césarée (134.511 occurrences) mais susceptible de s'accroître dans un futur proche. Les requêtes peuvent être formulées sur base des lemmes et des formes ou à partir de motifs syntaxiques. Les réponses s'affichent à l'écran en grec polytonique Unicode sous forme de concordances. Un étiquetage des morphèmes constitutifs des lemmes permet de plus d'appeler les lemmes formellement apparentés à un même mot. Le résultat apparaît sous la forme d'une « arborescence dérivationnelle » rassemblant les dérivés et les composés du terme étudié.