Élaboration du corpus DEMOCRAT : procédures d’annotation et d’évaluation

Abstract

S’il existe déjà plusieurs corpus annotés manuellement en expressions référentielles et en chaînes de référence, il n’en existe aucun pour la langue française, ou alors pour des annotations qui relèvent plus de l’anaphore que de la coréférence. Le projet DEMOCRAT a produit un tel corpus, avec qui plus est une dimension diachronique. Sa conception a posé un ensemble de difficultés non seulement linguistiques mais aussi au niveau de l’homogénéité des annotations, de leur vérification et de l’évaluation de leur qualité. C’est cette dimension que nous proposons ici d’explorer et de discuter, en nous focalisant sur les conventions d’annotation et l’évaluation des annotations obtenues, procédure impliquant un calcul de l’accord inter-annotateurs. Cet article met ainsi en perspective le contenu du corpus democrat , pour légitimer les exploitations qui en seront faites.

A linear approach of chain composition

“…first typology of CRCs. A first glimpse can be given from the Democrat corpus(Landragin 2015, Quignard et al 2021, which is composed of narrative and non narrative French texts from the 11th century to the present. It is annotated following a bottom-up approach which consists in identifying all the referential expressions and then associating to each a referential identifier.…”