Lemmatisation

Lemmatisation

La lemmatisation désigne l'analyse lexicale du contenu d'un texte regroupant les mots d'une même famille. Chacun des mots d'un contenu se trouve ainsi réduit en une entité appelée lemme (forme canonique). La lemmatisation regroupe les différentes formes que peut revêtir un mot, soit : le nom, le pluriel, le verbe à l'infinitif, etc.

Sommaire

Généralités

Les mots (lemmes) d'une langue utilisent plusieurs formes en fonction de leur genre (masculin ou féminin), leur nombre (un ou plusieurs), leur personne (moi, toi, eux, ...), leur mode (indicatif, impératif, ...) donnant ainsi naissance à plusieurs formes pour un même lemme.

La lemmatisation d'une forme d'un mot consiste à en prendre sa forme canonique. Celle-ci est définie comme suit :

On notera donc que toutes les entrées d'un dictionnaire sont lemmatisées et qu'il en est de même pour les titres des articles de Wikipédia (au moins ceux constitués d'un seul lemme).

Exemples

L'adjectif petit existe sous quatre formes : petit, petite, petits et petites. La forme canonique de tous ces mots est petit.

Il existe beaucoup plus de formes du verbe avoir : ai, as, a, avons, ais, avons eu, ayez eu, eussions eu, aurions eu, etc. La forme canonique de eussions eu est avoir.

Usage en informatique

En informatique, il est difficile pour un programme de savoir que eussions eu et avoir sont deux facettes d'un même terme. La lemmatisation est donc une opération préliminaire pour la reconnaissance des mots d'une phrase.

Voir aussi

Articles connexes

Liens externes


Wikimedia Foundation. 2010.

Contenu soumis à la licence CC-BY-SA. Source : Article Lemmatisation de Wikipédia en français (auteurs)

Игры ⚽ Поможем сделать НИР

Regardez d'autres dictionnaires:

  • Lemmatisation — is the process of grouping together the different inflected forms of a word so they can be analysed as a single item (cf. Collins English Dictionary , entry for lemmatise ).In computing, lemmatisation is the algorithmic process of determining the …   Wikipedia

  • lemmatisation — lemmatiser [ lematize ] v. tr. <conjug. : 1> • v. 1970; de l angl. to lemmatise ♦ Ling. Donner à (un mot variable [accord, conjugaison, etc.] du discours) une forme canonique servant d entrée de dictionnaire. N. f. LEMMATISATION .… …   Encyclopédie Universelle

  • lemmatisation — noun The process of finding the lemma that corresponds to an inflected form of a word See Also: lemmatise, lemmatiser …   Wiktionary

  • lemmatisation — lemmatizāˈtion or lemmatisāˈtion noun • • • Main Entry: ↑lemma …   Useful english dictionary

  • Racinisation — La racinisation (ou désuffixation, ou stemming en anglais) est le nom donné au procédé qui vise à transformer les flexions en leur radical ou stemme. Il cherche à rassembler les différentes variantes flexionnelle et dérivationnelle d’un mot… …   Wikipédia en Français

  • Stemming — is the process for reducing inflected (or sometimes derived) words to their stem, base or root form ndash; generally a written word form. The stem need not be identical to the morphological root of the word; it is usually sufficient that related… …   Wikipedia

  • lemme — [ lɛm ] n. m. • 1613; lat. imp. lemma; mot gr.; → dilemme 1 ♦ Math. Résultat intermédiaire utilisé en cours de raisonnement lors d une longue démonstration. 2 ♦ Philos. Proposition accessoire, démontrée ou admise, qui permet de poursuivre le… …   Encyclopédie Universelle

  • Lemma (linguistics) — In linguistics a lemma (plural lemmas or lemmata ) has two distinct interpretations: # morphology / lexicography: the canonical form or citation form of a set of forms (headword); e.g. in English, run , runs , ran and running are forms of the… …   Wikipedia

  • Richard Goulet — est né à Montréal, au Québec, en 1943. Il est directeur de recherche émérite au Centre national de la recherche scientifique (CNRS) ― U.P.R. 76 : « Histoire des doctrines de la fin de l Antiquité Année Philologique »[1]. Il a… …   Wikipédia en Français

  • LEXICOMÉTRIE (domaine français) — LEXICOMÉTRIE, domaine français Depuis Zipf et Yule (1930 1950) et, en France, P. Guiraud (1954, 1960), l’étude quantitative du vocabulaire, qu’on la nomme «statistique lexicale» ou «lexicométrie», a beaucoup évolué. Elle est devenue plus… …   Encyclopédie Universelle

Share the article and excerpts

Direct link
Do a right-click on the link above
and select “Copy Link”