5. Résultats expérimentaux

Graphist a été testé sur de nombreux textes allant du XV^e siècle à nos jours. Nous indiquons dans le tableau ci-dessous les résultats obtenus avec les textes les plus significatifs:

   Texte      Date     Occ.    anc.   amb.  auto   analysés
   ARTOIS     XVe     45600   21,4%  16,6%  14,6%  82,0%
   PEIRESC    1620     7400   14,0%  13,0%  27,0%  90,0%
   BORDEU     XVIIIe  63000   13,0%  12,5%  37,0%  90,4%
   DIDEROT    XVIIIe  30200    2,2%  11,0%  42,0%  94,0%
   ACADÉMIE   1877     6666    0,1%  10,0%  36,0%  94,0%

Les textes sont les suivants: ARTOIS: Extrait du Comte d'Artois, milieu XV^e s. -- il est à noter que ce texte est antérieur à la période qui est en principe représentée dans notre dictionnaire de référence DAC; PEIRESC: Correspondance Nicolas Fabri de Peiresc - Alphonse de Rambervillers (1620-4); BORDEU: Correspondance de Théophile de Bordeu, 1739-48; DIDEROT: Correspondance de Diderot, 1771; ACADÉMIE: Préface du Dictionnaire de l'Académie française de 1877 (7^e éd.).

Tous ces résultats s'appliquent à un traitement différé des documents concernés, c'est-à-dire avant toute intervention manuelle. La signification des chiffres figurant dans le tableau est la suivante:

• le nombre d'occurrences est le nombre de mots-occurrences dans le texte;
• le pourcentage de graphies anciennes indique le nombre de mots-occurrences identifiés automatiquement comme graphies anciennes par Graphist; on voit clairement que ce pourcentage est fonction de l'ancienneté du texte;
• le pourcentage d'ambiguïtés indique le nombre total de mots-occurrences considérés comme ambigus par Graphist. Là encore, ce nombre dépend de l'ancienneté du texte;
• le pourcentage auto indique, parmi le nombre précédent de mots-occurrences ambigus, le nombre de cas où l'ambiguïté a pu être résolue automatiquement par Graphist, par analyse du contexte. On voit que si, pour les textes modernes, ce chiffre peut dépasser 40%, il chute avec l'ancienneté du texte;
• le pourcentage de mots analysés indique le nombre de mots-occurrences qui ont au total été analysés automatiquement par Graphist. Le pourcentage restant est donc constitué (1) majoritairement des ambiguïtés non résolues et (2) des mots inconnus. C'est ce pourcentage restant qui nécessite une intervention manuelle de l'utilisateur, en révision d'index (cf. 4.2.4), afin de terminer la lemmatisation du document. On voit que ce dernier chiffre dépasse 90% pour les textes appartenant à la période que nous nous proposions de traiter, pour monter à près de 95% pour les textes modernes.

[Retour à la table des matières] [Suite]