Nous présentons une pipeline pour le traitement et l’enrichissement de documents basée sur les dernières méthodes d’apprentissage neuronal.
We explore the impact of the training corpus on contextualized word embeddings in five mid-resource languages.
We propose a new pipeline to filter, clean and classify Common Crawl by language, we publish the final corpus under the name OSCAR.
A talk about automatic enrichment of dictionaries.