Des bruits dans mon corpus : des données à réduire au silence, à atténuer ou à écouter attentivement ?

dans Corpus

Auteur(s) :

Liégeois, Loïc

Éditeur(s)
- Bases ; corpus et langage - UMR 6039
Date
- 2025-01-27
Notes
- Dans le champ du Traitement Automatique des Langues, la notion de bruit reçoit de multiples acceptions. Cela est également perceptible dans des domaines de la linguistique au sein desquels l’analyse de données écologiques se veut centrale.Concernant plus particulièrement les études mobilisant des méthodes de la linguistique de/sur corpus, la gestion du bruit se révèle être un processus incontournable. Paradoxalement, ce maillon indispensable dans la chaîne de traitement mise en place pour le recueil, la structuration et l’analyse des données n’est presque jamais développé, voire complètement ignoré.Dans cet article, nous proposons de nous focaliser sur la gestion du bruit au cours des différentes étapes classiquement définies dans le traitement d’un corpus oral : la mise en forme des données brutes, l’enrichissement des données secondaires et l’analyse des données.Nous montrons que la problématique de la gestion du bruit est transversale : celle-ci doit être pensée lors des phases de mise en forme, de traitement et d’analyse des corpus linguistiques. Plus particulièrement, la constitution de corpus de productions enfantines nous amène à gérer un type particulier de bruit : la variation par rapport aux formes dites « standard ». Pour la gestion des bruits, nous montrons qu’il n’existe pas de méthodologie idéale : la gestion du bruit est particulière à chaque projet. De plus, les décisions prises à une étape influent nécessairement sur les autres : un bruit généré lors de la mise en forme peut provoquer du silence lors des traitements automatiques ; un bruit « nettoyé » lors de la phase de traitement peut générer du silence lors de l’analyse.
Sujet(s)
Résultat de :
- OpenEdition Journals - New window
Liée à :
- Press and magazines

Accès