Mots et Lemmes

N'importe quel logiciel d'analyse des textes identifie avant tout les soi-disant formes graphiques (ou formes brutes), c'est-à-dire les chaînes de caractères séparées par les espaces vides.

Puis, s'accordant à leurs algorithmes spécifiques ou aux catégories employées par les spécialistes, les logiciels identifient les lexèmes, les mots-clés, etc.

Les tableaux T-LAB, pour toutes les unités lexicales présentes dans le database du corpus, reportent deux informations:

-la première, appelée mot, contient la transcription des unités lexicales (chaque mot, lexie ou multi-word) comme "chaînes" (en : strings) reconnues par le logiciel;

-la seconde, appelée lemme, contient le label avec lequel ont été regroupées et classifiées les unités lexicales.

Selon les cas, le lemme peut être:

- le résultat du processus de lemmatisation automatique;
- la rubrique d'un "dictionnaire personnalisé";
- une catégorie qui indique un groupe de synonymes;
- une catégorie d'analyses du contenu;
- etc.