Construction et analyse d’un corpus de science-fiction pour l’étude des mots-fictions

Abstract

La science-fiction est un genre littéraire qui se distingue des autres par sa faculté à concevoir un nouveau lexique lors de l’écriture des récits, constitué de termes appelés mots-fictions. Cependant, le nombre de corpus de récits de science-fiction est à ce jour très limité, et aucun d’eux ne permet un accès aux textes intégraux. De plus, les chercheurs en linguistique et en littérature extraient à la main les mots-fictions, rendant les analyses de ces termes plus longues et fastidieuses. C’est pourquoi nous proposons NovSFcorpus¹, un corpus permettant d’accéder à environ 250 textes intégraux de romans et de nouvelles de science-fiction francophones libres de droits, contenant 10 millions de tokens et annotés en mots-fictions grâce à une méthodologie semi-automatique. Plusieurs catégories de mots-fictions ont alors été mises en avant pour une compréhension plus fine de leur construction. Un modèle de reconnaissance de mots-fictions pourra ensuite être entraîné sur ce corpus afin de détecter automatiquement ces termes étudiés par plusieurs disciplines de la linguistique.