Problèmes de tokénisation pour deux langues régionales de France, l’alsacien et le picard - Archive ouverte HAL
Conference Papers Year : 2017

Problèmes de tokénisation pour deux langues régionales de France, l’alsacien et le picard

Delphine Bernhard
Amalia Todirascu
Fanny Martin
Pascale Erhart
Lucie Steiblé

Abstract

La tokénisation est une étape essentielle dans tout système de traitement automatique des langues, d’autant plus que de nombreux outils dépendent du découpage obtenu. La tâche est particulièrement ardue pour les textes qui ne respectent pas les conventions orthotypographiques ou les langues pour lesquelles ces conventions ne sont pas stabilisées. Nous nous intéressons ici aux cas de deux langues régionales de France, l’alsacien et le picard. Nous présentons les défis posés par ces deux langues, et proposons des critères de découpage implémentés dans des tokéniseurs.
Fichier principal
Vignette du fichier
tokenisation.pdf (109.88 Ko) Télécharger le fichier
Origin Files produced by the author(s)
Loading...

Dates and versions

hal-01539160 , version 1 (20-06-2018)

Identifiers

  • HAL Id : hal-01539160 , version 1

Cite

Delphine Bernhard, Amalia Todirascu, Fanny Martin, Pascale Erhart, Lucie Steiblé, et al.. Problèmes de tokénisation pour deux langues régionales de France, l’alsacien et le picard. DiLiTAL 2017, Jun 2017, Orléans, France. pp.14-23. ⟨hal-01539160⟩
245 View
511 Download

Share

More