Building a Tree-Bank of Modern Hebrew Text

This paper describes the process of building the first tree-bank for Modern Hebrew texts. A major concern in this process is the need for reducing the cost of manual annotation by the use of automatic means. To this end, the joint utility of an automatic morphological analyzer, a probabilistic parser and a small manually annotated tree-bank was explored. An initial tree-bank that consists of 500 annotated sentences from a daily newspaper is described. The annotation scheme that underlies the tree-bank analyses integrates morphology and syntax. An existing morphological analyzer and a language-independent probabilistic parser were applied to this tree-bank. Based on the results of some experiments with these tools, a semi-automatic procedure for future enlargement of the tree-bank is outlined. RSUM. Cet article décrit les différentes étapes dans la construction d’un corpus arboré de l’Hébreu moderne. L’objectif premier vise à la réduction du coût des annotations faites à la main à l’aide de moyens automatiques. À cette fin, nous montrons l’utilité de combiner un analyseur morphologique, un analyseur probabiliste et un corpus de référence de taille réduite manuellement annoté. Le corpus initial arboré consiste en 500 phrases annotées à la main extraites d’un quotidien. Le schéma d’annotation intègre des informations morphologiques et syntaxiques. Un analyseur morphologique et un analyseur syntaxique probabiliste ont et́é appliquées à ce corpus arboré. En fonction des résultats de quelques expérimentations avec ces outils, une procédure semi-automatique est mise au point pour annoter de nouveaux textes.