La sémantique de rôle appliquée aux requis logiciels

Out of domain corpora in semantic role labeling (SRL) are quite rare in the literature. Frequently used corpora are CoNLL05 and CoNLL2012 as input and evaluating gold data for neural network models but they lack specialized data. We propose CTeTex SRL, the first, to our knowledge, software requirement specification (SRS) corpora annotated in SRL. We followed the Proposition Bank’s guidelines and applied new conventions to better treat linguistic features of an out of domain dataset. CTeTex SRL is composed of 196 SRS each manually annotated in SRL with an interannotator agreement of 82% for argument labeling. We hope this first gold SRS corpora can be used to evaluate neural network driven semantic role labeling models and we hope our enriched annotation convention is applied to new SRS data to be used as a training dataset.Il existe peu de corpus de documents techniques annotés en sémantique de rôle (SRL). Les corpus CoNLL05 et CoNLL2012 sont couramment utilisés comme données d’entraînement, de développement et de référence pour des modèles d’apprentissage neuronaux. Toutefois, ces deux corpus contiennent une faible quantité de données spécialisées et techniques. Nous proposons le corpus de requis logiciels CTeTex SRL annoté en sémantique de rôle. Le guide d’annotation de Proposition Bank a été suivi et enrichi de nouveaux rôles pour traiter adéquatement ce corpus hors domaine. Ce corpus est composé de 196 requis logiciels annotés en SRL avec un taux d’accord inter-annotateurs de 82 % pour la structure argumentale du verbe. Nous proposons une adaptation de la convention d’annotation pour tenir compte des particularités linguistiques de CTeTex SRL. Ce dernier peut être utilisé comme données de référence pour juger de l’applicabilité d’un modèle neuronal sur ce type de données spécialisées. Nous espérons que d’autres travaux suivront pour agrandir CTeTex SRL qui est le premier corpus de requis logiciel annoté en SRL