@inproceedings{mekki-etal-2021-tremolo,
    title = "{TREM}o{L}o : un corpus multi-{\'e}tiquettes de tweets en fran{\c{c}}ais pour la caract{\'e}risation des registres de langue ({TREM}o{L}o : a Multi-Label Corpus of {F}rench Tweets for Language Register Characterization)",
    author = "Mekki, Jade  and
      Battistelli, Delphine  and
      B{\'e}chet, Nicolas  and
      Lecorv{\'e}, Gw{\'e}nol{\'e}",
    editor = "Denis, Pascal  and
      Grabar, Natalia  and
      Fraisse, Amel  and
      Cardon, R{\'e}mi  and
      Jacquemin, Bernard  and
      Kergosien, Eric  and
      Balvet, Antonio",
    booktitle = "Actes de la 28e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conf{\'e}rence principale",
    month = "6",
    year = "2021",
    address = "Lille, France",
    publisher = "ATALA",
    url = "https://aclanthology.org/2021.jeptalnrecital-taln.23",
    pages = "237--245",
    abstract = "Des registres tels que familier, courant et soutenu sont un ph{\'e}nom{\`e}ne imm{\'e}diatement perceptible par tout locuteur d{'}une langue. Ils restent encore peu {\'e}tudi{\'e}s en traitement des langues (TAL), en particulier en dehors de l{'}anglais. Cet article pr{\'e}sente un large corpus de tweets en fran{\c{c}}ais annot{\'e}s en registres de langue. L{'}annotation int{\`e}gre des marqueurs propres {\`a} ce type de textes (tels que les {\'e}motic{\^o}nes ou les hashtags) et habituellement {\'e}vinc{\'e}s dans les travaux en TAL. {\`A} partir d{'}une graine annot{\'e}e manuellement en proportion d{'}appartenance aux registres, un classifieur de type CamemBERT est appris et appliqu{\'e} sur un large ensemble de tweets. Le corpus annot{\'e} en r{\'e}sultant compte 228 505 tweets pour un total de 6 millions de mots. Des premi{\`e}res analyses statistiques sont men{\'e}es et permettent de conclure {\`a} la qualit{\'e} du corpus pr{\'e}sent{\'e}. Le corpus ainsi que son guide d{'}annotation sont mis {\`a} la disposition de la communaut{\'e} scientifique.",
    language = "French",
}