Annoter ESLO1 par des cascades de transducteurs et par apprentissage automatique
Résumé
Cette communication vise à présenter l'état des travaux sur l'annotation du corpus oral ESLO1. L'Enquête Socio-Linguistique à Orléans réalisée à la fin des années 1960 a permis la constitution d'un grand corpus oral du français (317 heures d'enregistrements, soit approximativement 4 500 000 mots, plusieurs centaines de locuteurs). Le corpus a été numérisé et transcrit à l'aide du logiciel Transcriber. Il s'agit de la transcription orthographique normée sans ponctuation sauf les point d'interrogation et les majuscules pour les entités nommées. La segmentation en énoncés a été effectuée manuellement et intuitivement par les transcripteurs. Dans la majorité des cas, il s'agit des pauses dans le discours et le changement du locuteur. Pour mettre ce corpus à disposition du public, certaines tâches d'annotation deviennent utiles et/ou indispensable. Nous présenterons deux travaux sur l'annotation de ce corpus : l'un, repérage et annotation des entités nommées et dénommantes, effectué dans le but, entre autre, de son anonymisation, et l'autre, son étiquetage morpho-syntaxique qui pourrait s'avérer très utile dans la consultation du corpus par les linguistes.