Apprentissage profond et annotation de corpus

Avec l'émergence des techniques d'apprentissage automatique, et notamment avec les avancées récentes de l'apprentissage profond dans le domaine du TAL, le développement d'outils permettant d'aider au traitement, à l'étude et à la description des langues, passe par le développement de ressources clés qui puissent servir à la fois à l'entrainement et à l'évaluation des systèmes de TAL. Les corpus arborés (ou treebanks) manuellement vérifiés, font partie de ces ressources, en ce qu'il permettent d'entrainer à la fois des systèmes d'étiquetage en parties du discours, mais également des analyseurs syntaxiques automatiques. Ces ressources s'avèrent ainsi stratégiques pour initier le traitement et l'étude de langues dites "peu dotées", c'est-à-dire pour lesquelles il existe peu d'outils ou de ressources informatiques (lexiques, grammaires, corpus, ...), ainsi que pour des variétés linguistiques non standard, comme c'est le cas des usages observés dans un contexte de Communication médiée par ordinateur (en anglais, CMC pour Computer-Mediated Communication). Enfin, l'apprentissage profond permet également d'aborder des caractérisations sémantiques complexes liées à l'interprétation globale des énoncés.