CoMeRe.org : corpuscomere

Accueil » TEI-métadonnées

Category Archives: TEI-métadonnées

Après atelier TEI-CMC aux journées DARIAH à Rome

Du 17 au 19 septembre 2014 se sont tenus les journées DARIAH-VCC à Rome.
Le groupe s’est réuni à cette occasion.

Publicités

Banque de corpus CoMeRE : son adresse – permalien

ORTOLANG vient de nous donner l’adresse de la banque de corpus CoMeRe :

http://hdl.handle.net/11403/comere

(l’identifiant 11403 correspondant à ORTOLANG)

A l’occasion de l’atelier TEI-CMC des journées DARIAH en septembre, l’équipe CoMeRe ouvre une première version de sa banque de corpus. Bien sûr l’intégralité des corpus sont à la fois organisés suivant des standards (ici TEI) et en accès libre (OpenData), avec des licences permettant de les réutiliser dans d’autres travaux de recherche (sinon à qui bon parler d’accès libre, lorsque le lecteur ne peut que consulter sans pouvoir réutiliser !).

Le site se met en place. Il faut donc le considérer comme étant dans une version provisoire : l’interface est susceptible de changer, les données seront transférées sur d’autres serveurs ORTOLANG. Mais l’intérêt du permalien (pour la banque de corpus, comme pour les autres permaliens de chacun des corpus développés par les membres du projet) est que ceux-ci ne changeront pas.

Donc les lecteurs peuvent venir voir, tout en étant indulgent pour cette version encore expérimentale. Les créateurs des corpus CoMeRe peuvent d’ores et déjà venir sur le site pour récupérer la référence de leurs oeuvres. Nous ferons plus tard une annonce officielle de l’ouverture de la banque de corpus CoMeRe. Avant la fin de l’année, d’autres corpus viendront s’y ajouter, dont des corpus de discussions Wikipedia et des corpus multimodaux.

Atelier : TEI CMC: Models and tools for structuring & annotating corpora of social media / computer-­mediated communication

dariah

A l’occasion de la tenue de la réunion des groupes de travail de DARIAH (infrastructure européenne pour les humanités) les 17 et 18 septembre à Rome, le groupe TEI-CMC organise une journée d’atelier / discussions sur le thème :

TEI CMC: Models and tools for structuring & annotating corpora of social media / computer-­mediated communication

Pour le projet CoMeRe, Benoit Sagot et Thierry Chanier s’y rendront pour présenter les travaux accomplis. Cette réunion, en réunissant des experts européen sur le thème nous donnera l’occasion de :

  • faire connaître auprès de DARIAH-ERIC, qui vient d’acquérir un statut légal au niveau européen avec 17 membres fondateurs et un siège de coordination en France, les avancées du groupe TEI-CMC
  •  organiser des évènements scientifiques en 2015 sur le thème de la réunion.

Voir le programme complet sur le wiki TEI-CMC : ici

1er ensemble de corpus CoMeRe prêts pour transfert vers ORTOLANG

Comme déjà signalé sur la liste de discussion interne du groupe de travail GT7 (Nelles formes de communication) de Corpus-écrits, nous avons le plaisir d’indiquer ici la première série de corpus CoMeRe qui sont prêts à être transférés et mis en ligne dans la plate-forme ORTOLANG :

  • Falaise, A. (2014). Corpus de français tchaté getalp_org. In Chanier T. (ed) Banque de corpus CoMeRe. Ortolang.fr : Nancy. [cmr-getalp_org-tei-v1].
    5 Millions (M) de messages clavardage ; 72 M de tokens / graphies ; 53 000 participants.
  • Antoniadis, G (2014). Corpus de SMS réels dans les Alpes, smsalpes .In Chanier T. (ed) Banque de corpus CoMeRe. Ortolang.fr : Nancy. [cmr-smsalpes-tei-v1].
    22 000 messages / textos ; 449 000 tokens/graphies ; 359 participants.
  • Ledegen, G. (2014). Grand corpus de sms smslareunion .In Chanier T. (ed) Banque de corpus CoMeRe. Ortolang.fr : Nancy. [cmr-smslareunion-tei-v1]
    12 622 messages / textos ; 357 192 tokens ; 884 participants
  • Longhi, J., Marinica, C., Borzic, B., Alkhouli, A. (2014). Polititweets, corpus de tweets provenant de comptes politiques influents. In Chanier T. (ed) Banque de corpus CoMeRe. Ortolang.fr : Nancy. [cmr-polititweets- tei-v1]
    34 273 messages / tweets ; 567 851 tokens/graphies; 205 participants.
  • Yun, H. & Chanier, T. (2014). Corpus d’apprentissage FAVI (Français académique virtuel international). Banque de corpus CoMeRe. Ortolang.fr : Nancy. [cmr-favi-tei-v1].
    7 780 tours de clavardage ; 77 605 tokens ; 31 participants
  • Abendroth-Timmer, D., Bechtel, M., Chanier T. & Ciekanski, M. (2014). Corpus d’apprentissage INFRAL (Interculturel Franco-Allemand en Ligne). Banque de corpus CoMeRe. Ortolang.fr : Nancy. [cmr-infral-tei-v1]
    1 200 messages de blogues ; 273 546 tokens ; 26 participants
  • Reffay, C. Chanier, T. Lamy, M.-N. & Betbeder, M.-L. (2014) Corpus d’apprentissage Interactions Simuligne (Simulation en ligne en apprentissage des langues). In Chanier T. (ed.) Banque de corpus CoMeRe. Ortolang.fr : Nancy. [cmr-simuligne-tei-v1]
    11 506 messages (courriels, forum, clavardage) ; 600 348 tokens ; 67 participants.

Cette liste reflète l’état du travail du projet fin avril 2014. Tous ces corpus ont été documentés en détail et structurés de la même façon (version tei-v1) suivant le modèle Interaction Space développé par le groupe européen TEI-CMC. Ils sont tous en accès libre (licence Creative Common) de façon à pouvoir être réutilisés (analysés, modifiés, assemblés avec d’autres ensemble de données, etc.) librement par l’ensemble des communautés de chercheurs, voire au delà. Ils constituent le premier apport du projet CoMeRe au futur Corpus de Référence du Français. Une partie de ces corpus feront également l’objet dans le cadre du projet CoMeRE d’un étiquetage morpho-syntaxique (version tei-v2). Enfin d’autres corpus sont en cours de préparation dont un corpus Wikipedia et quelques corpus multimodaux illustrant ainsi tous les aspects du modèle Interaction Space.

Corpus ComeRe prets en avril 2014, version tei-v1

Corpus ComeRe prets en avril 2014, version tei-v1

Groupe TEI-CMC au colloque Empirikom

meeting empirikom

meeting empirikom

Le groupe européen TEI-CMC présente ses travaux au colloque du réseau allemand Empirikom sur le thème « Social Media Corpora for the eHumanities: Standards, Challenges, and Perspectives », 20.-21. Fevrier 2014, TU Universität, Dortmund.

Présentation de l’état d’avancement du projet CoMeRe lors de colloque : empirikom-teisig-comere

Article : The CoMeRe corpus for French: structuring and annotating heterogeneous CMC genres.

Une partie des membres du projet CoMeRe a soumis un article dont voici les références

Chanier, T, Poudat, C, Sagot, B, Antoniadis, G, Wigham, C, Hriba, L, Longhi, J & Seddah, D (soumis). The CoMeRe corpus for French: structuring and annotating heterogeneous CMC genres.

article soumis à : Special Issue of JLCL (Journal of Language Technology and Computational Linguistics (JLCL, http://jlcl.org/): BUILDING AND ANNOTATING CORPORA OF COMPUTER-MEDIATED DISCOURSE: Issues and Challenges at the Interface of Corpus and Computational Linguistics (ed. by Michael Beißwenger, Nelleke Oostdijk, Angelika Storrer & Henk van den Heuvel)

Cet article est sur notre site dans la partie interne. Il sera bien sûr diffusé en accès libre s’il est accepté et dans sa version finale.

Groupe TEI-CMC : liste de discussion et wiki

Le groupe TEI-CMC  a tenu sa première réunion le 5octobre , lors de la conférence TEI à Rome.