Description des corpus
Les corpus ont été constitués à partir de deux sources distinctes : les débats du Parlement européen et un ensemble d'articles issus des journaux Le Monde (France), The Financial Times (Royaume-Uni) et Il Sole 24 Ore (Italie).
Ce corpus comprend 32 289 interventions de parlementaires, tenues au Parlement européen entre 1999 et 2004. Seules les interventions des parlementaires affiliés à l'un des cinq partis suivants ont été extraites :
- Verts-ALE : les verts/Alliance Libre Européenne ;
- GUE-NGL : Gauche Unitaire Européenne/gauche verte nordique ;
- PSE : Parti Socialiste Européen ;
- ELDR : parti Européen des Libéraux, Démocrates et Réformateurs ;
- PPE-DE : Parti Populaire Européen (démocrates chrétiens) – Démocrates Européens
Exemples
- Parti : Verts-ALE
- Monsieur le Président, hier, une fois de plus, onze personnes provenant de pays africains ont perdu la vie près des côtes espagnoles lorsque leur embarcation a fait naufrage. Ce drame, qui se produit très fréquemment, ne peut nous laisser indifférents : je crois que, malgré la difficulté, il faut rechercher une solution afin que ces gens ne soient pas obligés de tenter d'atteindre les terres européennes d'une manière aussi dramatique et tragique.
Je crois que, en pareilles circonstances, il convient de le rappeler ici.
- Parti : GUE-NGL
- Madame la Présidente, avec la proposition de modification de l'OCM des fruits et légumes, la Commission aggrave les problèmes de l'organisation des marchés actuelle, ainsi que les injustices de la PAC, et elle occasionne plus de difficultés aux producteurs de fruits et légumes. Les mesures visant à éliminer le prix minimum sont particulièrement graves, comme dans le cas de la tomate destinée à l'industrie ; de la réduction de la limite maximale de l'aide pour le volume des fonds opérationnels de 4,5 % à 3 % de la valeur de la production commercialisée de chaque organisation de producteurs ; de la réduction de 9,1 % du montant des aides à la première campagne après la réforme de l'OCM ; et de la réduction de la quantité susceptible d'indemnité communautaire de retrait pour les agrumes.
- Parti : PSE
- Monsieur le Président, Mesdames et Messieurs, permettez-moi de limiter mon intervention au problème du VIH/sida. Le rapport sur l'état de la population mondiale, qui vient juste de paraître, contient des chiffres effrayants. 14 000 hommes, femmes et enfants meurent chaque jour, en moyenne, de cette maladie. Elle est devenue la première cause de mortalité en Afrique subsaharienne. Dans le monde, plus de 60 millions de personnes ont été contaminées par le virus du sida, environ 22 millions d'entre elles sont décédées. Sur les 40 millions de personnes contaminées à l'heure actuelle, 95 % vivent dans des pays en développement et presque trois quarts en Afrique. Des 580 000 enfants de moins de 15 ans morts du sida, 500 000 - près de 90 % - vivaient en Afrique. Je pourrais poursuivre indéfiniment cette énumération de statistiques édifiantes.
- Parti : ELDR
- Monsieur le Président, l'UE est le principal donateur des territoires palestiniens. Selon l'ONU, depuis les bouclages, plus d'un million de Palestiniens vivent en dessous du seuil de pauvreté, soit deux dollars par jour. La conséquence des bouclages sur le plan humain est encore bien pire. Comme le commissaire Patten l'a dit, les malades ne peuvent se rendre à l'hôpital européen de Gaza car même les ambulances ne franchissent pas les barrages. Il est donc essentiel que nous continuions d'apporter notre soutien à cette région. Je suis heureuse de constater que le Conseil et la Commission partagent ce point de vue.
- Parti : PPE-DE
- Madame la Présidente, à mon grand regret j'ai dû voter contre le budget parce que je trouve absolument insuffisants, et même inexistants, tous les articles destinés à chercher à améliorer les conditions de vie des personnes âgées et des retraités. J'ai vu, en outre, que nombre de ces fonds sont destinés aux célèbres programmes d'action communautaire. Je crois que ces programmes n'exercent pas la fonction utile qu'ils devraient avoir dans l'utilisation des fonds communautaires. Je crois que l'Union européenne doit modifier complètement la façon dont elle dépense l'argent des quinze états membres de l'union.
L'attribution des valeurs « objective » et « subjective » aux articles a été réalisée de manière différente selon les journaux :
Le Monde : journal généraliste français, corpus de 42 000 articles sur la période 2003/2006 ;
The Financial Times : journal économique brittanique, corpus de 13 000 articles sur l'année 1993 ;
Il Sole 24 Ore : journal économique italien, corpus de 2 500 articles sur l'année 1992.
Exemples « Le Monde »
- Propriété : objectif
- SOUPÇONNÉ par la direction de la surveillance du territoire (DST) d'être l'un des informateurs anonymes des juges Renaud Van Ruymbeke et Dominique de Talancé, qui enquêtent sur l'affaire des frégates de Taïwan, Imad Lahoud, informaticien chez EADS, rompt le silence par la voix de son avocat. Dans un communiqué adressé au Monde, Me Olivier Pardo assure qu' « en dépit de la multiplicité des assertions aucune preuve d'une quelconque participation de -son- client à cette affaire n'existe ». « Dans une ronde sans fin, la calomnie s'installe et risque de devenir extrêmement préjudiciable », ajoute Me Pardo, qui précise que son client « n'a jamais rencontré le député Alain Marsaud », contrairement à ce qu'a laissé entendre la DST dans un rapport ( Le Monde du 20 juillet). « M. Lahoud demande que cessent ces assertions et l'instrumentalisation de sa personne, conclut l'avocat. Il ne réclame qu'une chose : qu'il puisse continuer à animer son équipe de recherche dans la grande entreprise européenne à laquelle il a l'honneur d'appartenir, dans la sérénité et la quiétude. »
- Propriété : subjectif
- Avec la campagne présidentielle qui se profile, voici revenu le temps des effets chocs et des idées chics. Il en est ainsi du « dialogue social », serpent de mer du débat public que les politiques défendent surtout quand ils n'ont pas à le pratiquer. Jacques Chirac en a parlé le 14 juillet. Dominique de Villepin redécouvre son existence après l'avoir superbement ignoré. L'UMP va achever, en septembre, des rencontres avec tous les partenaires sociaux, CGT comprise. Le PS recevra, à son Université d'été de La Rochelle, du 25 au 27 août, tous les syndicats et le numéro deux du Medef, Denis Gautier-Sauvagnac.
Exemples « The Financial Times »
- Propriété : objectif
- THE Health and Safety Executive yesterday accused the European Community of imposing a mass of health and safety legislation on member states without adequate thought or consultation, Diane Summers writes.
The executive is concerned that it is becoming a focus of complaints that UK businesses are increasingly subject to excessively bureaucratic regulation. It is anxious to remind the government that much of the regulation and perceived red tape originates from Brussels and not from it.
Mr John Rimington, the executive's director-general, said the directives had been constructed in 'smoke-filled rooms in Brussels'. He blamed, in particular, the French for trying to get the directives to reflect their own domestic laws and said some of the provisions were 'incomprehensible'.
- Propriété : subjectif
- Denmark has a new government. The foreign minister has pledged himself to secure a Yes to Maastricht in the second Danish referendum on the subject, to be held probably 'before June'. All's right with the world.
Some moaning Euro-minnies are still muttering about the dangerous precedent set by Denmark's special 'opt-outs', negotiated at last month's Edinburgh summit. Won't Conservative backbenchers try to obtain the same deal for Britain, as the price of ratification? Won't candidates for EC membership, with three of whom formal negotiations are to start on Monday, demand that the same exemptions apply to them? Isn't this the beginning of the a la carte union so dreaded by Mr Jacques Delors, president of the European Commission?
Exemples « Il Sole 24 Ore »
- Propriété : objectif
- Sarà la presidenza del Consiglio a dire l'ultima parola sulla riforma dei fondi pensione. Il ministro del Lavoro Nino Cristofori ha già annunciato per il mese di dicembre la presentazione del suo progetto di regolamentazione delle casse integrative aziendali, in attuazione della recente legge delega sul riordino della previdenza. Quello di Cristofori, però, sarà soltanto il materiale preparatorio per la stesura definitiva del decreto legislativo che darà il via libera alla riforma. A Palazzo Chigi si è costituito in questi giorni un gruppo di esperti con il compito di analizzare le proposte del Lavoro confrontandole con quelle provenienti da altri ministeri (Tesoro, Industria e Finanze), parti sociali e gruppi economici.
- Propriété : subjectif
- L'economia va male e quindi i tassi di interesse si riducono. Questa apparentemente banale relazione è tornata a essere vera in questi giorni un pò in tutta Europa e quindi anche in Italia. Dopo i fuochi d'artificio di un mese fa, quando sembrava che le banche centrali di tanti Paesi europei fossero solo impegnate nella nobile gara a chi alzava di più i tassi di interesse, il buonsenso economico è tornato a prevalere.
Les corpus sont au format XML dont la DTD est disponible ici (mise-à-jour : 04/12/08).
Les listes de valeurs pour les propriétés d'articles (tâche 1) et partis politiques (tâche 3) sont les suivantes :
- Corpus « Journal » : OBJECTIF, SUBJECTIF.
- Corpus « Parlement » : Verts-ALE, GUE-NGL, PSE, ELDR, PPE-DE ;
Pour les tâches 1 et 3 nous avons des fichiers de référence disponibles, des processus d'apprentissage peuvent donc être mis en place. En revanche, pour la tâche 2, nous n'avons pas de fichiers de référence.
Exemples
- Les fichiers d'apprentissage :
- Corpus « Parlement » : chaque document intègre le texte de l'intervention parlementaire et le nom du parti auquel est affilié le parlementaire (exemples français, anglais, italien).
- Corpus « Journal » : chaque document intègre un article de journal et le caractère objectif ou subjectif associé à cet article (exemples Le Monde, The Financial Times, Il Sole 24 Ore).
- Les fichiers de test : chaque fichier ne comporte, au niveau du document, que le texte (intervention parlementaire ou article de journal) ;
- Les fichiers de résultats (voir aussi la description détaillée) :
- Tâche 1 : le fichier devra contenir l'évaluation de la propriété objectif/subjectif pour chaque document, sans le texte du document (exemples français, anglais, italien)
- Tâche 2 : le fichier devra contenir pour chaque document son texte avec les étiquettes <SUBJECTIF> et </SUBJECTIF> délimitant les segments de textes identifiés comme subjectifs (exemples français, anglais, italien)
- Tâche 3 : le fichier devra contenir pour chaque document l'évaluation du parti de l'orateur, sans le texte du document (exemples français, anglais, italien)
L'encodage des corpus a été modifié de manière à avoir un encodage uniforme UTF-8. Les éventuelles fautes d'orthographes ou de ponctuation n'ont pas été corrigées.
Le login et le mot de passe nécessaires à l'accès aux corpus seront envoyés aux personnes qui se seront inscrites et qui auront signé et renvoyé le contrat.
Corpus d'apprentissage
Mise-à-jour : mercredi 21 janvier 2009.
Corpus de test
Mise-à-jour : mercredi 18 mars 2009.
Données de référence
➪ Scripts perl de calcul du F-score strict : tâches 1 et 3
Mise-à-jour : vendredi 24 avril 2009.
