Ce carnet traite des principes et des méthodes de la terminologie ainsi que de techno-langagerie. Yvan Cloutier, terminologue
Rechercher sur ce blogue
Cyber-langagerie
mercredi 5 novembre 2008
La liste Eurêka, rien n'a changé
mardi 4 novembre 2008
Une communauté d'agents intelligents
- Carlo Revelli. Intelligence stratégique sur Internet, 2e édition, 1999, 220 pages. ISBN : 2 10 0005154 7.
- UMBC Agents Web : http://agents.umbc.edu/
- H.S. Nwana and D.T. Nduma.AAn Introduction to Agent Technology,@BT Technology Journal, Vol. 14, No. 4, ctober 1996.
- Pattie Maes. AHow to do the right thing,@AI-Laboratory, Vrije Universiteit Brussel and AI-Laboratory, Vrije UniversiteitBrussel, Massachusetts Institute of Technology.
- Michael Wooldridge and Nicholas R. Jennings. AIntelligent Agents : Theory and Practice,@ Knowledge Engineering Review.
- David L. Martin, Adam Cheyer and Gowang-Lo Lee. ADevelopment Tools for the Open Agent Architecture.@
- Andreas Rasmusson and Sverker Jansson. APersonal Security Assistance for Secure Internet Commerce.@
- Don Gilbert and Peter Janca.AIBM Intelligent Agents @.
- Philip R. Cohen, Adam Cheyer, Michelle Wang and Soon Cheol Baeg. AAn Open Agent Architecture,@ SRI International, Stanford University, ETRI.
lundi 3 novembre 2008
Resource Description Framework et la terminologie
- « Le Web sémantique désigne un ensemble de technologies visant à rendre le contenu des ressources du World Wide Web accessible et utilisable par les programmes et agents logiciels, grâce à un système de métadonnées formelles ... » Source
- « Une métadonnée (mot composé du préfixe grec meta, indiquant l'auto-référence ; le mot signifie donc proprement « donnée de/à propos de donnée ») est une donnée servant à définir ou décrire une autre donnée quel que soit son support (papier ou électronique) . » Source
- « Resource Description Framework (RDF) est un modèle de graphe destiné à décrire de façon formelle les ressources Web et leurs métadonnées, de façon à permettre le traitement automatique de telles descriptions ... En annotant des documents non structurés et en servant d'interface pour des applications et des documents structurés (pe. bases de données, GED, etc.) RDF permet une certaine interopérabilité entre des applications échangeant de l'information non formalisée et non structurée sur le Web.» Source.
- « Un document structuré en RDF est un ensemble de triplets. Un triplet RDF est une association : sujet, prédicat, objet. Le sujet représente la ressource à décrire. Le prédicat représente un type de propriété applicable à cette ressource. L'objet représente une donnée ou une autre ressource : c'est la valeur de la propriété. » Source.
- « Sindice est un moteur de recherche qui permet d'exploiter des données publiées en RDF, qu'elles se trouvent ... dans des fichiers RDF, ou dans des pages HTML sous forme de métadonnées ... Sindice surveille, collecte et indexe ces données ... Ensuite, il met à disposition tout cela sous forme d'API pour qu'on puisse l'utiliser dans une autre application. Sindice est une des briques essentielles du Web of data ... Source »

- les guillemets anglais pour forcer la juxtaposition des mots d'unités terminologiques complexes semblent acceptés quoique que je n'ai pu le vérifier sur le site.
- l'interrogation se fait dans les métadonnées cachées dans les codes de pages Web.
- le bilan donne un accès direct au fichier RDF ; cliquer sur le libellé en bleu du terme pour accès à la page suivante :
==========début de la page des résultats - Public-key cryptography, also known as asymmetric cryptography, is a form of cryptography in which the key used to encrypt a message differs from the key used to decrypt it. In public key cryptography, a user has a pair of cryptographic keys—a public key and a private key. The private key is kept secret, while the public key may be widely distributed. Incoming messages would have been encrypted with the recipient's public key and can only be decrypted with his corresponding private key. The keys are related mathematically, but the private key cannot be practically derived from the public key. Conversely, secret key cryptography, also known as symmetric cryptography uses a single secret key for both encryption and decryption. ... (en)
- La criptografía asimétrica es el método criptográfico que usa un par de claves para el envío de mensajes. Las dos claves pertenecen a la misma persona a la que se ha enviado el mensaje. Una clave es pública y se puede entregar a cualquier persona, la otra clave es privada y el propietario debe guardarla de modo que nadie tenga acceso a ella. El remitente usa la clave pública del destinatario para cifrar el mensaje, y una vez cifrado, sólo la clave privada del destinatario podrá descifrar este mensaje. Los sistemas de cifrado de clave pública o sistemas de cifrado asimétricos se inventaron con el fin de evitar por completo el problema del intercambio de claves de los sistemas de cifrado simétricos. Con las claves públicas no es necesario que el remitente y el destinatario se pongan de acuerdo en la clave a emplear. Todo lo que se requiere es que, antes de iniciar la comunicación secreta, el remitente consiga una copia de la clave pública del destinatario. Es más, esa misma clave pública puede ser usada por cualquiera que desee comunicarse con su propietario. Por tanto, se necesitarán sólo n pares de claves por cada n personas que deseen comunicarse entre sí. (es)
- Ein asymmetrisches Kryptosystem ist ein Kryptosystem, bei dem jeder der kommunizierenden Parteien ein Schlüsselpaar besitzt, das aus einem geheimen Teil (privater Schlüssel) und einem nicht geheimen Teil (öffentlicher Schlüssel) besteht. Der öffentliche Schlüssel ermöglicht es jedermann, Daten für den Inhaber des privaten Schlüssels zu verschlüsseln, dessen digitale Signaturen zu prüfen oder ihn zu authentifizieren. Der private Schlüssel ermöglicht es seinem Inhaber zum Beispiel, Daten zu entschlüsseln, digitale Signaturen zu erzeugen oder sich zu authentifizieren. Im Gegensatz zu einem symmetrischen Kryptosystem müssen die kommunizierenden Parteien keinen gemeinsamen geheimen Schlüssel kennen. Asymmetrische Kryptosysteme werden daher auch als Public-Key-Verfahren bezeichnet. (de)
- La cryptographie asymétrique est une méthode de chiffrement qui s'oppose à la cryptographie symétrique. Elle utilise généralement une clé publique (qui est diffusée) qui permet de coder le message et une clé privée (gardée secrète) qui permet de décoder le message. Ainsi l'expéditeur peut coder le message que seul le destinataire pourra décoder. (fr)
- La crittografia asimmetrica, conosciuta anche come crittografia a coppia di chiavi, crittografia a chiave pubblica/privata o anche solo crittografia a ... »more» (it)
- 公開鍵暗号(こうかいかぎあんごう、Public key cryptosystem)とは、暗号化と復号に別個の鍵(手順)を使い、暗号化の為の鍵を公開できるようにした暗号方式である。1980年代にかけ、日本で紹介された直後は「公衆暗号系」と訳されていた。 (ja)
- Bij asymmetrische cryptografie (zoals RSA) wordt gebruik gemaakt van twee aparte sleutels: één sleutel wordt gebruikt om de informatie te coderen (vercijferen) ... »more» (nl)
======fin de la page des résultats - Noter que les définitions qui précèdent semblent originales (non traduites) et que la langue est indiquée (en gras à la fin des textes).
- Le page RDF affiche d'autres renseignements terminologiques utiles que je vous laisse découvrir à l'adresse suivante : http://dbpedia.org/page/Public-key_cryptography.
- On se trouve ici en présence d'un site qui non seulement peut donner des tarductions mais aussi des définitions aux langagiers. De quoi résoudre des problèmes terminologiques épineux ou sinon fournir des définitions pour la rédaction de fiches.
- Mieux que les données visibles d'une page il semble que les métadonnées en sont à recréer le Web.
dimanche 2 novembre 2008
Une mémoire de traduction gigantesque sur le Web, les bitextes
Du point de la recherche d'équivalents, les bitextes sont beaucoup plus
prolifiques que les banques de terminologie. La raison est que les textes
explicatifs « tronqués » servant à attester les fiches dans les banques de
terminologie sont « découpés » à partir de mégatextes inaccessibles lors de
l'interrogation.
Les bitextes donnent accès à l'intégralité des contenus comme le mentionnent
Claude Bédard et Catherine Arrouart : « Un bitexte constitue en quelque
sorte un «lexique dilué», qui contient implicitement d'innombrables fiches
qu'on n'a jamais pris de temps de créer. Prenant ainsi le relais du fichier
terminologique en bonne et due forme, le bitexte participe à une petite
révolution... On peut puiser dans un bitexte de précieux renseignements de
linguistique et de stylistique contrastives (comment on s'exprime dans tel
domaine, tournures stéréotypées, préférences de tel client, solutions de
traduction, etc.). » (Revue Circuit, numéro 73, automne 2001, p. 30)
Les bitextes existent en quantité impressionnante sur le Web, lieu
incontournable de diffusion des connaissances. Les auteurs de pages Web
doivent avoir recours de plus en plus à la traduction afin de défoncer les
barrières linguistiques sur la toile qui, par définition, se veut sans
frontières. La langue est un obstacle qui résiste encore à l'universalité du
Web, d'où l'offre croissante des travaux de traduction et la prolifération
des logiciels et applications langagiers.
Certes, l'apport des bitextes dans le processus de recherche terminologique
s'impose dans la mesure où la qualité des traductions est assurée. Or la
plupart des grandes organisations mondiales ainsi que certaines sociétés
d'importance ont leur propre services de traduction et de terminologie qui
veillent à la qualité des textes.
Ce qui caractérise la mémoire de traduction du Web c'est qu'elle contient un
langage qui décrit de très près une réalité en perpétuel mouvement. Le Web
n'est-il pas le lieu par excellence de l '« actualité » qui change au même
rythme que les découvertes scientifiques et techniques. La langue du Web
constitue un gigantesque corpus archivé qui témoigne de la vitalité de la
langue.
Les moteurs de recherche indexent constamment le Web : la même page
interrogée deux fois peut avoir été modifiée et Google en tiendra compte
dans les résultats. Les moteurs générateurs de bitextes ne font pas
exception.
À ce titre, le principal avantage de Wapiti sur les mémoires de traduction
est qu'il permet d'interroger « en temps réel » les bitextes plutôt que des
bitextes « déconnectés » stockés dans des bases de données.
Wapiti a été conçu par des langagiers dans le but de faciliter la
comparaison et l'alignement de contenus, la recherche terminologique, la
révision ainsi que le travail de traduction en général. Certaines de ses
fonctions sont identiques à celles que l'on retrouve dans les navigateurs,
le but de ses concepteurs étant qu'il devienne autant que possible un
navigateur langagier.
*Le mot « bitexte » est employé ici dans le sens des textes traduits bien
qu'habituellement il s'agisse de textes traduits alignés automatiquement. »
SITE DE TÉLÉCHARGEMENT DE WAPITI
http://wapiti.net.googlepages.com/download_wapiti_split_browsers
vendredi 31 octobre 2008
jeudi 30 octobre 2008
The MultiSemCor parallel corpus
- Banques de terminologie (pour trouver une traduction)
- Corpus multilingues alignés (pour trouver une traduction)
- Dictionnaires de traduction (pour trouver une traduction)
- Dictionnaires généraux définitoires (pour chercher à cerner les concepts)
- Les textes spécialisés en ligne ou écrits (pour rechercher un contexte explicatif)

mercredi 29 octobre 2008
WebAsCorpus.org
Voici ce que je retiens des possibilités de ce concordancier qui est susceptible de faciliter le travail des langagiers.
- son temps de réponse est acceptable, presqu'aussi rapide que Google.
- il donne accès à des contenus textuels déformatés (sans images, sans scripts, etc.) donc une fois le texte chargé la navigation intra-textuelle se fait beaucoup plus rapidement.
- options de l'interface :@le nombre de caractères avant et après le terme interrogé peut aller jusqu'à 1000 ; sinon on peut accéder au texte complet.@le nombre de pages Web que le moteur explore peut être déterminé d'avance soit de 10 à 500.
@le nombre d'occurrences repérées pour chaque page Web peut être réglé de 10 a 100.
@le filtre des pays permet de limiter l'interrogation à un ou plusieurs pays.
Les préférences qui précèdent peuvent être sauvegardées par défaut sur un ordinateur donné pour chaque séance d'interrogation.
- l'utilisateur peut choisir la langue d'interrogation.
- le formulaire de recherche avancée comporte des cases d'inclusion et d'exclusion de descripteurs par rapport au terme faisant l'objet de l'interrogation. Il peut être efficace d'inscrire dans ces cases des termes décrivant des domaines généraux afin de limiter le nombre de pages dans le cas de termes polysémiques. La structuration de requêtes avec filtrage par domaines est donc possible comme dans une banque terminologique. Exemple : si on veut trouver les pages portant sur les indiens Cherokee américains et non celles concernant la jeep de marque Cherokee, inscrire le mot « jeep » dans la case Exclude du formulaire de recherche avancée. Beaucoup de formats d'interrogation sont possibles à partir des cases Include et Exclude.
- le bilan de recherche surligne te terme recherché, exemple : « La bio-informatique est un champ de recherche multi-disciplinaire où travaillent de concert biologistes, informaticiens, mathématiciens et physiciens, dans le but de résoudre un problème scientifique posé par la biologie. Le terme bio-informatique peut également décrire (par abus de langage) toutes les applications informatiques résultant de ces recherches[1]. Cela va de l'analyse du génome à la modélisation de l'évolution d'une population animale dans un environnement donné, en passa... »
- selon les options sélectionnées le bilan de recherche affiche au début ce qui suit : « Live Search reports 107,000 total hits for "bio-informatique" in French... displaying concordances from up to 50 matching webpages and 30 matches per page, starting with page 1. »
- affichage des options suivantes au haut de l'écran : « continue this search | zipfile of HTML files | text files | both | search for other concordances 58 docs seen ... when this page is complete, links to download the HTML and / or text files in zipped format will appear above (instant minicorpus!) » donnant la possibilité de constituer un corpus sur un sujet donné.
lundi 27 octobre 2008
WebCorp Linguist's Search Engine (LSE)

- Voir mon billet précédent sur le concordancier WebCorp qui utilise les moteurs de recherche comme Google, Alta Vista, etc. pour interroger le Web en temps réel.
- Sur le même site à cette adresse on peut s'enregistrer pour l'interrogation du WebCorp Linguist's Search Engine (LSE). Ce corpus n'interroge pas le Web en temps réel mais plutôt une base de données statique de textes qu'on alimente régulièrement à partir du Web.
- WebCorp LSE is being developed and operated by the Research and Development Unit for English Studies (RDUES) in theSchool of English at Birmingham City University.
« WebCorp Linguist's Search Engine is a specially tailored search engine for the study of language on the web. Due to the inadequacies of commercial search engines for studying language on the web it was obvious that a specialised search engine, understanding these needs, is required.
Armed with years of knowledge in the field of corpus linguistics we developed the WebCorp prototype, which uses commercial search engines to extract results from the web and organises the information for linguistic study. Due to the limitations of the prototype we know that a fully-tailored linguistic search engine, built from top to bottom with these needs in mind, is necessary. We are currently developing the WebCorp Linguist's Search Engine to fulfil this need.
WebCorp LSE is a search engine formed from a unique architecture to facilitate linguistic study of the web. Web content is downloaded, processed and stored to eventually form a 10 billion word corpus. Source. »
Commentaire
dimanche 26 octobre 2008
Concordancier du journal Le Monde
Mon commentaire : la notoriété de la publication et la variété des sujets d'actualités traités apportent une valeur certaine à ce corpus.

Bien que le format de sortie ne soit pas très polyvalent le moteur donne tout de même accès à l'essentiel. Par contre il est impossible d'accéder au texte original. Personnellement je ne comprends pas l'utilité des boutons suivants :

http://www.bultreebank.org/french/login.html
lundi 20 octobre 2008
WebCorp Live et Wapiti

WebCorp est en ligne depuis longtemps mais avait des problèmes de temps de réponse. Étant donné le nombre d'opérations qu'il doit effectuer à la suite d'une requête et son taux de fréquentation il n'arrivait pas à satisfaire la demande. La version actuelle que les auteurs décrivent comme : « An improved version of the original WebCorp, designed to search the web for concordances in real time » est effectivement plus rapide et vaut la peine d'être utilisée.
Voir la liste des améliorations apportées ici.
WebCorp est un concordancier que Wikipedia définit comme suit : « Le concordancier ou logiciel de concordance est un outil de référence très utile aux linguistes qui permet de faire la recherche dans un corpus d'un mot accompagné de son contexte, que ce soit pour attester son usage ou l'étudier. » Le concordancier est un outil inégalé pour déterminer le sens des termes à traduire. Dans le cas de WebCorp l'attrait est que l'on se sert de la puissance de Google et des autres moteurs pour les adapter à une interrogation plus langagière.

Plain Text Word List
- Wikipedia, the free encyclopedia Jump to: navigation, search Mechanical heat detector, both rate of rise and fixed temperature operation. A heat detector is a device that responds to changes in ambient temperature. Typically, if the ambient temperature rises above a predetermined threshold
- normal baseline condition. Any sudden temperature increase that matches the predetermined alarm criteria will cause an alarm. This type of heat detector can react to a lower threshold condition than would be possible if the threshold were fixed. A typical alarm may
- detectors are not meant to replace smoke detectors in the bedrooms or in the hallway outside of the bedrooms. A heat detector will nonetheless notify of a fire in a kitchen or utility area (i.e., laundry room, garage, or attic), where
- detectors are not interconnected, heat activation identifies the location of the fire, facilitating evacuation from the home. Each type of heat detector has its advantages, and it cannot be said that one type of heat detector should always be used instead of
- that one type of heat detector should always be used instead of another. If you were to place a rate-of-rise heat detector above a large, closed oven, then every time the door is opened a nuisance alarm could be generated due to
- fixed threshold detector would probably be best. If a room filled with highly combustible materials is protected with a fixed heat detector then a fast-flaming fire could exceed the alarm threshold due to thermal lag. In that case the rate-of-rise heat detector
- heat detector then a fast-flaming fire could exceed the alarm threshold due to thermal lag. In that case the rate-of-rise heat detector may be preferred. [edit] See also Fire alarm Flame detector Aspirated smoke detector Carbon monoxide detector Manual

Dans l'exemple qui précède, toutes les occurrences du terme interrogé « heat detector » sont hyperliées et cliquables. Chaque lien renvoie à tout le texte original dans lequel le terme est mis en surbrillance. Voici un exemple :
« Each type of heat detector has its advantages, and it cannot be said that one type of heat detector should always be used instead of another. If you were to place a rate-of-rise heat detector above a large, closed oven, then every time the door is opened a nuisance alarm could be generated due to the sudden heat transient. In this circumstance the fixed threshold detector would probably be best. If a room filled with highly combustible materials is protected with a fixed heat detector then a fast-flaming fire could exceed the alarm threshold due to thermal lag. In that case the rate-of-rise heat detector may be preferred. »
Voici d'autres textes du menu d'aide de WebCorp :
Mon commentaire : WebCorp utilise des métacaractères (wildcards) très utiles pour l'interrogation terminologique. On trouvera une liste et des explications ici. Google offre de moins en moins de possibilités pour l'interrogation terminologique par l'utilisation de certains tiers entre le moment du lancement de la requête et la présentation du bilan. Pour ne citer qu'un exemple Google ne tient pas compte des majuscules, ce qui n'est pas le cas pour WebCorp.

Dans le but de limiter l'interrogation à une domaine précis, il est possible possible d'utiliser des filtres.
« Site Domain: This option, when used with the Google, AltaVista, Live Search or Ask search engines, allows you to restrict your search to all of the pages on an individual website or all sites with a given domain.
To search all of the pages on an individual site enter the URL without the 'http://' part. For example, enter www.bbc.co.uk to search all pages on the BBC web site.
To restrict the search to sites with a given domain, enter part of a URL. For example, entering .ac.uk will restrict the search to UK academic institutions, while entering .fr will restrict the search to web sites in France.
Newspaper Domains: This option allows you to restrict your search to a pre-defined set of newspaper websites (currently UK broadsheets, UK tabloids, French newspapers, US newspapers). If selected, these choices override any filter entered into the Site Domain box.
Textual Domain: This option allows you to restrict your search to web pages included in a particular category in the Open Directory (the Yahoo-like web index at http://www.dmoz.org). »

Le menu d'aide de WebCorp est à découvir je vous invite à le lire pour mieux profiter de cet outil très utile.
Et Wapiti alors ! Wapiti est un navigateur qui permet d'afficher trois pages différentes en même temps de manière à pouvoir comparer des données terminologiques. On peut télécharger Wapiti ici. Voici une manière de combiner WebCorp et Wapiti qui peut être intéressante.
Afficher Wapiti en mode deux fenêtres avec WebCorp à gauche et à droite.

Le terminologue qui rédige une fiche multilingue doit attester l'équivalence des termes en se basant sur la correspondance des définitions dans chacune des langues. Il est donc possible avec l'affichage qui précède de rechercher des occurrences du terme de la langue de départ et de les comparer avec des équivalents possibles de la langue d'arrivée à droite. Exemple : on peut déduire par exemple que l'équivalent possible de « bookmark list » est « liste de signets » : demander les deux termes à gauche et à droite afin de repérer des définitions ou contextes que l'on peut recouper.
http://www.webcorp.org.uk/wcadvanced.html?


