Les catégories grammaticales
L'ensemble des textes ont été catégorisés (étiquetés en partie de discours, ou POS). Cela signifie que chaque mot a reçu une étiquette grammaticale. Voici la liste des codes grammaticaux utilisés pour cet étiquetage.
| CODE | Notion grammaticale |
|---|---|
| ADJ | adjectif |
| ADV | adverbe |
| CC | conjonction de coordination |
| CS | conjonction de subordination |
| CLO | clitique objet |
| CLS | clitique sujet |
| DET | déterminant |
| ET | mot étranger |
| I | interjection |
| NC | nom commun |
| NP | nom propre |
| P+D | préposition + déterminant |
| PONCT | ponctuation |
| PRO | pronom |
| PROREL | pronom relatif |
| PROWH | pronom interrogatif |
| P | préposition |
| V | verbe conjugué |
| VINF | verbe à l’infinitif |
| VPP | verbe participe passé |
| VPR | verbe participe présent |
| X | mot non traité |
Pour les textes postérieurs à 1850, le jeu d’étiquettes proposés par Crabbé et Candito1 a été utilisé, et modifié à la marge.
- Une étiquette X a été ajoutée, pour les cas les plus problématiques.
- Sept étiquettes ont été supprimées. Il s’agit d’étiquettes qui étaient associées à peu de formes et d’étiquettes davantage bénéfiques pour l’analyse syntaxique que pour la seule catégorisation.
- Les étiquettes spécifiques aux clitiques sujets (je, tu, il, elle, on, ça, nous, vous, ils, elles) et objets (le, la, les, lui, leur, y, en) ont été conservées. Elles rendent compte d’un emploi particulier des pronoms personnels en tant que sujet ou objet de verbes.
- ^
^ Benoît Crabbé and Marie Candito. Expériences d’analyse syntaxique statistique du français. In 5ème conférence sur le Traitement Automatique des Langues Naturelles - TALN’08, pages pp. 44–54, Avignon, France, June 2008.
