@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://preview.aclanthology.org/corrections-2025-10/2025.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."
}