GenereXLSX.pl

Script Perl de génération d'un fichier Excel servant à la validation de nouvelles entrées terminologiques dans le cadre du projet TermITH. (English version)

En savoir plus sur Termith

Les prérequis

• Perl (Version ≥ 5.8.3)

• Modules Perl

  • normalement présents dans la distribution Perl :

    • Encode

    • Getopt::Long

    • POSIX

  • à charger depuis un dépôt comme CPAN :

  • XML::Twig

  • Excel::Writer::XLSX

  • Excel::Writer::XLSX::Utility (inclus dans la distribution d' Excel::Writer::XLSX)

Lancer le programme

Synopsis

GenereXLSX.pl -c candidats -l lexique -e fichier Excel
              -u URL Totem ( -a Aroma | -s Smoa )
            [ -r rapport ] [ -d domaine ]
            [ -v 'nom du vocabulaire' ]

Options obligatoires

• -c candidats : liste des candidats termes au format TBX

• -l lexique : lexique terminologique de référence au format TBX ou RDF

• -e fichier excel : nom du fichier Excel à générer

• -r URL Totem : URL de l'instance du serveur Totem permettant d'afficher les occurrences des candidats termes du corpus étudié

• -a Aroma : fichier au format ALIGN des alignements obtenus entre candidats termes et termes du lexique de référence par la méthode AROMA

• -s Smoa : fichier au format ALIGN des alignements obtenus entre candidats termes et termes du lexique de référence par la méthode SMOA

Options facultatives

• -r rapport : nom du fichier de log contenant des informations supplémentaires sur la génération du fichier Excel

• -d domaine : nom du domaine auquel appartient le lexique terminologique de référence

• -v vocabulaire : nom du vocabulaire, c'est-à-dire le lexique terminologique de référence

Fichiers de données

Candidats termes

Fichier au format TBX contenant notamment pour chaque candidat terme un identifiant (xml:id), le terme en forme lemmatisée (<term>), le terme pilote (c'est-à-dire la forme la plus fréquente du candidat terme dans le corpus) et la liste de toutes les formes trouvées dans le corpus (<descrip type="formList">)

<termEntry xml:id="TS1.4-entry-1092493">
   <langSet xml:id="langset-1092493" xml:lang="fr">
      <descrip target="langset-4109007" type="termVariant">anaphore associatif de type</descrip>
      <descrip type="nbOccurrences">10</descrip>
      <tig xml:id="term-1092493">
         <term>anaphore associatif</term>
         <termNote type="termPilot">anaphore associative</termNote>
         <termNote type="termType">termEntry</termNote>
         <termNote type="partOfSpeech">noun</termNote>
         <termNote type="termPattern">noun-adjective</termNote>
         <termNote type="termComplexity">multi-word</termNote>
         <descrip type="termSpecificity">4.0876</descrip>
         <descrip type="nbOccurrences">10</descrip>
         <descrip type="relativeFrequency">0.0001</descrip>
         <descrip type="formList">
            [{term="anaphore associative", count=7}, 
            {term="anaphores associatives", count=3}]
         </descrip>
      </tig>
   </langSet>
</termEntry>

Lexique de référence

Fichier contenant les termes du lexique de référence soit au format RDF

<rdf:Description rdf:about="http://www.termsciences.fr/vocabs/ML/113227">
   <rdf:type rdf:resource="http://www.termsciences.fr/vocabs/ML"/>
   <rdfs:label xml:lang="fr">Anaphore associative</rdfs:label>
   <rdfs:label xml:lang="en">Associative anaphora</rdfs:label>
   <notation xmlns="http://www.w3.org/2004/02/skos/core#">113227</notation>
</rdf:Description>

soit au format TBX

<termEntry xmlns="http://www.tbx.org" xml:id="BV.113227">
   <descrip type="originatingDatabaseName">Vocabulaire Linguistique</descrip>
   <admin type="conceptIdentifier">BV.113227</admin>
   <admin type="originatingInstitution">Base FRANCIS</admin>
   <admin type="elementWorkingStatus">consolidatedElement</admin>
   <langSet xml:lang="fr">
      <tig>
         <tei:term>Anaphore associative</tei:term>
         <termNote type="administrativeStatus">preferredTerm</termNote>
         <admin type="termIdentifier">BV.113227.1</admin>
         <admin type="originatingDatabaseName">Vocabulaire Linguistique</admin>
         <admin type="inputDate">2002-01-01</admin>
      </tig>
   </langSet>
   <langSet xml:lang="en">
      <tig>
         <tei:term>Associative anaphora</tei:term>
         <termNote type="administrativeStatus">preferredTerm</termNote>
         <admin type="termIdentifier">BV.113227.2</admin>
         <admin type="originatingDatabaseName">Vocabulaire Linguistique</admin>
         <admin type="inputDate">2002-01-01</admin>
      </tig>
   </langSet>
</termEntry>

Alignements

Fichier au format ALIGN des alignements obtenus entre candidats termes et termes du lexique de référence soit par la méthode AROMA, soit par la méthode SMOA.

Exemple d'alignement par la méthode AROMA du terme "anaphore associative" :

<map>
   <Cell rdf:about="414607">
      <entity1 rdf:resource='http://www.termsciences.fr/vocabs/CandidatsLinguistique/entry-1092493'/>
      <entity2 rdf:resource='http://www.termsciences.fr/vocabs/ML/113227'/>
      <relation>=</relation>
      <measure rdf:datatype='http://www.w3.org/2001/XMLSchema#float'>0.9277312808321435</measure>
      <alignapilocalns:hasCellStatus xmlns:alignapilocalns="http://www.mondeca.com/system/publishing#">
         http://www.mondeca.com/system/publishing#ToBeReviewed
      </alignapilocalns:hasCellStatus>
   </Cell>
</map>