@inproceedings{scholivet-etal-2025-selexini-un,
title = "{SELEXINI} {--} un grand corpus fran{\c{c}}ais, divers et pars{\'e} automatiquement",
author = "Scholivet, Manon and
Savary, Agata and
Est{\`e}ve, Louis and
Candito, Marie and
Ramisch, Carlos",
editor = "Bechet, Fr{\'e}d{\'e}ric and
Chifu, Adrian-Gabriel and
Pinel-sauvagnat, Karen and
Favre, Benoit and
Maes, Eliot and
Nurbakova, Diana",
booktitle = "Actes des 32{\`e}me Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles (TALN), volume 2 : traductions d'articles publi{\'e}s",
month = "6",
year = "2025",
address = "Marseille, France",
publisher = "ATALA {\textbackslash}{\textbackslash}{\&} ARIA",
url = "https://aclanthology.org/2025.jeptalnrecital-trad.25/",
pages = "58--58",
language = "fra",
abstract = "L{'}annotation de grands corpus de texte est essentielle pour de nombreuses t{\^a}ches de Traitement Automatique des Langues. Dans cet article, nous pr{\'e}sentons SELEXINI, un grand corpus fran{\c{c}}ais annot{\'e} automatiquement en syntaxe. Ce corpus est compos{\'e} de deux parties : la partie BigScience, et la partie HPLT. Les documents de la partie HPLT ont {\'e}t{\'e} s{\'e}lectionn{\'e}s dans le but de maximiser la diversit{\'e} lexicale du corpus total SELEXINI. Une analyse de l{'}impact de cette s{\'e}lection sur la diversit{\'e} syntaxique a {\'e}t{\'e} r{\'e}alis{\'e}e, ainsi qu{'}une {\'e}tude de la qualit{\'e} des nouveaux mots issus de la partie HPLT du corpus SELEXINI. Nous avons pu montrer que malgr{\'e} l{'}introduction de nouveaux mots consid{\'e}r{\'e}s comme int{\'e}ressants (formes de conjugaison rares, n{\'e}ologismes, mots rares,...), les textes issus de HPLT sont extr{\^e}mement bruit{\'e}s. De plus, l{'}augmentation de la diversit{\'e} lexicale n{'}a pas permis d{'}augmenter la diversit{\'e} syntaxique."
}<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="scholivet-etal-2025-selexini-un">
<titleInfo>
<title>SELEXINI – un grand corpus français, divers et parsé automatiquement</title>
</titleInfo>
<name type="personal">
<namePart type="given">Manon</namePart>
<namePart type="family">Scholivet</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Agata</namePart>
<namePart type="family">Savary</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Louis</namePart>
<namePart type="family">Estève</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Marie</namePart>
<namePart type="family">Candito</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Carlos</namePart>
<namePart type="family">Ramisch</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2025-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">fra</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes des 32ème Conférence sur le Traitement Automatique des Langues Naturelles (TALN), volume 2 : traductions d’articles publiés</title>
</titleInfo>
<name type="personal">
<namePart type="given">Frédéric</namePart>
<namePart type="family">Bechet</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Adrian-Gabriel</namePart>
<namePart type="family">Chifu</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Karen</namePart>
<namePart type="family">Pinel-sauvagnat</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Benoit</namePart>
<namePart type="family">Favre</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Eliot</namePart>
<namePart type="family">Maes</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Diana</namePart>
<namePart type="family">Nurbakova</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA \textbackslash\textbackslash& ARIA</publisher>
<place>
<placeTerm type="text">Marseille, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>L’annotation de grands corpus de texte est essentielle pour de nombreuses tâches de Traitement Automatique des Langues. Dans cet article, nous présentons SELEXINI, un grand corpus français annoté automatiquement en syntaxe. Ce corpus est composé de deux parties : la partie BigScience, et la partie HPLT. Les documents de la partie HPLT ont été sélectionnés dans le but de maximiser la diversité lexicale du corpus total SELEXINI. Une analyse de l’impact de cette sélection sur la diversité syntaxique a été réalisée, ainsi qu’une étude de la qualité des nouveaux mots issus de la partie HPLT du corpus SELEXINI. Nous avons pu montrer que malgré l’introduction de nouveaux mots considérés comme intéressants (formes de conjugaison rares, néologismes, mots rares,...), les textes issus de HPLT sont extrêmement bruités. De plus, l’augmentation de la diversité lexicale n’a pas permis d’augmenter la diversité syntaxique.</abstract>
<identifier type="citekey">scholivet-etal-2025-selexini-un</identifier>
<location>
<url>https://aclanthology.org/2025.jeptalnrecital-trad.25/</url>
</location>
<part>
<date>2025-6</date>
<extent unit="page">
<start>58</start>
<end>58</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T SELEXINI – un grand corpus français, divers et parsé automatiquement
%A Scholivet, Manon
%A Savary, Agata
%A Estève, Louis
%A Candito, Marie
%A Ramisch, Carlos
%Y Bechet, Frédéric
%Y Chifu, Adrian-Gabriel
%Y Pinel-sauvagnat, Karen
%Y Favre, Benoit
%Y Maes, Eliot
%Y Nurbakova, Diana
%S Actes des 32ème Conférence sur le Traitement Automatique des Langues Naturelles (TALN), volume 2 : traductions d’articles publiés
%D 2025
%8 June
%I ATALA \textbackslash\textbackslash& ARIA
%C Marseille, France
%G fra
%F scholivet-etal-2025-selexini-un
%X L’annotation de grands corpus de texte est essentielle pour de nombreuses tâches de Traitement Automatique des Langues. Dans cet article, nous présentons SELEXINI, un grand corpus français annoté automatiquement en syntaxe. Ce corpus est composé de deux parties : la partie BigScience, et la partie HPLT. Les documents de la partie HPLT ont été sélectionnés dans le but de maximiser la diversité lexicale du corpus total SELEXINI. Une analyse de l’impact de cette sélection sur la diversité syntaxique a été réalisée, ainsi qu’une étude de la qualité des nouveaux mots issus de la partie HPLT du corpus SELEXINI. Nous avons pu montrer que malgré l’introduction de nouveaux mots considérés comme intéressants (formes de conjugaison rares, néologismes, mots rares,...), les textes issus de HPLT sont extrêmement bruités. De plus, l’augmentation de la diversité lexicale n’a pas permis d’augmenter la diversité syntaxique.
%U https://aclanthology.org/2025.jeptalnrecital-trad.25/
%P 58-58
Markdown (Informal)
[SELEXINI – un grand corpus français, divers et parsé automatiquement](https://aclanthology.org/2025.jeptalnrecital-trad.25/) (Scholivet et al., JEP/TALN/RECITAL 2025)
ACL