Vers la constitution d un corpus des SMS grecs : motivations, problèmes et résultats

Transcription

1 Vers la constitution d un corpus des SMS grecs : motivations, problèmes et résultats D. Chrissoulidis 1, K. Ioannidou 1, F. Kakoyianni-Doa 2, T. Kyriacopoulou 3 1 ARISTOTLE UNIVERSITY OF THESSALONIKI 2 3

2 SOMMAIRE Le projet sms4science grec Particularités du grec Problèmes rencontrés Déroulement du projet et premiers résultats

3 Le projet grec avec le slogan Γίνε και εσύ «δωρητής» SMS... est coordonné par une équipe de chercheurs de l université Aristote de Thessaloniki (Grèce) qui assure le suivi technique, médiatique et organisationnel, dans le but de rendre possible la création d un corpus grec et ses variantes (régionales ou pas). Le grec est parlé aussi à Chypre et pour cette raison l université de Chypre y participe aussi activement dans ce sens.

4 Exemples de SMS Eimai sintagmakerxomai. Piges sm telika? Εύμαι ύνταγμα και ϋρχομαι. Πόγεσ ςόμερα τελικϊ; Je me trouve à Syntagma et j arrive. Y es-tu allé enfin? Dn ime gd. Δεν εύναι good. Je ne vais pas bien. Dn 3erw ala t vrm lg t vivlio p m dwses Δεν ξϋρω αλλϊ το βαριϋμαι λύγο το βιβλύου που μου ϋδωςεσ Je ne sais pas mais je m ennuie du livre que tu m as donné

5 Quelques particularités des SMS grecs Utilisation des caractères grecs et latins, mais aussi de mots anglais. On peut cependant noter que les variations régionales comme le chypriote sont aussi couramment employées dans les SMS alors que la langue écrite officielle à Chypre est le «grec standard».

6 Exemples de SMS «de Chypre» ena men ertw pedkia δεν θα ϋρθω παιδιϊ Je ne viendrai pas les copains Ahaha esso imish. e eimai mathima j varke. Pezei tpt popse? Χαχα ςπύτι δόθεν. Ε εύμαι μϊθημα και βαριϋμαι. Παύζει τύποτε απόψε; Je suis censée être à la maison. En réalité je suis en cours et je m ennuie. Ferons-nous quelque chose d intéressant ce soir?

7 eni3erw δεν ξϋρω Je ne sais pas Exemples de SMS «de Chypre» btw itn n s pw g popse. anw km tpt j mlm tmr By the way, όταν να ςου πω για απόψε. Anyway κϊμε τύποτα και μιλϊμε tomorrow Au fait, je voulais te parler à propos de ce soir. Fais quelque chose et on en reparle demain

8 SMS «de Grèce» et «de Chypre» Le serveur du site grec et chypriote sera en Grèce Le no de téléphone auquel seront renvoyés les SMS sera différent pour le grec standard et le chypriote L opérateur de télécommunication sera différent ou le même

9 Démarrage du Projet en 2008 Equipes Petit Rappel Laboratoire des Télecommunications de l école Polytéchnique ( επιλογό «Εργαςτόρια») Aspects techniques de la collecte Laboratoire de Traduction et du Traitement Automatique des Langues ( Traitement linguistique

10 Le problème rencontré Pas d opérateur de télécommunication ni en Grèce ni à Chypre

11 Petit Rappel (suite) Site Dossier pour partenaire privé Echanges et rencontres avec - Vodaphone - Cosmote -Opérateurs privés - Cyta (Chypre) Catalogue avec les Coordonnées de la Presse (national et régional) en Grèce

12

13 Pour motiver les équipes, et avancer dans le savoir-faire Nous avons constitué un corpus de 211 messages. Durée de la collecte 1 mois.

14 Achat de la carte SIM -> téléphone portable Logiciel pour la connexion téléphoneordinateur et transfert des messages Samsung PC Studio 3 (Copyright Samsung Electronics Co., Ltd.) pour l appareil Samsung SGH-E590 Messages collectés par relations personnelles et professionnelles

15 Traitement du corpus Anonymisation manuelle des messages Traitement du corpus SMS (modification du fichier de l alphabet) avec le logiciel Unitex Application des dictionnaires grecs Enlevée manuelle des ambigüités

16 Age des participants Age Sur 211 messages: 4 >60, 43 entre 40-60, 123 entre 25-40, 20 entre15-25, 4 moins de n ont pas rempli le questionnaire

17 Sexe des participants Sexe Sur 211 messages: 46 hommes, 148 femmes, 17 n ont pas rempli le questionnaire

18 Profession des participants Profession employé du secteur privé 81/211 sms - 3 personnes étudiant 25/211 sms - 6 personnes chef d'entreprise/commerçant 20/211 sms - 3 personnes fonctionnaire 19/211 sms - 3 personnes consultant 15/211 sms - 3 personnes chômeur 5/211 sms - 1 personne élève 4/211 sms - 1 personne autre 25/211 sms - 4 personnes

19 Remarques Tous ceux qui ont rempli le questionnaire (24 personnes) avaient comme langue maternelle le grec Pas de correspondances entre questionnaires et SMS Messages longs (>160B) transférés manuellement 1 message (court transféré à moitié) 1 message écrit en arabe (en caractères arabes)

20 Remarques Normalisation manuelle des messages envoyés via Internet (avec un no à 5 chiffres comme expéditeur) Messages publicitaires enlevés

21 Mots abrégés ΑΕΡΟΔΡ αεροδρόμιο aéroport D autres problèmes linguistiques Ambigüités entre «Nom propre» et «Interjection» (MAH) ΜΑΗ-> interjection utilisée par les jeunes ΜΑΗ-> Nom propre

22 D autres problèmes linguistiques Absence de déterminant ou de préposition ΠAPE ME THΛ MAΓAZI MOΛI HKΩΘEI Πϊρε με τηλϋφωνο στο μαγαζύ μόλισ ςηκωθεύσ Appelle-moi au magasin quand tu te lèves Problèmes avec les caractères latins (greeklish) => pas de lettres A et E grecques sur les téléphone grecs

23 D autres problèmes linguistiques Répétition des lettres kalhmeraaaaaaaaaaaaaaa bonjour Utilisation des mots/phrases étrangères (pas toujours en bonne orthographe) Mon amour common ça va? / thanx very very much

24 Extrait du Corpus Brut NA EPΘΩ? AN NAI TI ΩPA? Καλημϋρα! Έχεισ καθόλου χρόνο να μιλόςουμε; Alo! An 8imi8eis to xarti ferto! Egw mallon 8a exw figei gt d 8a vgw dialeima.thanx.

25 Extrait du Corpus Etiqueté {NA,να.PART+Subj} {EPΘΩ,ϋρχομαι.VP:F1s:S1s}? {AN,αν.CONJ} {NAI,ναι.ADV} {TI,τισ.PRO+Int:Ans} {ΩPA,ώρα.N:Nfs:Afs:Vfs}? Je viens? Si oui, à quelle heure? - Avantages: - liaison directe entre la version normalisée (entrée dictionnaire) et la version brute du texte (SMS) - recherche sans ambiguïtés le vrai usage de chaque mot, à toutes ses formes fléchies

26 Résultats et Perspectives Constitution d un corpus plus grand et représentatif Expertise technique Interviews radios (nationales) 1h Messages payants Site?