Contexte corpustraduction
Corpus réunissant des textes en deux ou plusieurs langues (ou variétés de langue) appariés par sujet, genre ou fonction de communication, et dont les composantes sont généralement rédigées à l'origine dans chaque langue plutôt que traduites : par exemple des articles de presse rédigés indépendamment en français et en anglais sur les mêmes événements.
Remarques La comparabilité est affaire de degré plutôt que de tout ou rien : des documents peuvent se ressembler par le contenu et par la forme à des degrés variables et selon plusieurs dimensions, les corpus parallèles occupant une extrémité de ce continuum et les collections sans rapport l'autre (Sharoff et al., 2023). En pratique, les composantes sont appariées selon un plan d'échantillonnage commun : les mêmes proportions des mêmes genres et des mêmes domaines, sur la même période, dans chaque langue (McEnery et Xiao, 2007). Comme ces composantes sont généralement des originaux et non des traductions, le corpus comparable montre comment chaque langue exprime nativement un contenu semblable, ce qui le rend utile en terminologie et pour vérifier qu'une traduction se lit comme un original ; le traitement automatique des langues en fait un tout autre usage, comme données d'entraînement pour la traduction automatique et la recherche translingue. Le terme ne s'emploie pas de façon uniforme : certains auteurs l'appliquent aussi à deux ensembles dans une seule et même langue, l'un de textes traduits et l'autre de textes non traduits, montage habituel pour étudier ce qui distingue la langue traduite de la langue originale, tandis que McEnery et Xiao le réservent à des composantes en langues différentes. Ces corpus sont de plus en plus augmentés ou générés synthétiquement, ce qui rouvre la question de la définition et de la mesure de la comparabilité (Sharoff et al., 2023).
Voir aussi corpus parallèlecorpus