Jean VÉRONIS

Fréquences des bigrammes en français

  

Télécharger (zip, 49ko)

Fréquences des bigrammes en français
====================================

Le fichier "bigrammes.txt" contient les fréquences des bigrammes (deux lettres successives) en français, calculés sur 5 types de textes :

  - ABU : Textes littéraires
  - JOC : Journal officiel de la Commission Européenne
  - MON : Journal Le Monde
  - OUV : Ouvrages des éditions du CNRS
  - PER : Périodiques du CNRS et des Editions Hermès

Ces textes ont été réunis et préparés dans le cadre d'un projet collaboratif, avec l'aide de Benoît Habert et de son équipe.

Les tailles de ces textes (obtenues par la commande 'wc') sont les suivantes:

Parag.  Mots    Caractères

  32490  933255 5379687 ABU.TXT
  44612 1161890 7528119 JOC.TXT
  13736  933168 5702329 MON.TXT
  12944 1022255 6501540 OUV.TXT
   9869  946565 6170195 PER.TXT

 113651 4997133 31281870 total

Le fichier des fréquences contient 7 colonnes : 

  - Colonne 1 : les deux caractères du bigramme
  - Colonne 2 : fréquence totale
  - Colonnes 3-7 : fréquence dans chacun des textes

Exemple :


BI	TOTAL	ABU	JOC	MON	OUV	PER
  	35474	 506	 31641	 2727	 74	 526
 !	7792	 6772	0	 636	 288	 96
 "	21479	 2986	0	 16079	 356	 2058
 $	7	0	 2	0	0	 5
 %	3103	 1	 1002	 1349	 504	 247
 &	32	0	 21	 1	 7	 3
 '	96	 39	 10	 2	 31	 14

Ces données peuvent être utilisées librement, ainsi que redistribuées. Dans ce dernier cas, la présente notice doit impérativement être jointe à la redistribution.

Merci de citer l'utilisation de ces données dans vos publications!


Jean Véronis, Professeur de Linguistique et Informatique
Université de Provence
29 av. Robert Schuman
13621 Aix-en-Provence Cedex 1, France

Jean.Veronis@up.univ-mrs.fr
http://www.up.univ-mrs.fr/~veronis