Lemmatisation

Dans les dictionnaires que nous pouvons consulter, chaque entrée correspond à un lemme qui - généralement - définit un ensemble de mots avec la même racine (ou lexème) et qui appartiennent à la même catégorie grammaticale (verbe, adjectif, etc.).

En général, la lemmatisation se fait de la manière suivante: les formes de verbes à l'infinitif, les noms au singulier, les adjectifs au masculin singulier et ainsi de suite.

Par exemple, les formes fléchies "parlait" et "parlassent", résultant d'une combinaison d'une racine (< parl- >) et deux différents suffixes (< - ait > et < - assent >), sont ramenées au même lemme (< parler > ).
Il y a, cependant, certains cas pour lesquels la lemmatisation n'observe pas la règle de la racine, par exemple dans le cas de verbes irréguliers.

Pendant la phase d'importation du corpus, T-LAB réalise un genre spécifique de lemmatisation automatique qui suit la logique de l' "arbre" suivant :

Évidemment, le dictionnaire de référence est celui de T-LAB.
Les abréviations des quatre catégories sont employées dans beaucoup de tableaux, toujours dans la colonne " INF ".

N.B.:
- la catégorie "DIS " ("à distinguer") signifie que T-LAB n'applique pas la lemmatisation standard, pour ne pas annuler les significations différentes au sein des différentes formes (par exemple : < bien > et <biens >);
- parfois, afin de différencier les homographes, T-LAB ajoute le caractère '_' (tiret bas) à leur lemme.