Le Centre Salman publie la « Liste de Riyad » des 5 000 mots arabes les plus courants

Le Centre mondial du roi Salman pour la langue arabe a publié la « Liste de Riyad des mots courants de l’arabe contemporain », qui recense 5 000 mots parmi les plus utilisés aujourd’hui. Cette ressource linguistique fiable vise à soutenir les études lexicographiques, l’enseignement de l’arabe, les applications d’intelligence artificielle et le traitement automatique de la langue, dans le cadre des efforts du Centre pour développer les ressources et données linguistiques.

Selon un communiqué du Centre publié sur la plateforme X, la liste s’appuie sur un vaste corpus de près de 1 746 934 881 mots répartis sur plus de 2 573 805 textes, collectés à partir de sources diverses : journaux, livres, thèses universitaires, revues scientifiques, magazines, sites web, conférences, séminaires, programmes scolaires, agences de presse, publications officielles, et autres.

Le secrétaire général du Centre, le Dr Abdallah ben Saleh Al-Wachmi, a déclaré que le développement de ressources linguistiques fondées sur les données contribue à soutenir les études et applications liées à la langue arabe, en fournissant des références fiables qui aident chercheurs et spécialistes à étudier le vocabulaire, ses usages, sa fréquence et ses caractéristiques linguistiques. Il a souligné que le lancement de la « Liste de Riyad » s’inscrit dans la démarche du Centre pour bâtir et diffuser des ressources linguistiques, afin de renforcer la présence de l’arabe dans les domaines scientifique, technique et éducatif.

La liste utilise la forme lexicale de base (lemme) comme unité de comptage : toutes les formes des mots du corpus ont été analysées automatiquement sur le plan lexical et morphologique, puis ramenées à leur forme de base, avant d’être soumises à une révision humaine approfondie. Certains éléments spécifiques, tels que les chiffres, abréviations, signes de ponctuation et noms propres, ont été exclus.

La « Liste de Riyad » fournit de nombreuses informations linguistiques sur les mots : catégories grammaticales, racines, champs sémantiques, relations de synonymie et d’antonymie, et classification selon leur origine. Les mots sont présentés de façon interactive et sonore, selon leur fréquence, leur catégorie grammaticale ou par ordre alphabétique, permettant ainsi aux chercheurs et spécialistes d’exploiter ces données dans de nombreux domaines.

La liste offre une preuve quantitative de la fréquence des mots dans les textes arabes contemporains, facilitant la hiérarchisation des mots à étudier pour la lexicographie, le choix du vocabulaire et la création de contenus pour l’enseignement de l’arabe, ainsi que l’analyse de la diffusion et des caractéristiques des mots. Elle est également utile pour le traitement automatique des textes arabes et les applications éducatives informatisées, telles que l’analyse de textes et l’évaluation de leur lisibilité.

La « Liste de Riyad des mots courants de l’arabe contemporain » est disponible sous forme de livre numérique dans la bibliothèque numérique du Centre : https://https://library.ksaa.gov.sa/index, et de manière interactive sur la plateforme Falak dédiée aux corpus linguistiques : https://falak.ksaa.gov.sa/frequency-lists/methodology, avec des détails et des données statistiques permettant d’élargir les usages dans la recherche et les applications linguistiques.

Le Centre mondial du roi Salman pour la langue arabe poursuit, à travers ses programmes, initiatives et projets, le développement et la mise à disposition de ressources et données linguistiques pour les chercheurs et spécialistes, contribuant ainsi au soutien du contenu arabe, de la recherche scientifique et du développement des technologies et applications liées à la langue arabe.

Voir le tweet sur X