Navigation – Plan du site
Le texte à l'épreuve du numérique

La reconnaissance des entités nommées dans les bases numériques de chartes médiévales en latin : le cas du Corpus Burgundiae Medii Aevi (xe-xiiie siècle)

Named Entities Recognition for Digital Bases of Medieval Latin Charters. The Case of the Corpus Burgundiae Medii Aevi (Tenth-Thirteenth Centuries)
Sergio Torres Aguilar
p. 47-65

Résumés

La disponibilité d’une quantité phénoménale de manuscrits médiévaux numérisés nous oblige à chercher des méthodes efficaces pour en réaliser une exploitation à grande échelle. Mais ce travail ne peut être réalisé que dans des bases de données structurées où les propriétés textuelles ont été explicitées et formalisées. Une telle structuration, lorsqu’elle est effectuée à la main, est coûteuse en termes de temps et d’effort, ce qui a conduit à chercher des manières de l’automatiser. Nous en présentons ici un exemple : la création d’un modèle de reconnaissance des entités nommées, qui sont un agent structurant primaire, puisque y sont identifiés tous les sujets et objets qui adoptent des noms spécifiques. Nous détaillons la création et la mise en œuvre du modèle créé à partir des chartes de Bourgogne (Corpus Burgundiae Medii Aevi), produites entre le xe et le xiiie siècle ainsi que diverses expériences de validation pour en tester la robustesse sur un large éventail de sources, tout en soumettant les résultats à une discussion qui tente d’exposer les divers avantages et défis qu’offre un corpus de manuscrits médiévaux pour ce type de technique.

Haut de page

Extrait du texte

Cairn

Texte intégral disponible via abonnement/accès payant sur le portail Cairn. Le texte intégral en libre accès sera disponible à cette adresse en janvier 2021.
Consulter cet article

Plan

Les entités nommées
Le Corpus Burgundiae Medii Aevi
Le contexte du corpus
Représentativité
Concentration
Écriture formulaire
Latin médiéval
Numérisation
La construction du modèle
Normalisation du texte
Ventilation chronologique
Formation de sous-corpus
La modélisation informatique
Conditional Random Fields (CRF)
L’entraînement du modèle
Analyse des résultats (voir fig. 5)
Ouvrir la boîte noire

Aperçu du texte

À ce jour, plus d’un demi-million de documents médiévaux ont été publiés numériquement, mais ces documents importés « tels quels » sous forme numérique, à partir d’éditions papier le plus souvent, ne sont exploitables que par un œil et un cerveau expérimentés. L’utilisation même de ces documents éveille, et à juste titre, la suspicion parmi les chercheurs en humanités parce qu’ils sont stockés dans des bases de données, soit un concept et un outil qui, pour sa part, relie les collections de manuscrits à un environnement numérique où les résultats obtenus peuvent être reproductibles, transférables et apparaissent univoques. Le paradigme épistémologique, bien établi dans la recherche en humanités, qui favorise à la fois la prise en compte du contexte et la lecture particulière des sources par un spécialiste, semble être remis en cause dans les nouvelles pratiques des humanités numériques.

Structurer ces bases de données, autrement dit y incorporer un système qui explicite leurs proprié...

Haut de page

Pour citer cet article

Référence papier

Médiévales 73, automne 2017, p. 47-65

Référence électronique

Sergio Torres Aguilar, « La reconnaissance des entités nommées dans les bases numériques de chartes médiévales en latin : le cas du Corpus Burgundiae Medii Aevi (xe-xiiie siècle) », Médiévales [En ligne], 73 | automne 2017, mis en ligne le 15 décembre 2019, consulté le 19 avril 2018. URL : http://journals.openedition.org/medievales/8182 ; DOI : 10.4000/medievales.8182

Haut de page

Auteur

Sergio Torres Aguilar

DYPAC, Université de Versailles Saint-Quentin (Paris-Saclay)

Haut de page

Droits d’auteur

Tous droits réservés

Haut de page
  • Logo Presses Universitaires de Vincennes
  • OpenEdition Journals