DependencyBank CINTIL

Le DependencyBank CINTIL (Silva and Branco, 2012) est un corpus de phrases annotées avec leurs graphes de dépendance syntaxique et leurs étiquettes de fonctions grammaticales, 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 TreeBank, nous avons adopté une analyse semi-automatique avec une annotation en double aveugle suivie d’une adjudication. L’ensemble de données en résultant contient deux niveaux d’information : l’information morpho-syntaxique et les fonctions grammaticales. 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: Silva, João, et Branco, António, 2012, “Deep, consistent and also useful: Extracting vistas from deep corpora for shallower tasks”, In Proceedings, Workshop on Advanced Treebanking, LREC2012 – The 8th International Conference on Language Resources and Evaluation, Istanbul, Turquie, 21-27 mai 2012, pp.45-52.