Annotation référentielle du Corpus Arboré de Paris 7 en entités nommées

Benoît Sagot; Marion Richard; Rosa Stern

hal-00703108, version 1

Annotation référentielle du Corpus Arboré de Paris 7 en entités nommées

Benoît Sagot () ¹, Marion Richard () ^1, 2, Rosa Stern ()^a^, 1, 3

Traitement Automatique des Langues Naturelles (TALN) 2 - TALN (2012)

Abstract: The French TreeBank developed at the University Paris 7 is the main source of morphosyntactic and syntactic annotations for French. However, it does not include explicit information related to named entities, which are among the most useful information for several natural language processing tasks and applications. Moreover, no large-scale French corpus with named entity annotations contain referential information, which complement the type and the span of each mention with an indication of the entity it refers to. We have manually annotated the French TreeBank with such information, after an automatic pre-annotation step. We sketch the underlying annotation guidelines and we provide a few figures about the resulting annotations.

a – Université Paris-Diderot - Paris VII
1: ALPAGE (INRIA Rocquencourt)
INRIA – Université Paris VII - Paris Diderot
2: Institut des Sciences Humaines Appliquées (ISHA)
Université Paris IV - Paris Sorbonne
3: Medialab AFP (Medialab AFP)
Agence France-Presse

hal-00703108, version 1
http://hal.inria.fr/hal-00703108
oai:hal.inria.fr:hal-00703108
From: Benoît Sagot <>
Submitted on: Monday, 18 June 2012 16:19:22
Updated on: Thursday, 21 June 2012 12:04:03

See detailed view

Associated documents

PDF :

Export

Bibtex EndNote TEI RefWorks

%F hal-00703108, version 1
%0 Conference Proceedings
%U http://hal.inria.fr/hal-00703108
%2 SHS:LANGUE;INFO:INFO_CL
%T Annotation référentielle du Corpus Arboré de Paris 7 en entités nommées
%A Sagot, Benoît
%A Richard, Marion
%A Stern, Rosa
%+ ALPAGE - INRIA Rocquencourt , Institut des Sciences Humaines Appliquées - ISHA , Medialab AFP - Medialab AFP
%X The French TreeBank developed at the University Paris 7 is the main source of morphosyntactic and syntactic annotations for French. However, it does not include explicit information related to named entities, which are among the most useful information for several natural language processing tasks and applications. Moreover, no large-scale French corpus with named entity annotations contain referential information, which complement the type and the span of each mention with an indication of the entity it refers to. We have manually annotated the French TreeBank with such information, after an automatic pre-annotation step. We sketch the underlying annotation guidelines and we provide a few figures about the resulting annotations.
%2 Le Corpus Arboré de Paris 7 (ou French TreeBank) est le corpus de référence pour le français aux niveaux morphosyntaxique et syntaxique. Toutefois, il ne contient pas d'annotations explicites en entités nommées. Ces dernières sont pourtant parmi les informations les plus utiles pour de nombreuses tâches en traitement automatique des langues et de nombreuses applications. De plus, aucun corpus du français annoté en entités nommées et de taille importante ne contient d'annotation référentielle, qui complète les informations de typage et d'empan sur chaque mention par l'indication de l'entité à laquelle elle réfère. Nous avons annoté manuellement avec ce type d'informations, après pré-annotation automatique, le Corpus Arboré de Paris 7. Nous décrivons les grandes lignes du guide d'annotation sous-jacent et nous donnons quelques informations quantitatives sur les annotations obtenues.
%2 I.: Computing Methodologies/I.2: ARTIFICIAL INTELLIGENCE/I.2.7: Natural Language Processing
%G French
%8 2012-06-00
%2 national
%B Traitement Automatique des Langues Naturelles (TALN)
%2 Grenoble
%2 France
%8 2012-06
%E Georges Antoniadis, Hervé Blanchon, Gilles Sérasset
%2 Actes de la conférence conjointe JEP-TALN-RECITAL 2012
%V 2 - TALN
%Z LabEx EFL
%2 9961

<?xml version="1.0" encoding="UTF-8"?>
<listBibl xmlns="http://www.tei-c.org/ns/1.0" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML">
<listBibl type="inproceedings"><head>Peer-reviewed conferences/proceedings</head>
<biblStruct type="inproceedings" xml:id="hal-00703108"><analytic>
<author><persName><forename>Benoît</forename><surname>Sagot</surname></persName>
<affiliation>
<orgName type="laboratory">INRIA Rocquencourt</orgName>
<orgName type="team">ALPAGE</orgName>
<country>FR</country>
<orgName type="institution">INRIA</orgName>
<orgName type="institution">Université Paris VII - Paris Diderot</orgName>
</affiliation>
</author>
<author><persName><forename>Marion</forename><surname>Richard</surname></persName>
<affiliation>
<orgName type="laboratory">INRIA Rocquencourt</orgName>
<orgName type="team">ALPAGE</orgName>
<country>FR</country>
<orgName type="institution">INRIA</orgName>
<orgName type="institution">Université Paris VII - Paris Diderot</orgName>
</affiliation>
<affiliation>
<orgName type="laboratory">ISHA</orgName>
<orgName type="team">Institut des Sciences Humaines Appliquées</orgName>
<country>FR</country>
<orgName type="institution">Université Paris IV - Paris Sorbonne</orgName>
</affiliation>
</author>
<author><persName><forename>Rosa</forename><surname>Stern</surname></persName>
<affiliation>
<orgName type="laboratory">INRIA Rocquencourt</orgName>
<orgName type="team">ALPAGE</orgName>
<country>FR</country>
<orgName type="institution">INRIA</orgName>
<orgName type="institution">Université Paris VII - Paris Diderot</orgName>
</affiliation>
<affiliation>
<orgName type="laboratory">Medialab AFP</orgName>
<orgName type="team">Medialab AFP</orgName>
<country>FR</country>
<orgName type="institution">Agence France-Presse</orgName>
</affiliation>
</author>
<title type="main" level="a">Annotation référentielle du Corpus Arboré de Paris 7 en entités nommées</title></analytic><monogr><meeting>Traitement Automatique des Langues Naturelles (TALN)</meeting><imprint><pubPlace><settlement>Grenoble</settlement><country>France</country></pubPlace><biblScope type="publicationDate">2012-06-00</biblScope><biblScope type="vol">2 - TALN</biblScope></imprint></monogr><idno type="HALid">http://hal.inria.fr/hal-00703108</idno><idno type="HALFile">http://hal.inria.fr/hal-00703108/PDF/taln12ftbne.pdf</idno></biblStruct>
</listBibl>
</listBibl>