FENEC : a balanced sample corpus for French named entity recognition

FENEC : un corpus à échantillons équilibrés pour l'évaluation des entités nommées en français

Alice Millour (1) , Yoann Dupont (2) , Alexane Jouglar (3) , Karën Fort (4, 3)

1 LISA - Lieux, Identités, eSpaces, Activités
2 ObTIC - Observatoire des textes, des idées et des corpus
3 SU - Sorbonne Université
4 SEMAGRAMME - Semantic Analysis of Natural Language

We present FENEC (FrEnch Named-entity Evaluation Corpus), a balanced sample corpus containing six genres and annotated with named entities according to Quæro, a rich annotation scheme. The characteristics of this corpus allow us to evaluate and compare three automatic annotation tools—one rule-based and two neural network-based—by playing on three dimensions of the evaluation: the precision of the label set, the genre of the corpora, and the evaluation metrics.

Nous présentons ici FENEC (FrEnch Named-entity Evaluation Corpus), un corpus à échantillons équilibrés contenant six genres, annoté en entités nommées selon le schéma fin Quaero. Les caractéristiques de ce corpus nous permettent d'évaluer et de comparer trois outils d'annotation automatique-un à base de règles et deux à base de réseaux de neurones-en jouant sur trois dimensions : la finesse du jeu d'étiquettes, le genre des corpus, et les métriques d'évaluation.

Mots clés: Named Entities; evaluation; évaluation; Corpus

Mots clés: corpus; Entités nommées

Domaines: Traitement du texte et du document

Alice Millour, Yoann Dupont, Alexane Jouglar, Karën Fort. FENEC : un corpus à échantillons équilibrés pour l'évaluation des entités nommées en français. Conférence sur le Traitement Automatique des Langues Naturelles (TALN), Jun 2022, Avignon, France. ⟨hal-03680569v1⟩