De la constitution d'un corpus arboré à l'analyse syntaxique du serbe - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue Revue TAL : traitement automatique des langues Année : 2018

De la constitution d'un corpus arboré à l'analyse syntaxique du serbe

Aleksandra Miletic
  • Fonction : Auteur
  • PersonId : 1028050
Cécile Fabre
Dejan Stosic

Résumé

In this paper we describe our work on a treebank for Serbian, which aims to provide this language with tools and resources needed for parsing and, more globally, to encourage research on this language both in NLP (natural language processing) and in theoretical linguistics. Beyond the results of this resource-building project, we also provide a description of a treebank-building method that optimizes the limited resources available for an under-resourced language, both from the technical point of view (tools and corpora) and from that of human resources (annotation process). We show how best to take advantage of what is available in order to facilitate the manual work and accelerate the corpus enrichment process, all the while maintaining a high-quality annotation. Being based on language-independent principles, this method should help forward the creation of treebanks for other under-resourced languages.
Cet article retrace une expérience de constitution d'un corpus arboré pour le serbe, conçu dans le but de doter cette langue des instruments nécessaires à l'analyse syntaxique et, plus généralement, de favoriser des recherches plus systématiques aussi bien en TAL (traitement automatique des langues) qu'en linguistique serbe. Au-delà de la description des résultats de ce projet, nous présentons une méthode de confection d'un corpus arboré qui vise à optimiser les ressources, par définition rares, dont on dispose dans le cas d'une langue peu dotée, qu'il s'agisse de moyens matériels (corpus et outils) ou humains. Nous montrons comment tirer au mieux parti de l'existant pour faciliter le travail des annotateurs humains et accélérer l'enri-chissement du corpus, tout en garantissant la validité de l'annotation produite. Cette méthode, basée sur des principes transposables à d'autres langues, a vocation à faciliter la création des corpus arborés pour les langues sous-dotées en général.
Fichier principal
Vignette du fichier
Miletic_Fabre_Stosic-Du_corpus_arobre_a_l_analyse_syntaxique_du_serbe_relecture2-BP.pdf (235.42 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...

Dates et versions

hal-02007248 , version 1 (05-02-2019)

Identifiants

  • HAL Id : hal-02007248 , version 1

Citer

Aleksandra Miletic, Cécile Fabre, Dejan Stosic. De la constitution d'un corpus arboré à l'analyse syntaxique du serbe. Revue TAL : traitement automatique des langues, 2018, 59 (3), pp.15-39. ⟨hal-02007248⟩
132 Consultations
316 Téléchargements

Partager

Gmail Facebook X LinkedIn More