DeepBank CINTIL

Le DeepBank CINTIL (Branco et al., 2010) est un corpus de phrases annotées avec leurs représentations grammaticales au niveau le plus profond, composé de 10 039 phrases et 110 166 tokens pris de sources et domaines différents: actualités (8 861 phrases; 101 430 tokens) et nouvelles (399 phrases; 3 082 tokens). En complément, il contient 779 phrases (5 654 tokens) utilisés pour des tests de régression de la grammaire computationnelle qui a servi de base à l’annotation du corpus.
Pour la création de ce DeepBank, nous avons adopté une analyse semi-automatique avec une annotation en double aveugle suivie d’une adjudication. L’ensemble de données en résultant contient différents niveaux d’information, incluant l’information morpho-syntaxique, la constituance en phrases, les fonctions grammaticales et les formes logiques. La motivation principale à la création de cette ressource était de construire un ensemble de données de haute qualité avec une information sémantique qui puisse servir de base au développement d’étiqueteurs de rôles sémantiques automatiques pour le portugais.
Pour plus d’informations, voir aussi: Branco, António, Costa, Francisco, João, Silva, Silveira, Sara, Castro, Sérgio, Avelãs, Mariana, Pinto, Clara et Graça, João, 2010, “Developing a Deep Linguistic Databank Supporting a Collection of Treebanks: the CINTIL DeepGramBank”, In Proceedings, LREC2010 – The 7th International Conference on Language Resources and Evaluation, La Vallette, Malte, 19-21 mai 2010.