Corpus Académie française

Le Corpus Académie française est un corpus lemmatisé et étiqueté des textes publiés sur le site de l'Académie française dans les rubriques « Discours », « Dire, ne pas dire » et « Questions de langue ». Il couvre une période allant de 1635 à nos jours, et est actualisé environ une fois par mois lorsque de nouveaux textes sont mis en ligne.Caractéristiques :corpus binaire créé sous et pour TXM (commande Fichier gt; Charger gt; Charger un corpus binaire)les textes sont lemmatisés et étiquetés à l'aide de Treetaggerles textes sont pourvus des métadonnées suivantes : author, title, date (AAAA-MM-JJ), cat, sscatl'édition des textes comporte un lien vers la page web d'origine (des différences peuvent exister lorsque la page web a été modifiée après sa récupération)Problèmes connus :les textes les plus anciens comportent des « s » longs (ſ) qui ont été remplacés automatiquement par des « s » modernes. Dans quelques textes toutefois, des erreurs de numérisation ou de recopie ont substitué des des « f » à ces « ſ » (« Vous lifez affez dans les yeux de tout le monde la joye que nous avons de vous pouvoir compter parmi les nôtres, fans qu’il foit befoin que je m’étende bien au long fur ce fujet »). Ces erreurs n'ont à ce jour pas été rectifiées.