Jeu de données de segmentation non normalisée- castillan médiéval

<p>Jeu de donn&eacute;es de segmentation/tok&eacute;nisation sur un corpus non r&eacute;gularis&eacute; en sortie d&#39;HTR/OCR. Castillan m&eacute;di&eacute;val (15e si&egrave;cle); manuscrit (deux t&eacute;moins,55%) et incunable (un t&eacute;moin, 45%). Les normes de segmentation sont celles du castillan actuel.</p> <p>Le jeu de donn&eacute;es fait environ 37.000 lignes pour l&#39;instant. Il est produit &agrave; partir de mon corpus de th&egrave;se.</p> <p>Le corpus provient de deux manuscrits et d&#39;un incunable qui contiennent le <em>Regimiento de los pr&iacute;n&ccedil;ipes</em>.</p> <ul> <li><code>Val_S</code>: Ms. 251, Universidad de Valladolid. Fols 1r-27r et 175r-197v.</li> <li><code>Sev_Z</code>: Inc/901, Biblioth&egrave;que Nationale d&#39;Espagne. Fols 1r-114r et 153r-249v.</li> <li><code>Mad_A</code>: Inv. 15304, Biblioth&egrave;que de la Fundaci&oacute;n L&aacute;zaro Galdiano, fols. 237v-274v.</li> <li><code>Sal_L</code>: Ms 2709, Biblioth&egrave;que Universitaire de Salamanque, fols. 365r-391r.</li> </ul> <p>Le corpus peut difficilement servir pour l&#39;&eacute;tude du texte. Les changements de folio ne sont pas toujours indiqu&eacute;s; certaines lignes trop mal transcrites ont &eacute;t&eacute; supprim&eacute;es.</p> <p>Citer le corpus</p> <p>Merci de citer ma th&egrave;se de doctorat si vous utilisez ce corpus:</p> <blockquote> <p>Matthias Gille Levenson, La version B du <em>Regimiento de los pr&iacute;n&ccedil;ipes</em> glos&eacute; (1374-1494) : &eacute;tude et &eacute;ditions de la partie sur le gouvernement de la cit&eacute; par temps de guerre (III,3), th&egrave;se de doctorat en pr&eacute;paration sous la direction de Carlos Heusch et de Jes&uacute;s R. Velasco</p> </blockquote>