La base CBMA désormais disponible sous TXM

La documentation réunie dans la base de données, essentiellement diplomatique (environ 27 000 unités textuelles), est maintenant lemmatisée et disponible pour installation sous le logiciel TXM (Textométrie) (par Nicolas Perreaux).

Rappels

Le Corpus Burgundiae Medii Aevi (CBMA, http://www.cbma-project.eu/) est aujourd’hui le premier corpus diplomatique lemmatisé en accès ouvert. La base pour TXM contient dans son état actuel 27 094 documents, essentiellement latins, répartis du VIe au XIVe siècle, soit plus de 6,1 millions de mots. Au total, plus de 70 éditions ont été numérisées depuis 2004 afin d’aboutir à cet ensemble[1]. Disponible dans divers formats, déjà interrogeable grâce au logiciel Philologic (dir. Mark Olsen, ARTFL, Université de Chicago)[2], la base est ainsi disponible dans un nouveau format, adapté au logiciel TXM.

La lemmatisation est une étape essentielle dans l’examen numérique des textes anciens, car elle rend possible des interrogations philologiques et sémantiques formalisées complexes. Grâce à elle, il devient envisageable d’interroger non seulement des formes (ex. : « aquam »), mais aussi des lemmes subsumant toutes les formes qui lui sont liées (ex. : « aqua » permet d’obtenir les informations pour « aqua », « aquam », « aquae », « aquas », « aquarum », etc.).  Les textes du corpus CBMA ont été lemmatisés grâce aux paramètres développés par l’équipe de l’ANR Omnia (http://www.glossaria.eu/treetagger/) pour le logiciel TreeTagger[3]. Cette lemmatisation offre d’ores et déjà d’excellents résultats, même s’ils restent perfectibles : merci de nous signaler les erreurs rencontrées au cours de vos recherches.

Les logiciels permettant l’exploitation d’une base de textes anciens lemmatisés sont peu nombreux. TXM-Textométrie, développé depuis 2007 (dir. Serge Heiden, ENS Lyon) offre de nombreux avantages. Open Source, la plateforme d’interrogation présente une interface simple, efficace et flexible. La formulation des requêtes se fait sur le modèle du CQL (Corpus Query Language), grâce à l’utilisation du moteur de recherche plein texte CQP (Corpus Query Processor)[4].

Installation et métadonnées du corpus

L’installation de la base CBMA requiert au préalable celle de TXM[5]. Le logiciel est téléchargeable sur le site mentionné ci-dessus, pour Linux, Mac OS X et Windows[6]. Une fois celui-ci disponible sur votre système d’exploitation, il s’agit d’installer la base CBMA.

Ces réalisations ont été possibles grâce au soutien du Lamop (UMR 8589), du LabEx haStec (en partenariat avec l’IRHT, le CESOR, le Centre Jean Mabillon, le CERCOR) et du  SFB 1095-Université de Francfort.

 

[1] La liste des éditions employées est disponible à cette adresse : http://www.cbma-project.eu/%C3%A9ditions/textes-diplomatiques.html. L’historique du projet, ici : http://www.cbma-project.eu/accueil2/historique.html

[2] http://philologic.cbma-project.eu/

[3] Le logiciel TreeTagger est un étiqueteur morphosyntaxique (POS – Part of Speech) permettant la lemmatisation : http://www.cis.uni-muenchen.de/~schmid/tools/TreeTagger/. Concernant le développement de l’ANR Omnia, voir B. Bon, « OMNIA – Outils et Méthodes Numériques pour l’Interrogation et l’Analyse des textes médiolatins », in : Bulletin du Centre médiéval d’Auxerre, vol. 13 (2009) : https://cem.revues.org/11086 ; vol. 14 (2010) : https://cem.revues.org/11566 ; vol. 15 (2011) : https://cem.revues.org/12015.

[4] http://cwb.sourceforge.net/

[5] TXM possède un manuel détaillé, auquel s’ajoute une liste de diffusion où il est possible de poser des questions techniques : https://sourceforge.net/projects/txm/files/documentation/

[6] Au 30.08.2017, la version actuelle est la 0.7.8., datée du 20.04.2017 : http://perso.ens-lyon.fr/serge.heiden/txm/files/software/TXM/0.7.7/

coralinerey

Doctorante en histoire médiévale, Centre Georges Chevrier UMR 7366, Université de Bourgogne-Franche-Comté

More Posts

Nouveautés proposées par le projet CBMA

L’équipe CBMA est heureuse de vous annoncer la nouvelle mise à jour de la base de données, toujours disponible sous format Filemaker, csv et tab. La base compte aujourd’hui plus de 23 000 documents. Ont été ajoutés : des listes de manuscrits (Cluny, Saint-Bénigne de Dijon, Perrecy-lès-Forges), des chartes de l’abbaye de Saint-Rigaud, et les pièces justificatives des cinq premiers tomes d’Ernest Petit, Histoire des ducs de Bourgogne de la race capétienne (chartes et documents épigraphiques). Ces documents peuvent également être consultés et téléchargés en format txt, doc ou pdf.

CBMA commence à constituer des corpus de documents non diplomatiques. Afin de prévoir leur intégration, deux rubriques typologiques ont été ajoutées à la base. Cette évolution importante du projet est à l’origine de la journée d’études « Qu’est-ce qu’un corpus ? » qui aura lieu le lundi 7 novembre 2016 et à laquelle vous êtes cordialement invités.

En partenariat avec les archives départementales de la Côte d’Or, les comptes de l’abbaye de Cîteaux sur tablettes de cire ont été mis en ligne, sous format Flipbook. N’hésitez pas à télécharger le PDF.

Le site Internet a également été l’objet de quelques modifications, proposant ainsi une navigation plus aisée, notamment pour les onglets Editions et Manuscrits.

Une nouvelle page, Cartulaires et documents – liens vers d’autres sites, propose désormais des liens vers des documents bourguignons numérisés par d’autres institutions. Les cartulaires et documents numérisés grâce à l’aide de nos partenaires, sont toujours disponibles sur les pages Cartulaires et documents en format flipbook et Cartulaires et documents cisterciens.

Ces avancées ont été possibles grâce au soutien du Lamop (UMR 8589) et du Consortium Cosme.

coralinerey

Doctorante en histoire médiévale, Centre Georges Chevrier UMR 7366, Université de Bourgogne-Franche-Comté

More Posts

Mise en ligne des communications de la journée d’étude « Outils, méthodes, corpus : la modélisation des données en SHS »

Les communications de la journée d’étude proposée par l’INHA le 17 novembre 2014, « Outils, méthodes, corpus : la modélisation des données en SHS », ont été mises en ligne à l’adresse suivante : http://invisu.inha.fr/lundi-17-novembre-2014-Outils. Vous trouverez sur cette page un rappel du programme de la journée, les communications ainsi qu’une brève présentation des intervenants.

coralinerey

Doctorante en Histoire médiévale, Centre Georges Chevrier, UMR 7366, Université de Bourgogne-Franche-Comté

More Posts