Il est possible d'interroger les corpus traités par FRMG à l'aide du langage DPath, décrit ci-dessous.

Inspiré par le langage de requête XPath pour XML, le langage DPath permet d'exprimer des requêtes pour le schema natif FRMG sous son format DepXML. Il est implanté en Perl mais possède sa propre syntaxe pour plus de compacité. Le langage DPath s'appuie sur une représentation orientée objet des noeuds (DepXML::Node) et arcs (DepXML::Edge), et dans une moindre mesure des clusters (DepXML::Cluster). Les constituants et hypertags ne sont pas encore accessibles. Les primitives de base du langage sont des méthodes s'appliquant à ses objets. On distingue deux familles de méthodes:

• la première famille permet de tester une propriété sur un objet. La table 1 illustre quelques une de ces propriétés. Une large partie des méthodes sont automatiquement construites à partir des labels et catégories syntaxiques du tagset de FRMG
• la seconde famille permet de naviguer d'un objet à un autre. La table 2 liste les 4 déplacements de base.

Certaines méthodes sont en fait implicites, comme par exemple cat_in_v_aux pour indiquer que la catégorie d'un noeud est soit v, soit aux, ou label_in_subject_impsubj pour indiquer que le label d'un arc est soit subject, soit impsubj.

Il est bien sûr possible de définir ses propres méthodes sur les noeuds et les arcs pour les utiliser dans DPath, en respectant la convention que les méthodes de propriétés doivent commencer par is_ ou has_. Et il est tout à fait possible d'utiliser une requête DPath dans la définition d'une telle méthode.

Une succession de propriétés dénote une conjonction, tandis qu'une succession de déplacements dénote un chemin dans la structure de dépendance.

Il est à noter que les expressions DPath (comme XPath) travaillent sur des ensembles d'objets (de même nature, noeuds ou arcs). Elles prennent généralement un singleton en entrée mais peuvent très bien retourner plusieurs objets en sortie, ou l'ensemble vide. L'opérateur union peut ainsi être utilisé pour grouper les résultats de deux sous-requêtes (équivalent à un ou logique). Enfin, il est possible de parenthéser une expression E pour l'appliquer sur l'ensemble courant d'objets sans déplacement, même si E contient des déplacements, de manière analogue à la construction [0...]0 en XPath. DPath autorise ainsi les constructions suivantes, sans déplacement:

• .( <exp> ) pour filtrer l'ensemble courant en ne gardant que les membres vérifiant l'expression;
• .x( <exp> ) pour garder l'ensemble courant, si au moins un des membres vérifie l'expression;
• .a( <exp> ) pour garder l'ensemble courant, si tous ses membres vérifient l'expression;
• .n( <exp> ) pour garder l'ensemble courant, si aucun de ses membres vérifient l'expression.

Il est également possible d'itérer une expression avec la notation ( <exp>)*.

L'expression suivante permet de récupérer les noeuds de catégorie coo (coordonnant), lié à un noeud fils verbal par un arc étiqueté coord3 et à un noeud père verbal par un arc d'adjonction.

dpath is_coo                         
    .(out is_coord3 target is_v)                         
    .(in is_adj source is_v)

exemple d'expression dpath

Les deux méthodes suivantes (sur les noeuds) s'appuient sur des expressions DPath pour se déplacer au noeud père (via l'arc entrant) ou aux noeuds fils (via les arcs sortants). Ces méthodes peuvent ensuite elles-mêmes être utilisées dans des expressions DPath.

sub parent {                       
  shift->apply(dpath in source);                        
}                        
sub children {                        
  shift->apply(dpath out target);                        
}

méthodes de déplacement vers les noeuds père ou fils

En allant plus loin, on peut ainsi définir des méthodes de déplacement beaucoup plus complexes. Ainsi, la méthode suivante (sur les noeuds) permet de se déplacer vers son sujet. On notera l'emploi de l'opérateur union et l'emploi récursif de la méthode get_subject (intuitivement, un sujet est accroché directement sur le noeud ou doit être recherché récursivement sur un auxiliaire adjoint au noeud).

sub get_subject {                       
  (shift->apply( dpath out                        
       ( is_subject target union is_Infl is_adj target is_aux get_subject )                        
                ) )[0]; }

méthode récursive pour se déplacer vers le sujet

DPath version wiki

Dans le cadre de ce wiki, pour la consultation des corpus analysés avec FRMG, DPath a été complété par l'utilisation d'une phase amont d'indexation via ElasticSearch. Il est également envisagé d'utiliser DPath pour chercher certaines structures dans les phrases d'exemple servant à illustrer ce wiki.

Pour ce wiki, DPath a aussi été étendu pour fonctionner pour les schémas CONLL, PASSAGE et DepCONLL en plus de DepXML. Il est également possible d'utiliser des macro. Les requêtes faites par les utilisateurs peuvent être enregistrés en vue de constituer une bibliothèque.

Il existe quelques différences de notation avec la version Perl.

Ainsi sur les expressions parenthésées:

• .( <exp> ) pour filtrer l'ensemble courant en ne gardant que les membres vérifiant l'expression;
• x( <exp> ) pour garder l'ensemble courant, si au moins un des membres vérifie l'expression;
• a( <exp> ) pour garder l'ensemble courant, si tous ses membres vérifient l'expression;
• n( <exp> ) pour garder l'ensemble courant, si aucun de ses membres vérifient l'expression.

Pour les tests élémentaires:

• [@cat="v"] pour un trait de base (form, lemma; cat et xcat pour DepXML; pos et cpos pour CONLL)
• [@features@p="2"] pour des traits morphosyntaxiques profonds (ici p pour personne)
• [@cpos="C"] [@features@p="2"] pour une conjonction (séquence) de tests

Et naturellement, plus d'échappements possibles vers Perl !

Nous rendons disponibles les résultats d'analyse avec FRMG de quelques corpus du français (réalisé en Juin 2014). Ces corpus ont initialement été préparés en 2007 dans le cadre de l'action PASSAGE, et font partie du Corpus Passage Long (CPL). Les textes de ces corpus sont libres d'accès mais restent néanmoins associés à leur licence d'origine.

• EuroParlement : EP (depxml 8.6G) ou EP (depxml passage 12G). EuroParlement est un corpus de transcriptions des discours du parlement européen, disponible ici, sans restriction particulière de licence.

• Wikipedia français : FrWiki (depxml, 39G) ou FrWiki (depxml passage 50G). Ce corpus comprend une sous-partie des pages d'un dump ancien de Wikipedia fr (2007). Certaines pages trop longues, trop courtes, avec peu de texte, ou en langue étrangère ont été supprimées à l'époque. Les pages sont originellement disponibles sous licence Creative Commons Parternité - partage à l'identique des conditions initiales.

• WikiSource français : WkS (depxml 13G) ou WkS (depxml passage 18G). Ce corpus de textes littéraires comprend une sous-partie des ouvrages d'un dump ancien de WikiSource fr (2007). Certaines pages trop courtes, avec peu de texte, ou en langue étrangère ont été supprimées à l'époque.Les textes sont originellement disponibles sous licence Creative Commons Parternité - partage à l'identique des conditions initiales.

Un nouveau corpus, hors PASSAGE, est également disponible:

• EMEA : EMEA (depxml, 3.7Go). Un corpus médical (sur les médicaments) formé de textes de l'European Medecines Agency, disponible dans le cadre de OPUS (the open parallel corpus), sans restriction particulière de licence.

Les annotations produites sont librement disponibles, sous réserve, pour les éléments textuels, des licences s'appliquant sur les textes originaux.

Nous invitons cependant fortement les utilisateurs de ces annotations

• à se faire connaître,
• à éventuellement décrire leurs travaux sur ce site,
• et à référencer ce site ou les publications sur FRMG (biblio) dans leurs propres articles !

Les annotations sont actuellement disponibles pour le schéma DepXML (format XML). En fonction des demandes, des versions pour les schémas FTB/CONLL et Passage/XML seront rendues disponibles. Il est également envisagé dans les mois à venir d'utiliser des versions plus récentes de Wikipédia et Wikisource. Des suggestions pour rendre disponible d'autres gros corpus (sous licence libre) sont les bienvenues !

Enfin, il est également possible de lancer des requêtes DPath sur ces corpus (Service de requêtes), en prenant en considération que certaines requêtes peuvent demander un temps de traitement conséquent !

Quelques statistiques sur les corpus:

Les corpus ont été annotés automatiquement avec FRMG, sans post correction manuelle. Nous n'avons donc pas d'indication précise sur la qualité des analyses. Des éléments d'évaluation pour FRMG sont néanmoins disponibles sur cette page. Les utilisateurs de ces corpus sont gentiment invités à faire remonter des informations sur des erreurs manifestes et récurrentes.