Corpus PhraseoRom

Les œuvres littéraires des corpus PhraseoRom ont été réparties en 6 sous-genres : romans de littérature générale (GEN), sentimentaux (SENT), policiers (POL), historiques (HIST), de science-fiction (SF), fantasy (FY). Ces œuvres ont été sélectionnées en fonction de critères chronologiques (romans postérieurs à 1950) et éditoriaux (pour GEN, la reconnaissance des auteurs par la critique, notamment lors de l’attribution de prix littéraires, et pour les autres sous-genres, la collection dans laquelle elles sont publiées).

Tableau 1. Répartition des corpus PhraseoRom selon les langues (auteurs, textes, tokens)

Corpus comparables
Langue	Auteurs	Textes	Tokens
EN	376	849	112 610 090
FR	418	1131	103 819 368
DE	237	746	89 451 097
Corpus parallèles
EN → FR	230	495	68 512 492
FR → EN	139	298	33 754 332

 

Sous genres	Tokens FR	Tokens EN (GB)	Tokens EN (US)	Tokens DE
FY	13 966 573	24 590 831	6 467 561	16 774 462
GEN	34 593 337	15 696 519	283 291	9 068 325
HIST	14 193 643	14 606 939	92 843	25 454 115
POL	18 020 732	16 117 528	2 891 981	11 117 326
SENT	9 516 638	12 836 609	0	18 689 013
SF	13 528 445	16 507 028	2 518 960	8 347 856
Total	103 819 368	100 355 454	12 254 636	89 451 097

 

 

Tous ces corpus ont d’abord été rendus accessibles sur l’interface du Lexicoscope v1 (Kraif & Diwersy 2012 ; Kraif 2016), avant leur déploiement progressif vers le Lexicoscope 2.0.

 

Pour citer le corpus, citer l'article : Sascha Diwersy, Laetitia Gonon, Vannina Goossens, Olivier Kraif, Iva Novakova, Julie Sorba et Ilaria Vidotto, « La phraséologie du roman contemporain dans les corpus et les applications de la PhraseoBase », Corpus [En ligne], 22 | 2021, mis en ligne le 02 février 2021, consulté le 10 janvier 2024. URL : http://journals.openedition.org/corpus/6101 ; DOI : https://doi.org/10.4000/corpus.6101