Corpus parallèles

L’un des thèmes que le Club Corpus compte aborder pendant l’année universitaire 2018/19 est la création et l’exploration de corpus parallèles.

Un peu de lecture pour commencer :

OLIVIER KRAIF (2016). “Corpus parallèles, corpus comparables: quels contrastes ?”, [En ligne], Texto! Textes & Cultures, volume XXI – n°2 (2016). Coordonné par Audrey Moutat. http://www.revue-texto.net/index.php?id=3790.

Le 30 novembre 2018, CORLI propose une journée d’étude à Paris à ce sujet. Voici l’appel à communication :

Le groupe “Corpus multilingues et plurilingues” du consortium CORLI a le
plaisir de vous inviter à une journée scientifique sur le thème :

“Analyse cross-lingue et annotation de corpus multilingues parallèles et comparables : tendances actuelles et futures” – “Cross-lingual analysis and annotation of parallel and comparable corpora: Current and future trends”

Le vendredi 30 novembre 2018 à l’Université Paris Diderot

Coordination : Natalie Kübler (Paris Diderot), Maria Zimina (Paris Diderot),
Evangelia Adamou (CNRS) et Antonio Balvet (Université de Lille)

Description :
Des questions d’ordre méthodologique subsistent sur la pratique d’annotation de corpus multilingues et plurilingues, ainsi que sur l’impact potentiel des nouveaux outils et méthodes d’analyse cross-lingue de corpus parallèles et comparables (les corpus LSP, les corpus avec l’alternance codique, les corpus oraux arborés, etc.).

Parallèlement, la recherche sur les corpus multilingues et plurilingues est confrontée à de nombreux défis car la plupart des outils et logiciels disponibles pour le traitement des langues ou des paires de langues spécifiques diffèrent les uns des autres de manière importante, comme les méthodes d’annotation et les jeux d’étiquettes utilisés dans les workflows existants. Ces divergences compliquent l’élaboration d’un cadre méthodologique solide pour des systèmes unifiés d’analyse de corpus multilingues.

Nous encourageons les propositions de communication des chercheurs, praticiens, représentants de la société civile et toutes les personnes susceptibles d’être intéressées par la recherche sur l’analyse de données linguistiques multilingues. Le but principal de ce Workshop CORLI est de réunir des chercheurs et professionnels issus d’horizons théoriques et de disciplines très variés, afin d’encourager la discussion et d’aborder les questions suivantes :

– Identifier les points qui doivent être abordés en priorité pour gérer des projets de recherche impliquant le traitement de corpus multilingues oraux et écrits.
– Partager les bonnes pratiques et les expériences concernant la conception, l’utilisation et l’évaluation de corpus multilingues et plurilingues dans le cadre de projets linguistiques spécifiques (terminologie, phraséologie, traduction, analyse de discours, alternance codique, etc.).
– Comprendre et construire des cadres méthodologiques pour l’annotation multi-niveaux et l’analyse multilingue de corpus parallèles et comparables avec prise en compte des outils et méthodes spécifiques et leurs contributions aux projets spécifiques.
– Comprendre comment développer et mettre en œuvre l’analyse cross-lingue de corpus multilingues en utilisant le traitement automatique des langues, les analyses qualitatives et quantitatives.
– Comprendre et être capable de sélectionner les unités d’analyse appropriées aux outils et méthodes de traitement.
– Comprendre comment diffuser et utiliser les corpus alignés et annotés dans plusieurs langues.

Courte bibliographie :
Çetinoğlu, Özlem, Sarah Schultz & Thang Vu. (2016). Challenges of computational processing of code-switching. In Mona Diab, Pascale Fung, Mahmoud Ghoneim, Julia Hirschberg & Thamar Solorio (eds.) Proceedings of the Second Workshop on Computational Approaches to Code Switching, Austin, Texas, 1–11. Association for Computational Linguistics.
Guzmán, Gualberto A., Jacqueline Serigos, Barbara E. Bullock & Almeida J. Toribio. (2016). Simple tools for exploring variation in code-switching for linguists. In Mona Diab, Pascale Fung, Mahmoud Ghoneim, Julia Hirschberg & Thamar Solorio (eds.), Proceedings of the Second Workshop on Computational Approaches to Code Switching, Austin, Texas, 12– 20. Association for Computational Linguistics.
Sailer, Manfred & Stella Markantonatou (eds). (2018). Multiword Expressions: Insights from a Multi-lingual Perspective. Language Science Press, Berlin.
Sharoff, Serge. (2018). Language adaptation experiments via cross-lingual
embeddings for related languages. In Proc LREC, Miyazaki, Japan, May 2018.
Rehm, Georg, Daniel Stein, Felix Sasaki & Andreas Witt (2018). Language technologies for a multilingual Europe. Translation and Multilingual Natural Language Processing. Language Science Press, Berlin.
Tiedemann, Jörg. (2011). Bitext Alignment, Synthesis Lectures on Human Language Technologies. San Rafael, Morgan & Claypool Publishers.
Tiedemann, Jörg (2017). Cross-Lingual Dependency Parsing for Closely Related Languages – Helsinki’s Submission to VarDial 2017. CoRR abs/1708.05719 (2017).
Zweigenbaum, Pierre, Serge Sharoff & Reinhard Rapp. (2018). A Multilingual Dataset for Evaluating Parallel Sentence Extraction from Comparable Corpora. In Proc LREC, Miyazaki, Japan, May 2018.

Membres du comité scientifique :
Evangelia Adamou (CNRS), Nicolas Ballier (Paris Diderot), Antonio Balvet
(Université de Lille), Geneviève Bordet (Paris Diderot), Chris Gledhill
(Université Paris Diderot), Nicolas Frœliger (Paris Diderot), Clive Hamilton
(Paris Diderot), Olivier Kraïf (Université Grenoble Alpes), Natalie Kübler
(Paris Diderot), Alexandra Mestivier (Paris Diderot), Mathieu Valette
(INALCO), Maria Zimina (Paris Diderot).

Date du Workshop CORLI : 30 novembre 2018
Date limite de soumission d’une proposition : 1er octobre 2018.

Procédure* :
Les personnes qui souhaitent participer au Workshop CORLI doivent envoyer un résumé de leur communication (environ 500 mots) et un court CV à :
Natalie Kübler : nkubler@eila.univ-paris-diderot.fr
Maria Zimina : mzimina@eila.univ-paris-diderot.fr

Les membres du CORLI qui souhaitent assister à cette manifestation sans présenter une communication peuvent adresser un message aux coordinateurs du Workshop en expliquant brièvement pourquoi les thématiques ont retenu leur attention. Les personnes à contacter sont :
Natalie Kübler : nkubler@eila.univ-paris-diderot.fr
Maria Zimina : mzimina@eila.univ-paris-diderot.fr

*La prise en charge est possible pour un nombre limité de participants. La préférence sera donnée aux étudiants et chercheurs qui n’ont pas réussi à obtenir le financement de leur organisme de rattachement.


Ce contenu a été publié dans Conférences, corpus par Eva Schaeffer-Lacroix, et marqué avec . Mettez-le en favori avec son permalien.

A propos Eva Schaeffer-Lacroix

De nationalité allemande et française, je suis docteur en sciences du langage et en études germaniques. Depuis 2011, je suis maître de conférences à l'Université Paris-Sorbonne - ESPE de Paris. Je suis responsable du département d'allemand de l'Espé et membre du laboratoire de recherche CeLiSo (Centre de linguistique en Sorbonne), axe Linguistique Appliquée - Didactique. Mes domaines de recherche : didactique des langues, linguistique de corpus, production écrite, métalangage, littéracie, technologies de l'information et de la communication. Mon blogue professionnel : http://didaktik.hautetfort.com/

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.