VERSION ACABIT pour le Franais du 10/11/2003
---------------------------------------------

Beatrice Daille
daille@irin.univ-nantes.fr

Utilisation
-----------

Suite d'instructions  lancer :

	cd nom_du_repertoire_acabit
	perl fr_stat.pl nom_du_fichier_entree
	perl fr_tri.pl [nom_du_fichier_sortie]

Note: 
1) Fichier de sortie par dfault : out.xml
2) Ne pas detruire les fichiers txt generes lors des etapes intermediaires
3) Ne pas lancer deux processus simultans


Format d'entre
---------------

Corpus segmente, tiquet et lemmatise.
Programme d'etiquetage : tiqueteur de Brill pour le franais
Programme de lemmatisation : lemmatiseur FLEMM

Le fichier d'entre doit tre balis comme suit:

<record>
<AN> ...</AN>
<TI> ... </TI>
<AB> 
<ph_nb=xxx> ... <ph>
....
<ph_nb=xxx> ... <ph>
</AB>
</record>
<record>
...
</record>

*Balise <record> : marquage des diffrents textes
*Balise <AN>     : information concernant le texte
*Balise <TI>     : titre
*Balise <AB>     : corps du texte
*Balise <ph_nb=xxx> : phrase numero xxx  

Exemple de fichier entree  : exemple_fr.txt


format special de la balise <AN> : <AN> nn/CAR/nn -/- mmmmmmm/XXX/mmmmmmm </AN>
	  avec nn = anne et mmmmmmm=identificateur du fichier 
	
Fichiers de sorties 
-------------------

out.xml

REA/temp.txt
REA/temp2.txt
REA/temp3.txt
REA/temp3_bis.txt 

REA/ensemble.txt   
REA/relationnel.txt  
REA/tiret.txt
REA/inversion.txt  
REA/prefixe.txt      

REA/res.txt
REA/newindex.txt 
REA/tri.txt

out.xml
-------

Fichier de sortie au format XML.

Contient la liste des candidats termes aprs regroupement
morphologique class selon le loglike.


REA/relationnel.txt  
-------------------

Regroupement des termes aprs detection des adjectifs relationnels.


REA/inversion.txt  
-----------------

Regroupement des termes aprs detection des inversions.

REA/prefixe.txt      
---------------

Regroupement des termes aprs detection des prefixes.

REA/ensemble.txt   
----------------

Regroupement des termes aprs detection des suffixes.

REA/tiret.txt
-------------

Regroupement des termes aprs detection des tirets.

REA/newindex.txt
----------------

Nouvel index des termes aprs le regroupement des
variantes de termes.

REA/temp.txt
------------

Liste de termes avec leurs statistiques

Chaque ligne correspond  un couple (premier lemme/ dernier lemme). 
Les informations pour chaque couple sont, dans l'ordre :
- son identifiant unique
- le nombre de termes commencant par ce premier lemme
- le nombre de termes finissant par ce dernier lemme
- le premier lemme
- le dernier lemme
- le type de structure
- la suite de lemmes de chaque terme simplifie trouve 
  comportant ce premier et ce dernier lemme 


REA/temp2.txt
-------------

C'est le fichier ou  apparait chaque terme trouve  (autant de fois que
d'occurences dans le texte) avec les informations suivantes et
leur emplacement dans le texte

Chaque ligne correspond   un terme trouve, a ses caracteristiques et
a ses references : 
- le premier lemme
- le dernier lemme
- l'identifiant unique du couple (premier lemme/ dernier lemme)
- la suite de flexions de chaque terme
- la suite d'etiquettes de chaque terme
- la suite de lemmes de chaque terme
- la structure du terme (NA, NPN, ...)
- le type du terme (BASE, MODIF, COORD, ...)
- l'annee
- le numero de texte
- le numero de phrase
- un booleen pour dire si le terme a ete trouve dans un titre (1) ou
dans le corps du texte (0)

REA/temp3.txt et REA/temp3_bis.txt
----------------------------------

Fichiers avec la liste des adjectifs relationnels

Chaque ligne correspond  un adjectif detecte :
- le lemme de l'adjectif
- le numero de l'iteration  laquelle il a ete trouve. 
  (1 = directement) c'est-a-dire lors de cette phase

temp3.txt contient l'ensemble des adjectifs 
avant la detection des adj dans les coordinations.

temp3_bis.txt contient l'ensemble des adjectifs 
aprs la detection des adj dans les coordinations.



REA/res.txt
-----------

Fichier resultat des couples de termes listes dans temp.txt trouv
tries selon le loglike. 
Il tient compte des regroupements morphologiques.


REA/tri.txt
-----------

Fichier resultat des occurrences de termes listees dans temp2.txt
regroupes (sans prise en compte des regroupements morphologiques) 

Le fichier est compose d'une alternance de lignes de 2 formes differentes :
-  "Mot Mot :" pour presenter les mots des termes
- "* Infos sur le terme" qui fournit des renseignements sur les
occurrences de ce terme 


Chaque ligne correspondant aux renseignements sur les occurrences du
terme  la forme suivante :
- l'identifiant unique du couple (premier lemme/ dernier lemme)
- le premier lemme
- le dernier lemme
- la suite de flexions de chaque terme
- la suite d'etiquettes de chaque terme
- la suite de lemmes de chaque terme
- la structure du terme (NA, NPN, ...)
- le type du terme (BASE, MODIF, COORD, ...)
- une suite non nulle de references entre parentheses :
  * l'annee
  * le numero de texte
  * le numero de phrase
  * un booleen pour dire si le terme a ete trouve dans un titre (1) ou
   dans un resume (0) 





