Nous rendons disponibles les résultats d'analyse avec FRMG de quelques corpus du français (réalisé en Juin 2014). Ces corpus ont initialement été préparés en 2007 dans le cadre de l'action PASSAGE, et font partie du Corpus Passage Long (CPL). Les textes de ces corpus sont libres d'accès mais restent néanmoins associés à leur licence d'origine.

• EuroParlement : EP (depxml 8.6G) ou EP (depxml passage 12G). EuroParlement est un corpus de transcriptions des discours du parlement européen, disponibleici, sans restriction particulière de licence.

• Wikipedia français : FrWiki (depxml, 39G) ou FrWiki (depxml passage 50G). Ce corpus comprend une sous-partie des pages d'un dump ancien de Wikipedia fr (2007). Certaines pages trop longues, trop courtes, avec peu de texte, ou en langue étrangère ont été supprimées à l'époque. Les pages sont originellement disponibles sous licence Creative Commons Parternité - partage à l'identique des conditions initiales.

• WikiSource français : WkS (depxml 13G) ou WkS (depxml passage 18G). Ce corpus de textes littéraires comprend une sous-partie des ouvrages d'un dump ancien de WikiSource fr (2007). Certaines pages trop courtes, avec peu de texte, ou en langue étrangère ont été supprimées à l'époque.Les textes sont originellement disponibles sous licence Creative Commons Parternité - partage à l'identique des conditions initiales.

Un nouveau corpus, hors PASSAGE, est également disponible:

• EMEA : EMEA (depxml, 3.7Go). Un corpus médical (sur les médicaments) formé de textes de l'European Medecines Agency, disponible dans le cadre de OPUS, sans restriction particulière de licence.

Les annotations produites sont librement disponibles, sous réserve, pour les éléments textuels, des licences s'appliquant sur les textes originaux.

Nous invitons cependant fortement les utilisateurs de ces annotations

• à se faire connaître,
• à éventuellement décrire leurs travaux sur ce site,
• et à référencer ce site ou les publications sur FRMG (biblio) dans leurs propres articles !

Les annotations sont actuellement disponibles pour le schéma DepXML (format XML). En fonction des demandes, des versions pour les schémas FTB/CONLL et Passage/XML seront rendues disponibles. Il est également envisagé dans les mois à venir d'utiliser des versions plus récentes de Wikipédia et Wikisource. Des suggestions pour rendre disponible d'autres gros corpus (sous licence libre) sont les bienvenues !

Enfin, il est également possible de lancer des requêtes DPath sur ces corpus (Service de requêtes), en prenant en considération que certaines requêtes peuvent demander un temps de traitement conséquent !

Quelques statistiques sur les corpus:

Les corpus ont été annotés automatiquement avec FRMG, sans post correction manuelle. Nous n'avons donc pas d'indication précise sur la qualité des analyses. Des éléments d'évaluation pour FRMG sont néanmoins disponibles sur cette page. Les utilisateurs de ces corpus sont gentiment invités à faire remonter des informations sur des erreurs manifestes et récurrentes.