taln-archives

TALN Archives est une archive numérique francophone des articles de recherche en Traitement Automatique de la Langue. Elle contient actuellement les actes des conférences RECITAL et TALN de 1997 à 2015.

Une version html est disponible ici.

Un fichier XML contenant les méta-données a été créé pour chaque édition des conférences, ce dernier contient :

• Méta-données de la conférence

  • Titre de la conférence, acronyme, ville, pays
  • Dates de début et de fin de la conférence
  • Noms des présidents du comité de programme
  • Formats des articles publiés (e.g.~court, long)
  • URL du site web de la conférence

• Méta-données pour chaque article

  • Identifiant unique (e.g.~taln-2008-long-001)
  • Noms des auteurs, emails, affiliations
  • Titre, résumé et mots clés (français et anglais si disponible)
  • Format de l'article
  • Numéros des pages
  • Nom de la session dans le programme

Les fichiers bibtex de tous les articles ont été générés automatiquement à partir du fichier de méta-données avec la commande :

cd tools/
./generate_bibtex_files.sh

Les fichiers au format texte des articles ont été extraits avec l'outil pdftotext au format texte ou OCRisés avec l'outil tesseract-ocr.

cd tools/
./extract_text_from_pdfs.sh

Les méta-données des fichiers pdfs ont été modifiés avec l'outil pdftk avec la commande :

cd tools/
./update_pdf_metadata.sh

Une version web de l'archive peut être créée avec la commande :

cd tools/
python generate_html.py

Si vous utilisez cet ensemble de données, veuillez citer l'article :

• Florian Boudin, TALN Archives : une archive numérique francophone des articles de recherche en Traitement Automatique de la Langue, Traitement Automatique des Langues Naturelles (TALN), 2013.

Mises à jour

• 19/06/2015, ajout des actes de TALN-RECITAL 2015 et des ateliers, restructuration du dépot avec l'ajout des répertoires conferences et ateliers.
• 18/11/2014, ajout des titres en anglais pour TALN 2014, RECITAL 2014 et TALN-2011.
• 09/07/2014, ajout des actes de TALN-RECITAL 2014.
• 28/06/2014, corrections meta-donnés.
• 06/05/2015, bug-fixes, ajout des prénoms/noms dans les fichiers de méta-données, modification des bibtex (maintenant en UTF-8), transfert des informations sur les meilleurs papiers et les taux de sélection.
• 07/04/2014, ajout des actes de TALN 1997 et 1998.
• 02/04/2014, ajout des actes de TALN-RECITAL 1999 et 2000.
• 28/03/2014, ajout des actes de TALN-RECITAL 2006.
• 06/02/2014, suppression des fichiers parscit/html/txt et conversion des articles avec pdftotext + nettoyage des header/footer.
• 03/02/2014, ajout de l'extraction des citations avec ParsCit.
• 02/02/2014, ajout des actes de RECITAL 2001.
• 31/01/2014, ajout des actes des conférences TALN-RECITAL 2002 et TALN 2001, modifications des scripts.
• 29/01/2014, modification du script de conversion pdf->txt et ajout des fichiers txt, html et ocr.
• 27/01/2014, ajout des actes de TALN/RECITAL 2003, correction de problèmes de case des noms d'auteurs, correction de problèmes de fichiers corrompus (recital-2008-long-010), correction de problèmes de fichiers protégés (taln-2010-long-037), modification globale des méta-données des fichiers pdfs à l'aide de pdftk.
• 24/01/2014, ajout des actes de RECITAL 2004.
• 23/01/2014, ajout des actes de TALN 2004 et modification des scripts pour la génération du site web.
• 21/01/2014, ajout de méta-données pour TALN et RECITAL 2005 (résumé, mots clés) et modification des pdfs.
• 15/01/2014, corrections de méta-données.
• 08/01/2014, ajout des actes des conférences TALN 2005 et RECITAL 2005, ajout des noms des sessions dans TALN 2009.
• 26/07/2013, ajout des fichiers textes, extraits à partir du contenu des articles au format pdf.
• 18/07/2013, ajout des fichiers de génération de bibtex et du site web.
• 25/06/2013, ajout des actes des conférences TALN 2013 et RECITAL 2013.

Remerciements

• José Moreno
• Thierry Hamon
• Patrick Paroubek
• Gil Francopoulo
• Amir Hazem
• Anne Vilnat
• Cédrick Fairon
• Pierre Zweigenbaum