ELRA - W0042 : Corpus écrit NEMLAR

Accueil Catalogue

Ressources Linguistiques

Rapports d'incidents

Envoyez-nous vos rapports d'incidents.

Consulter le catalogue

Langue(s)

Informations

Procédure & Conditions d'achat

Prix et licences d'utilisation

Comment promouvoir vos ressources ?

Contactez-nous

Référence Catalogue : W0042

Corpus écrit NEMLAR

Ce corpus a été produit dans le cadre du projet NEMLAR (http://www.nemlar.org). Deux autres ressources, produites dans le cadre du même projet, sont également disponibles : le corpus oral d’actualités radiophoniques NEMLAR (ELRA-S0219) et le corpus de synthèse de parole NEMLAR (ELRA-S0220).

Le corpus écrit NEMLAR est constitué de 500 000 mots de texte arabe regroupés en 13 catégories différentes, visant à obtenir un corpus bien équilibré qui offre une représentation de la variété de traits syntaxiques, sémantiques et pragmatiques de la langue arabe moderne. Les différentes catégories sont :
• Actualités politiques : 48 000 mots
• Débat politique : 30 000 mots
• Texte Islamique (prières et autres) : 29 000 mots
• Expressions de mots communs : 8 500 mots
• Textes extraits d’émissions radiophoniques : 5 500 mots
• Affaires : 20 000 mots
• Littérature arabe : 30 000 mots
• Actualités générales : 100 000 mots
• Interviews : 56 000 mots
• Presse scientifique : 50 000 mots
• Presse sportive : 50 000 mots
• Explications d’entrées de dictionnaire : 52 000 mots
• Texte du domaine juridique : 21 000 mots

La période de temps des données se situe entre la fin des années 1990 jusqu’à 2005.

Le corpus est fourni sous la forme de 4 versions différentes:
• Texte brut
• Texte entièrement voyellé
• Texte comprenant une analyse lexicale de l’arabe
• Texte comprenant des étiquettes pour la partie du discours

Les diacritiques, l’analyse lexicale et les étiquettes pour la partie du discours ont été générées par l’outil Fassieh© de RDI. La précision de l’analyse automatique est d’environ 95%. Afin d’obtenir près de 99% de taux de précision, les linguistes ont utilisé le mode de révision visuelle de Fassieh© où le linguiste doit soit approuver la première analyse comme la plus probable (la plupart du temps) ou sélectionner une autre manuellement (pour une minorité de 4% des cas).

La base de données est distribuée sur 1 CD-ROM ISO 9660. Elle a été validée par un partenaire externe et un rapport de validation est fourni.

Production

Projet : NEMLAR (Network for Euro-Mediterranean LAnguage Resources)

Informations techniques

Mode de développement : Semi Automatic

Support de distribution : CD-ROM

Contenus

Cliquer sur la flèche afin d'afficher les informations des contenus.

written corpus

Fichiers complémentaires

Rapport de validation

Prix Membres

Academic - Commercial 1000.00 EUR

Academic - Research 150.00 EUR

Commercial - Commercial 1000.00 EUR

Commercial - Research 250.00 EUR

Prix Non Membres

Academic - Commercial 2000.00 EUR

Academic - Research 300.00 EUR

Commercial - Commercial 2000.00 EUR

Commercial - Research 500.00 EUR

Prix Spéciaux

Réductions offertes pour l'achat de plusieurs ressources NEMLAR (W0042, S0219 et S0220):
• 15% de réduction sur l'achat de 2 ressources,
• 30% de réduction sur l'achat de 3 ressources.