Développement de ressources pour le persan: le nouveau lexique morphologique PerLex2 et l’étiqueteur morphosyntaxique MElt_fa

TitreDéveloppement de ressources pour le persan: le nouveau lexique morphologique PerLex2 et l’étiqueteur morphosyntaxique MElt_fa
Publication TypeArticle dans des actes
Année de la conférence2011
AuthorsSagot, Benoît, Géraldine Walther, Pegah Faghiri, and Pollet Samvelian
Nom de la conférenceTALN 2011
Date de publication06/2011
Conference LocationMontpellier, France
Mots-cléscatégories, étiqueteur morphosyntaxique, Lexical resource, MElt, MElt., PerLex, persan, Persian, POS, Ressource lexicale, tagger, validation
Abstract

 

Résumé. Nous présentons une nouvelle version de PerLex, lexique morphologique du persan, une version corrigée et partiellement réannotée du corpus étiqueté BijanKhan (BijanKhan, 2004) et MEltfa, un nouvel étique- teur morphosyntaxique librement disponible pour le persan. Après avoir développé une première version de PerLex (Sagot & Walther, 2010), nous en proposons donc ici une version améliorée. Outre une validation manuelle par- tielle, PerLex 2 repose désormais sur un inventaire de catégories linguistiquement motivé. Nous avons également développé une nouvelle version du corpus BijanKhan : elle contient des corrections significatives de la tokenisation ainsi qu'un réétiquetage à l'aide des nouvelles catégories. Cette nouvelle version du corpus a enfin été utilisée pour l'entra{\^ınement de MEltfa, notre étiqueteur morphosyntaxique pour le persan librement disponible, s'appuyant à la fois sur ce nouvel inventaire de catégories, sur PerLex 2 et sur le système d'étiquetage MElt (Denis & Sagot, 2009).

Abstract. We present a new version of PerLex, the morphological lexicon for the Persian language, a cor- rected and partially re-annotated version of the BijanKhan corpus (BijanKhan, 2004) and MEltfa, a new freely available POS-tagger for the Persian language. After PerLex's first version (Sagot & Walther, 2010), we propose an improved version of our morphological lexicon. Apart from a partial manual validation, PerLex 2 now relies on a set of linguistically motivated POS. Based on these POS, we also developped a new version of the BijanKhan corpus with significant corrections of the tokenisation. It has been re-tagged according to the new set of POS. The new version of the BijanKhan corpus has been used to develop MEltfa, our new freely-available POS-tagger for the Persian language, based on the new POS set, PerLex 2 and the MElt tagging system (Denis & Sagot, 2009).