Jeu de construction de mots

Les mots peuvent être décomposés en plusieurs parties, appelées monèmes, chacune porteuse d'une signification, et qui peuvent être recomposés à l'aide de règle de construction, permettant ainsi de construire de nouveaux mots.

Cela est trés amusant, et permet d'inventer des noms grecs nouveaux. Ces préfixes et suffixes sont des exemples de monèmes, et la règle de construction consiste en la composition d'un préfixe et d'un suffixe. Mais toutes les combinaisons ne sont pas autorisées. Il y a d'autres règles qui excluent les accords phonétiquement disharmonieux ou difficilement prononçables.

On défini le monème comme la plus petite unité, orthographique et phonologique, doté de sens. Dans le tableau ci-dessus certain préfixe peuvent se complèter d'une voyelle "a, i, o". Ainsi le monème peut avoir plusieurs formes orthographiques et phonologiques.

Pour mener une analyse sur l'ensemble des mots du langage, et découvrir les règles de construction, il nous faut constituer une base de données sur les mots. Et pour des raisons de facilité de développement, cette base doit être un fichier texte, lisible par un humain.

Voici différentes bases de données que l'on peut se procurer sur l'Internet :

Origine	Bases de données
http://sampig.free.fr/apps/dico/	Dictionnaire numérisé (1 Mo) Encyclopédie numérisée (19 Mo)
Université Paris Descartes LEXIQUE3 http://www.lexique.org/	Table de données lexicales (5 Mo) Table de données de 11627 prénoms (66 Ko) Corpus de 37 millions de mots (77 Mo)
Christophe Pallier http://www.pallier.org/ressources/dicofr/dicofr.html	Liste de 336531 mots français (77 Mo)
Université de Bourgogne VOCOLEX http://leadserv.u-bourgogne.fr/bases/vocolex/	Table de données lexicales (3 Mo) Descriptif (64 Ko)
ABU (Association des Bibliophiles Universels) http://abu.cnam.fr/DICO/	Liste de 300000 mots communs (2 Mo) Liste de 12437 prénoms (26 Ko) Liste de 39076 cités françaises (242 Ko)
INRIA, Université Paris 7 Benoît Sagot http://alpage.inria.fr/~sagot/lefff.html	Base de données lexicales (6 Mo) Table de données lexicales brut (3 Mo)
INRIA Lionel Clément & Benoît Sagot http://www.labri.fr/perso/clement/lefff	Table de données lexicales (3 Mo) Table de données lexicales verbes (1 Mo) Codage (30 Ko)
Université Paris-Est Marne-la-Vallée http://ladl.univ-mlv.fr/ http://infolingu.univ-mlv.fr/DonneesLinguistiques/...	Dictionnaire DELA fléchi (5 Mo)
Université de Toulouse Le Mirail ERSS http://redac.univ-tlse2.fr/	Lexiques ... Corpus ...
CNRTL http://www.cnrtl.fr/lexiques/morphalou/ Corpus Frantex	Lexique morphalou ... Corpus ...

Voici différentes sources documentaires :

BnF (Bibliothèque nationale de France)
GALLICA, bibliothèque numérique
Une source documentaire du domaine publique : http://gallica.bnf.fr/

Université de Genève
ATHENA
Une source documentaire de textes classiques français http://athena.unige.ch/athena/admin/searchathena.html

Université catholique de Louvain
Une source documentaire du Latin : Liste , Intro, Reherche
Une source documentaire du Grec : Liste

Voici différents dictionnaires consultables en ligne :

Université de Caen CRISCO Dictionnaire des synonymes et antonymes : http://www.crisco.unicaen.fr/des/synonymes/
Université de Lorraine ATILF (Analyse et Traitement Informatique de la Langue Française) TLFi - Trésor de la Langue Française informatisée : Consultation TLF-Étym - Receuil étymologique de 304 mots : Consultation DMF - Dictionnaire du Moyen Français (1330-1500) : Consultation DECT - Dictionnaire électronique de Chétien de Troyes (12ème siècle) : Consultation DERom - Dictionnaire Étymologique Roman : Consultation
Université de Chicago The ARTFL Project ATILF (Analyse et Traitement Informatique de la Langue Française) Dictionnaires de l'Académie Française : http://portail.atilf.fr/dictionnaires/ACADEMIE Encyclopédie de Diderot et d'Alembert (1751-1772) : http://portail.atilf.fr/encyclopedie/ Dictionaires d'autrefois : http://artfl.atilf.fr/dictionnaires Dictionnaires des 17ème, 18ème, 19ème et 20ème siècles : http://artfl.atilf.fr/dictionnaires/onelook.htm Dictionnaires de Jean Nicot (1606) : http://portail.atilf.fr/dictionnaires/TLF-NICOT
CNRTL (Centre National de Ressources Textuelles et Lexicales) : http://www.cnrtl.fr/ Dictionnaire de Trévoux (1740) : http://www.cnrtl.fr/dictionnaires/anciens/trevoux/menu1.php Dictionnaire critique de la langue française de Jean-François Féraud (1787) : ATILF, ARTFL
Wikimedia France, association pour le partage de la connaissance Wiktionnaire (Le dictionnaire libre) Accueil

Pour explorer ces bases de données, on va utiliser le langage de script, Ruby, un langage pur object particulièrement simple et puissant. On utilisera également le langage de scripte Javascript qui n'a pas la même puissance mais à l'avantage d'être exécutable par un navigateur internet sur les postes clients, l'internet constituant un vecteur efficace de propagande.

Il est opportun de forger nos premiers essais avec Ruby et Javascript, afin de pouvoir utiliser ces langages pleinement plus tard. Leur coté libre, gratuit et universelle, nous apportera un avantage certain en terme d'autonomie, d'interopérabilité, de communication....

On programme d'abord un jeux de procédures élémentaires, jugées fondamentales, qui constitura un framework, une boite à outils, standardisant un certain nombres de transformations et définissant un certain nombre de formats.

2) Framwork

Les deux premières opérations qu'il convient de programmer, sont la copie d'une liste d'éléments figurant en mémoire vers un fichier et inversement. On défini ainsi le concept de liste d'éléments. Comme nous ne manipulons pour l'instant que des caractères, les éléments sont posée être des suites de caractères ne comprenant pas de caractère fin de ligne ni de carctère fin de fichier. Le caractère fin de ligne "\n" est utilisé pour passer à la ligne. Le caractère fin de fichier est utilisé pour désigner la fin du fichier. Le caractère fin de ligne sera utilisé pour séparer les éléments dans un fichier texte.

En mémoire, une liste d'éléments sera contenue dans une variable telle que m sous forme d'un tableau. Délors m[i] accéde au i-ième élément de la liste.

2.1) Manpulation de liste avec Ruby

Le fichier contenant la liste est identifié par un nom tel que "Lexique372-C1.txt" et est placé dans le répertoire courant. On programme 2 procédures : listGet qui lit un fichier, et listPut qui écrit un fichier.

L'appel listGet(s) retourne un tableau contenant la liste des éléments du fichier de nom s.

L'appel listPut(m,s) écrit dans le fichier s la liste des éléments du tableau m.

Synopsie

Corps

m = listGet("Lexique372-C1.txt")
# Lit la liste contenue dans le fichier Lexique375-C1.txt
#  et la met dans le tableau m

p m[1] 
# affiche le premier élément de la liste

listPut(m,"Lexique372-C1.txt")
# Ecrit la liste m dans le fichier Lexique375-C1.txt

def listGet(s)
  m=[]
  f=File.open(s, "r:iso-8859-1:utf-8") 
  i=1  
  f.each_line {|x| m[i]=x.chop; i+=1} 
  f.close
  return m
end

def listPut(m,s)
  f = File.open(s, "w:iso-8859-1:utf-8")
  m.each { |x| f.write x+"\n"}
  f.close
end

Noter que, en Ruby1.9.1, on peut spécifier l'encodage des caractères du fichier en iso-8859-1 et l'encodage utilisé par le programme en utf-8, opérant ainsi un transcodage. Pour plus de détaille voir http://nuclearsquid.com/writings/ruby-1-9-encodings/

Voici un exemple de petit programme calculant un histogramme, le nombre de mots de même longueur dans la liste de mots de Lexique372 :

m=listGet("Lexique372-C1.txt")
# Lit la liste des mots qui sont dans le fichier Lexique372-C1.txt

mm = m.reject {|x| x.include?("-") or x.include?(" ")} 
# enlève les mots doubles utilisant un caractère " " ou "-"

h=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0] 
# Initialise l'histogramme

mm.each{|x| h[x.size]+=1 }                       
# Calcule l'histogramme

Cela donne :

Nombre
de lettres

Nombre
de mots

1

53

2

174

3

780

4

2771

5

7066

6

13313

7

19177

8

22809

9

22041

10

18388

11

13429

12

8553

13

4884

14

2472

15

1169

16

508

17

181

18

77

19

37

20

12

21

3

22

1

23

1

24

0

25

1

2.2) Manipulation de liste avec Javascript

En Javascript, le script s'exécute sur le poste client, et le fichier se trouve sur un serveur web distant. Le fichier est téléchargé grace à la commande javascript XMLHttpRequest puis est mis dans une variable javascript. L'écriture d'un fichier est plus délicate, elle nécessite un script coté serveur qui peut être écrit en php. On programme la procédure listGet qui lit un fichier.

L'appel listGet(s) retourne un tableau contenant la liste des éléments du fichier de nom s.

Synopsie

Corps

m = listGet("Lexique372-C1.txt")
# Lit la liste contenue dans le fichier Lexique372-C1.txt
#  et la met dans m

p m[1] 
# affiche le premier élément de la liste

function listGet(s){
  var r = new XMLHttpRequest()
  r.open("GET", s, false)
  r.send(null)
  return r.responseText.split("\n")
}

Voici un exemple de petit programme calculant un histogramme, le nombre de mots de même longueur dans la liste de mots de Lexique372 :

m=listGet("Lexique372-C1.txt")
# Lit la liste des mots qui sont dans le fichier Lexique372-C1.txt

e=/[ ,-]/g
# Expression régulière pour repérer les mots doubles utilisant un caractère " " ou "-"

mm=new Array
n=m.length
for(i=0;i<n;i++) if (!m[i].match(e)) mm.push(m[i])
# enlève les mots doubles utilisant un caractère " " ou "-"     

h=new Array(0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0)
# Initialise l'histogramme

n=mm.length
for(i=0;i<n;i++) h(mm[i].length)+=1
# Calcule l'histogramme

---- 9 Décembre 2012 ----

2) La phonologie

La phonologie n'a pas besoin de décrire les sons de la parole avec une aussi grande précision que la phonétique, car elle n'intervient que pour construire les mots et les phrases à partir d'éléments phoniques de définition plus large. C'est pourquoi elle utillise beaucoup moins de symbôles que la phonétique. Elle décrit les sons de la parole non pas comme des unités physiologiques avec toutes leurs variétés possibles, mais comme de simples éléments d'une structure construisant les mots et les phrases. La phonologie possède une notation propre à chaque langue, voir à chaque accent régional, et nous pourrions dire aussi à chaque point de vue linguistique.

Code API	Codes Lexique	Codes VoCoLex	Code réduit	Exemples	Appellation	Qualité1	Qualité2	Quallité3	Qualité4	Qualité5	Qualité6
p	p	p	p	père, soupe	p	Consonne	occlusive	bilabiale		sourde
b	b	b	b	bon, robe	b	Consonne	occlusive	bilabiale		voisée
t	t	t	t	terre, vite	t	Consonne	occlusive	dentale		sourde
d	d	d	d	dans, aide	d	Consonne	occlusive	dentale		voisée
k	k	k	k	carré, laque	k	Consonne	occlusive	vélaire		sourde
g	g	g	g	gare, bague	g	Consonne	occlusive	vélaire		voisée
f	f	f	f	feu, neuf	f	Consonne	fricative	labio-dentale		voisée
v	v	v	v	vous, rêve	v	Consonne	fricative	labio-dentale		sourde
s	s	s	s	sale, dessous	s	Consonne	fricative	alvéolaire		sourde
z	z	z	z	zéro, maison	z	Consonne	fricative	alvéolaire		voisée
∫	S	S	ch	chat, tâche	ch	Consonne	fricative	post-alvéolaire		sourde
ʒ	Z	Z	j	gilet, mijoter	ge	Consonne	fricative	post-alvéolaire		voisée
m	m	m	m	main, femme	m	Consonne	nasale	bilabiale		voisée
n	n	n	n	nous, tonne	n	Consonne	nasale	alvéolaire		voisée
ɲ	N	N	gn	agneau, vigne	gn	Consonne	nasale	palatale		voisée
l	l	l	l	lent, sol	l	Consonne	latérale	alvéolaire		voisée	liquide
r	R	R	r	rue, venir	R	Consonne	fricative	uvulaire		voisée
x	x	x	r	jota	jota	Consonne	fricative	vélaire		sourde	espagnole
ŋ	G	G	ng	camping, mah-jong	ng	Consonne	nasale	vélaire		voisée	anglaise
j	j	j	y	lieu, paille	y	Semi-voyelle	spirante	palatale		sonnore
ɥ	8	8	u	huit, lui	ui	Semi-voyelle	spirante	labio-palatale		sonnore
w	w	w	ou	oui, nouer	w	Semi-voyelle	spirante	labio-vélaire		sonnore
ɑ, a	a	a	a	bat, plat	a	voyelle		anterieur	ouverte		non arrondie
i	i	i	i	lit, émis	i	voyelle		anterieur	fermé		non arrondie
y	y	y	u	lu, mur	u	voyelle		anterieur	fermé		arrondie
u	u	u	ou	roue, cou	ou	voyelle		postérieur	fermé		arrondie
o	o	O	o	peau, mot	o fermé	voyelle		posterieur	mi-fermé		arrondie
ɔ	O	O	o	éloge, fort	o ouvert	voyelle		postérieur	mi-ouverte		arrondie
e	e	e	ê	église, nez	e fermé	voyelle		anterieur	mi-fermé		non arrondie
ε	E	E	ê	paire, mère	e ouvert	voyelle		anterieur	mi-ouverte		non arrondie
ə	°	*	e	abordera, fermeté, parvenu	schwa	voyelle		centrale	moyenne
ø	2	2	e	deux, peu	eu fermé	voyelle		antérieur	mi-fermé		arrondie
œ	9	9	e	œuf, peur	eu ouvert	voyelle		anterieur	mi-ouverte		arrondie
ɛ̃	5	5	in	cinq, linge	in	voyelle	nasale	anterieur	pré-ouverte		non arrondie
œ̃	1	1	in	parfum, brun	un	voyelle	nasale	antérieur	pré-ouverte		non arrondie
ɑ̃	@	@	an	ange, franc	an	voyelle	nasale	postérieur	ouverte		arrondie
ɔ̃	§	§	on	savon, monde	on	voyelle	nasale	postérieur	mi-fermée		arrondie

voir http://alis.isoc.org/glossaire/phonetique.htm

à revoir selon le Grevisse

site parent : http://mabboux.net/

---- 19 Août 2012 ----

2) Description de la base de données LEXIQUE3.72

New B., Pallier C., Ferrand L., Matos R. (2001) Une base de données lexicales du français contemporain sur internet: LEXIQUE, L'Année Psychologique, 101, 447-462. http://www.lexique.org

New, B., Pallier, C., Brysbaert, M., Ferrand, L. (2004) Lexique 2 : A New French Lexical Database. Behavior Research Methods, Instruments, & Computers, 36 (3), 516-524.

La base de données lexicales consiste en un tableau de 35 colonnes :

Titre de la colonne		Déscription
1	ortho	Mot
2	phon	Forme phonologique
3	lemme	Lemme
4	cgram	Catégorie grammaticale
5	genre	Genre
6	nombre	Nombre
7	freqlemfilms2	Fréquence du lemme selon le corpus de sous-titres (par million d'occurences)
8	freqlemlivres	Fréquence du lemme selon le corpus de livres (par million d'occurences)
9	freqfilms2	Fréquence du mot selon le corpus de sous-titres (par million d'occurences)
10	freqlivres	Fréquence du mot selon le corpus de livres (par million d'occurences)
11	infover	Modes, temps, et personnes possibles pour les verbes
12	nbhomogr	Nombre d'homographes
13	nbhomoph	Nombre d'homophones
14	islem	Indique si c'est un lemme ou pas
15	nblettres	Nombre de lettres
16	nbphons	Nombre de phonèmes
17	cvcv	Structure orthographique
18	p_cvcv	Structure phonologique
19	voisorth	Nombre de voisins orthographiques
20	voisphon	Nombre de voisins phonologiques
21	puorth	Point d'unicité orthographique
22	puphon	Point d'unicité phonologique
23	syll	Forme phonologique syllabée
24	nbsyll	Nomre de syllabes
25	cv-cv	Structure phonologique syllabée
26	orthrenv	Forme orthographique inversée
27	phonrenv	Forme phonologique inversée
28	orthosyll	Forme orthographique syllabée
29	cgramortho	Liste des catégories grammaticales possibles
30	deflem	Pourcentage de personnes connaissant ce mot
31	defobs	Nombre de personnes qui ont répondus au teste de connaisance de ce mot.
32	old20	Distance de Levenshtein moyenne des 20 mots les plus proches.
33	pld20	Distance de Levenshtein moyenne des 20 formes phonologiques les plus proches.
34	morphoder	Décomposition en morphèmes dérivationnels d'un mot
35	nbmorph	Nombre de morphèmes

Lemme : Le lemme est la forme canonique, c’est à dire l’infinitif pour un verbe, le masculin singulier pour un nom ou un adjectif. Par exemple, le mot chienne a pour lemme chien.

Fréquence du lemme : Cela correspond à la somme des fréquences des formes fléchies de chaque lemme. Exemple : freq (arbre) = freq ("arbre") + freq ("arbres")

Informations verbales (infover) : Ce sont les informations de mode, de temps, et de personne que sont susceptibles de prendre les formes verbales

Nombre d'homographes (nbhomogr) : Nombre d'entrées ayant la même forme orthographique mais pouvant différer de par leur catégorie grammaticale ou de par leur lemme.

Nombre d'homophones (nbhomoph) : Nombre d'entrées ayant la même forme phonologique.

Structure orthographique (cvcv) : Elle décrit la structure orthographique. Les voyelles sont notées V, les consonnes sont notées par C. Ainsi chienne est représentée par ccvvccv.

Structure de la forme phonologique (p-cvcv) : C'est un découpage du mot en voyelles (V) et consonnes (C) selon sa représentation phonologique.

Nombre de voisins orthographiques (voisorth) : Le nombre de voisins orthographiques calculés à partir toutes les entrées de la base. Les voisins orthographiques d’un mot sont les mots qui peuvent être créés en changeant une lettre sans modifier pour autant la position des autres lettres (Coltheart, Davelaar, Jonasson et Besner, 1977). Par exemple, les mots vidé, et aidé sont tous des voisins orthographiques du mot aidé. Les différents voisins de chaque mot sont présentés dans la table Voisins (que l'on peut télécharger sur http://www.lexique.org).

Nombre de voisins phonologiques (voisphon) : Les voisins phonologiques d'un mot sont des mots qui peuvent être créés en changeant un phonème sans modifier les autres. Ils ont aussi été calculés à partir de toutes les entrées phonologiques de la base Lexique3.

Point d’unicité orthographique (puorth) : Le point d’unicité orthographique correspond au rang de la lettre en partant de la gauche à partir duquel le mot peut être identifié sans ambiguïté. Nous avons calculé les points d'unicité sur la base des lemmes pour que les formes plurielles ne parasitent pas les calculs (sinon toutes les formes ayant un pluriel ont un point d'unicité égale à leur longueur). Pour les formes orthographiques n'étant pas lemmes, le point d'unicité orthographique est de 0.[avant la version 2.60 les voisins n’étaient pas calculés sur les lemmes mais sur toutes les entrées de Lexique3s]

Point d’unicité phonologique (puphon) : Le point d’unicité phonologique correspond au rang du phonème en partant de la gauche à partir duquel le mot peut être identifié sans ambiguïté. Le point d'unicité phonologique a aussi été calculé sur la base des lemmes. Pour certains lemmes très rares nous n'avions pas leurs représentations phonologiques (les représentations phonologiques ont été calculées sur les formes orthographiques). Pour les formes orthographiques n'étant pas lemmes, le point d'unicité phonologique est de 0.

Syllabation (syll) : Les formes phonologiques ont été syllabées selon un algorithme de syllabation décrit dans Dufour, Peereman, Pallier et Radeau (sous presse). Une version mise à jour de l’article décrivant l’algorithme utilisé est présente à l’adresse suivante En résumé, nous avons retenu la syllabation adoptée par Pallier (1994). La syllabation est calculée sur la représentation phonologique présente dans Lexique dont on a enlevé les schwas finaux. Cette syllabation est basée sur le principe général d'une segmentation syllabique entre deux consonnes sauf dans les cas des occlusives + liquides ou d'une fricative labio-dentale suivie d'une liquide. Le script de syllabation (syllabation.awk) est distribué avec lexique.

Structure phonologique syllabique (cv-cv) : Elle décrit la structure phonologique du mot syllabé. Les consonnes sont notées C, les voyelles sont notées V et les semi-voyelles Y

Représentation orthographique inversée (orthrenv) : Ex: erbra (arbre). Ce type de champs, une fois trié, est très utile pour les personnes travaillant sur les terminaisons (p.ex. en morphologie)

Représentation phonologique inversée (phonrenv) : Ex: RbRa (aRbR). Même champs que précédemment mais pour la représentation phonologique.

Représentation orthographique syllabée (orthosyll): Champs encore expérimental donnant la représentation orthographique syllabée (Ex mai-son). L'algorithme utilisé montre quelque différences avec l'algorithme de syllabation utilisée sur les formes phonologiques (p.ex. les schwas finaux sont comptés comme des voyelles). Il fait notamment des erreurs sur les mots composés et quand deux voyelles se suivent (pays, yaourt, voyant, truand).

Catégories grammaticales possibles de la forme orthographique (cgramortho): Champs qui indique les différentes catégories grammaticales possibles pour une représentation orthographique donnée. P.ex. danse sera catégorisée comme "NOM,VER" c'est-à-dire un mot qui peut être soit un nom, soit un verbe.

Pourcentage de personnes connaissant la définition du lemme (deflem). Ce champs indique le pourcentage de personnes ayant dit qu’il connaissait le lemme du mot sur le site « Combien de mots connaissez-vous ? ». Cet indicateur peut donc constituer une sorte de fréquence subjective objective en quelques sortes ;-).

Nombre de personnes ayant répondu pour la définition de ce lemme (defobs). Ce champs indique le nombre de personnes à partir duquel nous avons construit le pourcentage du champs précédent (deflem).

Distance de Levenshtein orthographique (old20) Récemment Yarkoni, Balota et Yap (2008) ont essayé d'améliorer l'indice de voisinage donné par le nombre de voisins. Pour cela, pour un mot donné, ils ont calculé sa distance de Levenshtein en fonction de tous les autres mots. Enfin, ils ont calculé la distance moyenne des 20 mots les plus proches. Dans une série de régressions multiples ils trouvent que cette distance de Levenshtein moyenne explique davantage de variance que le nombre de voisins orthographiques. Nous avons ici calculé la distance de Levenshtein des 20 mots les plus proches en ayant calculé préalablement la distance de Levenshtein de chaque mot avec les 125 653 entrées orthographiquement différentes de la base Lexique 3.6. La distance de Levenshtein est le nombre de transformations (ajout, suppression, remplacement) pour arriver d'une chaîne de caractères à une autre. Par exemple la distance de Levenshtein entre jupe et juge est de 1 et de 2 entre jupe et juger.

Distance de Levenshtein phonologique (pld20) Ce champs est l'équivalent de la distance de Levenshtein orthographique appliqué à la représentation phonologique. (calculé en fonction des 71 358 formes phonologiques différentes de Lexique 3.6.

Morphologie Dérivationnelle (morphoder) Ce champs donne la décomposition en morphèmes dérivationnels d'un mot donné. Ainsi plumage est décomposé en plume-age. Ce champs est le résultat du programme Dérif (Namer, 2003; http://www.cnrtl.fr/outils/DeriF/). Attention pour la version actuelle de ce programme de nombreux suffixes et préfixes étant encore non traités ou traités partiellement). Par exemple, abandonner n'est pas ségmenté comme abandon-er mais comme un monomorphémique (abandonner). Nous sommes donc vivement intéressés par toute contribution concernant ce champs.

Nombre de morphèmes (dérivationnels) (nbmorph) C'est le nombre de morphèmes dérivationnels directement calculé à partir du champs précédent.

Déscription des codes utilisés dans LeFFF

Code	Mode	Temps
P	indicatif	présent
F	indicatif	futur
I	indicatif	imparfait
J	indicatif	passé-simple
C	conditionnel	présent
Y	impératif	présent
S	subjonctif	présent
T	subjonctif	imparfait
K	participe	passé
G	participe	présent
W	infinitif	présent

Lettre	Signification
1	1^re personne
2	2^e personne
3	3^e personne
m	genre masculin
f	genre féminin
s	nombre singulier
p	nombre pluriel

Lorsque plusieurs codes de même nature se suivent, cela signifie que la forme est commune aux valeurs en question. Exemple : PSs12 = présent de l'indicatif ou du subjonctif, à la 1^re ou 2^e personne du singulier.

Description vocolex

-hom : champ mentionnant s’il existe ou non des autres entrées homophoniques (hétérographiques ou non). Valeurs : 1= mot homophone ; 0= mot non-homophone.

-cgram : classe grammaticale (NO: nom; AJ: adjectif; VB: verbe; AV: adverbe; CO: conjonction; LO: locution; PN: pronom; IN: interjection; AR: article; PR: preposition).

-Franfreqpm: fréquence formelle (selon LEXIQUE) de l’entrée orthographique (arrondie à l’unité par million)

-Frecum : fréquences cumulées des entrées orthographiques homophones (fréquence de la forme phonologique)

-psylpal : segmentation syllabique. Les transitions syllabiques sont représentées par le signe “ - ”

(rmq. Le mot cible n’est jamais comptabilisé dans les différentes cohortes. Il s’agit donc des nombres de mots “ compétiteurs ”)

PUS : point d’unicité du mot calculé par rapport aux mots possédant la même première syllabe

CoPty2 à CoPty9 : nombre de candidats dans la cohorte au Xe phonème. La 9e position correspond au silence suivant la fin du mot pour les mots de 8 phonèmes. La cohorte sur le 1er phonème n’est pas fournie (elle correspond au nombre de mots ayant un premier phonème identique). Sigles : Co= cohorte ; P= phonologique ; ty= calculs par type
CoPto2 à CoPto9: idem que CoPty2 à CoPty9 mais par token. Il s’agit donc de la fréquence cumulée des mots présents dans la cohorte. Sigle: to = calcul par token

HfCoPty2 à HfCoPty9 : idem que CoPty2 à CoPty9 en ne considérant que les mots plus fréquents que le mot cible. Il s’agit donc d’une fraction de la cohorte considérée dans CoPty2 à CoPty9. Sigle : Hf= haute fréquence
HfCoPto2 à HfCopto9 : idem que HfCoPty2 à HfCopto9 mais par token. Il s’agit donc de la fréquence cumulée des mots plus fréquents dans la cohorte.

SCoPty2 à ScoPty9 : nombre de candidats dans la cohorte ayant la même première syllabe que le mot cible. Il s’agit d’un sous ensemble de la cohorte telle que calculée en CoPty2 à CoPty9. Sigle : S=syllabe
SCoPto2 à ScoPto9 : idem que SCoPty2 à ScoPty9 mais par token. Il s’agit donc de la fréquence cumulée des mots de la cohorte ayant une même première syllabe

HfSCoPty2 à HfSCoPty9 : idem que SCoPty2 à ScoPty9 mais en ne considérant que les mots plus fréquents
HfSCoPto2 à HfSCoPto9 : idem que HfSCoPty2 à HfSCoPty9 par token. Il s’agit donc de la fréquence cumulée des mots de la cohorte qui sont plus fréquents que la cible, et ayant la même première syllabe

Le voisinage est déterminé en prenant en compte:
-les voisins par substitution d’un caractère phonétique
-les voisins par addition d’un caractère
-les voisins par délétion d’un caractère

Les calculs déterminent:
-le nombre total de voisins
-le nombre total de voisins plus fréquents
-le nombre de voisins par substitution
-le nombre de voisins par addition
-le nombre de voisins par délétion

en outre, les valeurs par type sont fournies pour:
-le nombre de voisins par substitution pour chaque position
-le nombre de voisins par addition pour chaque position
-le nombre de voisins par délétion pour chaque position

-voty: nbr de voisins total par type (somme des trois sortes de voisins). Sigle: vo = voisin
-voto: idem par token

-voSty : nombre de voisins par substitution, par type. Sigle : S = substitution
-voSto : idem par token

-voAty : idem pour les voisins par addition. Sigle : A = addition
-voAto : idem par token

-voDty : idem pour les voisins par délétion. Sigle : D = délétion
-voDto : idem par token

-voSty1 à voSty8: nombre de voisin par substitution pour chaque position, par type.
-voAty1 à voAty8: idem pour les voisins par addition.
-voDty1 à voDty8: idem pour les voisins par délétion.

-voHSty1 à voHSty8: nombre de voisin par substitution plus fréquents pour chaque position, par type. Sigle : H = voisin de plus Haute fréquence
-voHAty1 à voHAty8: idem pour les voisins par addition.
-voHDty1 à voHDty8: idem pour les voisins par délétion.

Codes	Catégorie grammaticale	Exemple
ADJ	Adjectif	Un chat bleu
ADJ:dem	Adjectif démonstratif	Ce chat
ADJ:ind	Adjectif indéfini	Aucun chat
ADJ:int	Adjectif interrogatif	Quel chat ?
ADJ:num	Adjectif numérique	Deux chats
ADJ:pos	Adjectif possessif	Son chat
ADV	Adverbe	Mange vite
ART:def	Article défini	Le chat
ART:ind	Article indéfini	Un chat
AUX	Auxilière	Il a parlé
CON	Conjonction	mais, ou, et, donc...
LIA	Liaison euphonique	Va-t-il dormir ?
NOM	Nom commun	Le chat
ONO	Onomatopée	Boum
PRE	Préposition	derrière le chat
PRO:dem	Pronom démonstratif	Celui qui mange
PRO:ind	Pronom indéfini	Quelqu'un vient
PRO:int	Pronom interrogatif	Qui vient ?
PRO:per	Pronom personnel	Il vient
PRO:pos	Pronom possessif	Le mien est noir
PRO:rel	Pronom relatif	Le chat qui dort
VER	Verbe	Mange

Jeux de construction de mots

1) Introduction