Lexique français pour l'analyse automatique (Jean Beney)

Jean Beney

Lexique français pour l'analyse automatique

Avertissement

La liste des formes des mots du français a été constituée principalement suivant l'algorithme utilisé par l'association GUTenberg (pour le programme ispell ou mieux hunspell) et pour OpenOffice. Cet algorithme a été modifié pour ajouter automatiquement les traits des verbes en fonction des terminaisons (voir ci-dessous les données utilisées par ce programme).
Il a été complété par quelques mots apparus dans les documents qui ont servis d'exemples, mais surtout par des listes de mots composés glanées ça et là sur le web. Le lexique a été comparé à celui diffusé par l'Association des Bibliophiles Universels (http://abu.cnam.fr/DICO), ce qui a permis de corriger quelques erreurs ; de même avec le lexique Morphalmou (http://www.cnrtl.fr/lexiques/morphalou/).

Mises à jour

11/2/15

Quelques 300 verbes ont été vérifiés et leurs formes refabriquées automatiquement.

Les participes passés ont été mis dans un fichier à part. Ils ont maintenant 2 lemmes : l'infinitif utilisé quand il s'agit d'un verbe conjugué ; le masculin singulier pour les cas où ils sont utilisés comme adjectifs.

Un fichier donne une liste de verbes qui se conjuguent avec l'auxiliaire être.
18/1/14

Depuis la diffusion de la version précédente, de nombreuses erreurs ont été corrigées. Des fréquences approximatives ont été mises pour des mots dont l'ambiguïté posait problème.

La grammaire utilise maintenant des informations de sous-catégorisation des verbes pour lever les ambiguïtés. Ces informations ont été extraites de celles fournies par ALEXINA/LEFFF. Les affixes utilisés sont en général les mêmes que dans LEFFF.
Il est prévu d'utiliser bientôt d'autres propriétés.

22/12/06 :
Entre autres sources qui nous ont permis de compléter ce lexique, citons la liste de mots composés collectés pour la campagne EASY.

10/3/07 :
L'extension du fichier des affixes pour engendrer les formes de la plupart des verbes avec leurs traits morphologiques est bien avancée. Nous obtenons ainsi 84 600 formes (vgut.dat) qui étaient absentes du lexique de l'ABU. Les fichiers qui ont permis de les fabriquer sont joints. Ils sont limités aux formes verbales et à leurs affixes.
Le croisement de ce lexique fabriqué et de celui existant a permis de trouver de nombreuses erreurs. Les formes enlevées ont été mises en commentaire dans le fichier verb.dat.

6/9/07 :
Les expressions prépositionnelles qui se terminent par de ont été mises dans une catégorie prepde ce qui permet d'engendrer les formes correspondantes en d', du, des. De même les expressions conjonctionnelles en que (ConSubque) pour engendrer les formes en qu'.

26/10/07
De nouveaux ajouts ont été faits à partir de GUT/OOo, principalement des formes féminines de noms et d'adjectifs qui manquaient.

17/04/08
Quelques autres formes de mots ont été ajoutées.

16/02/09
Un paramètre lemme a été ajouté a certains verbes. Les autres verbes et autres mots seront progressivement enrichis de la même manière.

10/03/09
Le lemme a été ajouté à la plupart des noms et adjectifs.

3/2/10
D'autres lemmes ont été ajoutés, notamment pour les mots techniques utilisés lors de l'analyse de brevets.
À ce propos, de nombreuses formes ont été ajoutées, qui apparaissent dans des brevets et qui manquaient. Ce ne sont pas que des mots techniques.
Remarquez que noms.dat, verbes.dat et adjs.dat contiennt les formes qui n'ont pas vraiment été vérifiées.

20/10/10
Peu d'ajout depuis la dernière fois, mais un début de classement pour faciliter la recherche.

1/2/11
Les fichiers Noms.dat et Adjs.dat ont été vérifiés en recherchant les mots qui n'avaient pas de pluriel ou de singulier (ou de féminin ou de masculin pour les adjectifs) et en consultant les dictionnaires pour décider si cela est normal.

Listes des fichiers

Les formes de mots ont été séparées en plusieurs fichiers pour des raisons pratiques.
Ces fichiers sont en UTF-8. Il se peut qu'ils soit mal affichés, mais, si vous les engregistrez, ils seront corrects.
Comme leur suffixe est .dat, il se peut, sous Windows, que votre navigateur refuse de les ouvrir car il les considère comme des fichiers du système. Enregistrez-les et regardez-les avec lun éditeur de texte.

Nlem.dat noms.dat	les noms communs et d'autres non vérifiés
Vlem.dat verbes.dat Ppas.dat	les verbes et ceux qui n'ont pas encore leur lemme
adjs.dat	les adjectifs
advs.dat	les vrais adverbes
pro.dat	les divers pronoms et assimilés : les mots-phrases et les négations
det.dat	les divers déterminants
cons.dat	les conjonctions et prépositions

Informations de sous-catégorisation :

vsub.fct
verbeetre.fct

quelques propriétés des verbes.
verbes se conjugant avec être.

Abréviations utilisées

types de mots (parties du discours)

Nom(GENRE, NOMBRE) Nom(GENRE, NOMBRE, TEXT)	Nom Nom avec son lemme (singulier)
Verb(TEMPS, NOMBRE, PERSONNE) Verb(TEMPS, NOMBRE, PERSONNE, TEXT) Verb(TEMPS) Verb(TEMPS, TEXT) Vppas(GENRE, NOMBRE)	Verbe Verbe avec son lemme (infinitif) infinitif ou participe présent idem avec le lemme Participe passé accordé
Adj(GENRE, NOMBRE) Adj(GENRE, NOMBRE, TEXT)	Adjectif Adjectif avec son lemme (masculin, singulier)
Adv Adv(Text)	Adverbe Expression adverbiale avec une forme standard
Pronoms
CliSuj(GENRE, NOMBRE, PERSONNE) CliCom(GENRE, NOMBRE) SubPer(GENRE, NOMBRE, PERSONNE) ProInd(GENRE, NOMBRE) ProRef(GENRE, NOMBRE, PERSONNE)	Pronom clitique sujet Pronom clitique complement Substantif personnel Pronom indéfini Pronom réflexif
ProPos(GENRE, NOMBRE) ProDem(GENRE, NOMBRE) ProRel(GENRE, NOMBRE) ProInt	Pronom possessif Pronom démonstratif Pronom relatif Pronom nterrogatif
Déterminants
ArtDef(GENRE, NOMBRE) ArtInd (GENRE, NOMBRE) ArtPar(GENRE, NOMBRE)	Article défini Article indéfini Article partitif
DetPos(GENRE, NOMBRE) DetDem(GENRE, NOMBRE) DetInd(GENRE, NOMBRE) DetIndde(GENRE, NOMBRE)	Possessif Démonstratitf Déterminant indéterminé Déterminant indéterminé suivi de "de" ou "d'"
DetNeg(GENRE, NOMBRE) DetInt(GENRE, NOMBRE) Coll(GENRE) Numeral	Déterminant négatif Déterminant interrogatif Déterminant collectif Nom de nombre
connecteurs
ConCoo	Conjonction de coordination
ConSub ConSubque	Conjonction de subordination Conjonction de subordination finissant en que
Prep Prepde Prepa	Préposition Préposition se terminant en de Préposition se terminant en a
Negation	Négation
MotPhrase	Mot-phrase

affixes

GENRE :: mas \| fem.
NOMBRE :: sing \| plur.
PERSONNE :: un \| deux \| trois.
TEMPS :: ipre \| ipsim \| iimp \| ifut \| spre \| simp \| cpre \| impre \| inf \| ppas \| ppre .	indicatif subjonctif, conditionnel, imperatif infinitif, participes
spre \| simp \| cpre \|	subjonctif, conditionnel
inf \| ppas \| ppre .	infinitif, participes
POSIT :: avant \| apres \| attribut.	position privilégiée ou obligatoire pour certains adjectifs
REDIS :: actif \| passif.	sous-catégorisation des verbes (redistribution)
COMPL :: de-sn \| COMPLMDE . COMPLMDE :: aucun \| sn \| avec-sn \| pour-sn \| LOCSN \| COMPLINF . COMPLINF :: sinf \| a-sinf \| de-sinf \| par-sinf \| pour-sinf . LOCSN :: a-sn \| par-sn \| en-sn \| contre-sn \| sur-sn \| sous-sn \| devant-sn \| apres-sn \| dans-sn \| vers-sn \| comme-sn .	sous-catégorisation : compléments préférentiels des verbes

Courriel : jean.beney@ouvaton.org
CV : http://jeanbeney.ouvaton.org