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/

Coraline Rey

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

More Posts

Textes hagiographiques proposés par CBMA

Depuis quelques semaines, le programme CBMA a commencé la mise en ligne de textes hagiographiques, en latin, concernant des saints bourguignons. Ces textes sont disponibles au format .txt (UTF 8).

La Bibliotheca hagiographica latina a permis de récupérer les références aux éditions. Les textes sont ajoutés au fur et à mesure de leur réception. Dans un premier temps, l’équipe des CBMA privilégie les textes aisément et commodément récupérables (Acta sanctorum ou Patrologie Latine par exemple). Les extraits ou épitomés ont été laissés de côté car, pour un même texte, la BHL donne des références présentant de trop grandes différences entres elles.

N’hésitez pas à vous rendre régulièrement sur le site du programme, sur Twitter (@cbma_project) ou Facebook pour vous tenir au courant des mises à jour.

Vous trouverez la liste complète des textes sur le site Internet du programme CBMA, ou ici en format PDF.

Coraline Rey

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

More Posts

CBMA devient Corpus Burgundiae Medii Aevi

Chères, Chers collègues,

 

L’équipe CBMA est heureuse de vous annoncer des évolutions importantes dans le programme et dans sa plate-forme.

 

Nous commençons à numériser des documents non diplomatiques. Dans cette perspective le nom du projet  devient désormais Corpus Burgundiae Medii Aevi / Corpus de la Bourgogne du Moyen Âge.

 

Un sous-corpus hagiographique est en cours de préparation. La mise en ligne des premiers textes concernant Robert de Molesme et Valentin de Griselles (près de Molesme), sont déjà disponibles au format .txt.

 

Le site Internet a été repensé afin de permettre l’intégration de ces nouveaux corpus. Vous trouverez désormais les onglets suivants :

  • Accueil
  • Actualités
  • Bases de données :
    • la base de données téléchargeable sous différents formats (Filemaker, csv, tab) (29 000 documents)
    • la base consultable sous Philologic (13 379 actes) ;
  • Textes : sous cette rubrique se trouvent les sections thématiques « Textes diplomatiques », « Textes hagiographiques », « Autres textes », ainsi que des sections spécifiques à trois monastères/ordres : Saint-Bénigne de Dijon, Cluny, les Cisterciens ;
  • Manuscrits : sous cet onglet se trouvent les manuscrits et documents consultables en format flipbook, numérisés par les Archives départementales de la Côte-d’Or, les manuscrits et documents cisterciens numérisés, et les manuscrits et documents numérisés par d’autres services ;
  • Cartographie : sous cette rubrique, vous trouverez deux Google Maps concentrant les liens vers la documentation mise en ligne, ainsi qu’une nouvelle section « Ressources cartographiques » groupant des liens externes et des ressources à télécharger.
  • Publications : cet onglet propose des références bibliographiques, les programmes et comptes rendus des rencontres et communications proposées par l’équipe CBMA, des références bibliographiques cisterciennes et des liens vers des inventaires et catalogues en ligne ;

 

Ces avancées ont été possibles grâce au soutien du Lamop (UMR 8589) et du LabEx haStec (Laboratoire d’Excellence – Histoire et anthropologie des savoirs, des techniques et des croyances).

 

En vous souhaitant une bonne navigation !

 

Bien cordialement,

L’équipe des CBMA

Coraline Rey

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

More Posts