Palabras y Lemas

Los software para el análisis de textos, en primer lugar, identifican las llamadas formas gráficas, es decir las cadenas de letras separadas por los espacios en blanco. Después, de acuerdo con sus algoritmos específicos o con las categorías usadas por los especialistas, el software reconoce lemas, lexemas, palabras clave, etc.

Las tablas T-LAB, para todas las unidades lexicales presentes en la base de datos del corpus, reproducen dos informaciones:

• la primera, denominada "palabra", contiene la trascripción de las unidades lexicales (palabras individuales, lexias o multi-palabras) como "cadenas" reconocidas por el software;

• la segunda, denominada "lema", contiene las etiquetas con las que están reagrupadas y clasificadas las unidades lexicales.

Según los casos, un lema puede ser:

- el resultado del proceso de lematización automática;
- una voz de un "diccionario personalizado";
- una categoría que indica un grupo di sinónimos;
- una categoría de análisis del contenido;
- etc.