CINTIL-DependencyBank

View resource name in all available languages

DependencyBank CINTIL

ID:

ELRA-W0061

The CINTIL-DependencyBank (Silva and Branco, 2012) is a corpus of sentences annotated with their syntactic dependency graphs and grammatical function tags composed of 10,039 sentences and 110,166 tokens taken from different sources and domains: news (8,861 sentences; 101,430 tokens), novels (399 sentences; 3,082 tokens). In addition, there are 779 sentences (5,654 tokens) that are used for regression testing of the computational grammar that supported the annotation of the corpus.
For the creation of this TreeBank we adopted a semi-automatic analysis with a double-blind annotation followed by adjudication. The resulting dataset contains two information levels: morpho-syntactic information and grammatical functions.
The main motivation behind the creation of this resource was to build a high quality data set with syntactic information that could support the development of a large set of automatic resources and tools for Portuguese for language technology research and development.
For more information see also: Silva, João, and 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, Turkey, May 21-27, 2012, pp.45-52.

View resource description in all available languages

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.

You don’t have the permission to edit this resource.
People who looked at this resource also viewed the following: