Outiller l'occitan : nouvelles ressources et lemmatisation - Archive ouverte HAL
Communication Dans Un Congrès Année : 2023

Outiller l'occitan : nouvelles ressources et lemmatisation

Résumé

Ce travail présente des contributions récentes à l'effort de doter l'occitan de ressources et outils pour le TAL. Plusieurs ressources existantes ont été modifiées ou adaptées, notamment un tokéniseur à base de règles, un lexique morphosyntaxique et un corpus arboré. Ces ressources ont été utilisées pour entraîner et évaluer des modèles neuronaux pour la lemmatisation. Dans le cadre de ces expériences, un nouveau corpus plus large (2 millions de tokens) provenant du Wikipédia a été annoté en parties du discours, lemmatisé et diffusé.
Fichier principal
Vignette du fichier
461831.pdf (370.76 Ko) Télécharger le fichier
Origine Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-04130139 , version 1 (20-06-2023)

Identifiants

  • HAL Id : hal-04130139 , version 1

Citer

Aleksandra Miletić. Outiller l'occitan : nouvelles ressources et lemmatisation. 18e Conférence en Recherche d'Information et Applications -- 16e Rencontres Jeunes Chercheurs en RI -- 30e Conférence sur le Traitement Automatique des Langues Naturelles -- 25e Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues, 2023, Paris, France. pp.217-231. ⟨hal-04130139⟩

Collections

TALN-RECITAL
40 Consultations
23 Téléchargements

Partager

More