Second Call for Papers, Special Issue of the TAL Journal on "NLP for Under-Resourced Languages"

Appel à contributions, numéro spécial de la revue TAL "Traitement automatique des langues peu dotées"

tal-59-3.sciencesconf.org

(see French version below)

NLP for Under-Resourced Languages

Until recently, most of the research work in Natural Language Processing (NLP) has been focused on a few well-described languages with many speakers. The lack of interest for other "under-resourced" languages and language varieties can be accounted for by a variety of reasons: lack of funding, of human resources, of appropriate technology, of complete and precise linguistic descriptions, of academic recognition by the scientific community, etc. Under-resourced languages nevertheless pose important scientific challenges, which open avenues of progress for NLP in general. First, at a time when state-of-the-art methods usually require large amounts of annotated data, work on under-resourced languages often imposes methods able to deal with small-sized datasets (small data). Second, given the difficulty of finding resources such as lexicons or corpora, the collected datasets are often very heterogeneous with respect to the time, space or domain parameters, e.g. corpora of texts corresponding to different geolinguistic varieties and different topics at different time points. This also often involves dealing with variation in the writing, due either to an evolution of spelling standards in time or also to the lack of spelling standards for languages or language varieties which are mostly oral and only seldom written. Third, NLP for under-resourced languages tends to be carried out in isolated or sparse research groups, and the resulting products are often in different formats and standards. Discovering, accessing, and making those resources interoperable so that they can be reused can become a challenge in itself. When dealing with under-resourced languages, issues of interoperability of data and metadata become of crucial importance for combining and re-using the few resources and tools that might be available.

The goal of this issue of Traitement Automatique des Langues (TAL) is to give an overview of current research on NLP for under-resourced languages from all over the world, encompassing a large variety of tasks.

Authors are invited to submit original papers on all aspects of NLP for under-resourced languages, in particular regarding, but not limited to, the following issues and tasks:

- Methods for the acquisition, collection and elicitation of resources and annotations (e.g., OCR, crowdsourcing, etc.), for textual or spoken data - Spelling normalisation and character-level models for spelling variation - Projection of annotations from closely-related languages and cross-lingual models - Methods to deal with data sparsity, low quality issues and out-of-vocabulary words - Language and language variety identification, in particular for short texts and mixed language texts with code-switching - Computer-assisted language learning and writing aids (spelling correction, predictive text and word completion) - Issues related to reusability of NLP tools, techniques and resources for languages other than those originally targeted, with special concern for interoperability and reusability of resources and tools - Computational approaches for under-resourced and endangered languages documentation

We also invite authors to provide a short but accurate description of the languages or language varieties under study, focusing both on their linguistic and sociolinguistic characteristics:

- Brief history, location of current speakers ; - Main linguistic properties (morphology, syntax) and language family ; - Writing system ; - Vitality, approximate number of speakers, and contexts of use.

IMPORTANT DATES

- Submission deadline : May 15, 2018 - Notification to authors after the first review: July 16, 2018 - Notification to authors after the second review: September 30, 2018 - Final version: November 30, 2018 - Publication: January 2019

THE JOURNAL

TAL (Traitement Automatique des Langues / Natural Language Processing) is an international journal published by ATALA (French Association for Natural Language Processing, http://www.atala.org) since 1960 with the support of CNRS. It is now published online, with an immediate open access to published papers, and annual print on demand. This does not change its editorial and reviewing process.

LANGUAGE

Manuscripts may be submitted in English or French. French-speaking authors are requested to submit their contributions in French.

SUBMISSION FORMAT

Papers must be between 20 and 25 pages. Authors should contact the editors for a derogation on the length.

Authors who intend to submit a paper are encouraged to upload their contribution via the menu "Paper submission" (PDF format). To do so, they will need to have an account on the sciencesconf platform. To create an account, go to the site http://www.sciencesconf.org and click on "create account" next to the "Connect" button at the top of the page. To submit, come back to the page http://tal-59-3.sciencesconf.org/, connect to your account and upload your submission.

From now on, TAL will perform double-blind review: it is thus necessary to anonymise the manuscript and the name of the pdf file.

Style sheets are available for download on the Web site of the journal: http://old.atala.org/English-style-files

************************************************************************ French Version ************************************************************************

Jusqu'à récemment, la plupart des travaux de recherche en Traitement Automatique des Langues (TAL) se sont concentrés sur quelques langues bien décrites et ayant de nombreux locuteurs. Le manque d'intérêt pour d'autres langues et variétés linguistiques «sous-dotées» peut s'expliquer par différentes raisons : manque de financement, de ressources humaines, de technologie appropriée, de descriptions linguistiques complètes et précises, de reconnaissance académique par la communauté scientifique, etc. Les langues sous-dotées posent néanmoins d'importants défis scientifiques qui ouvrent des pistes de progrès pour le TAL en général. Premièrement, à une époque où les méthodes de l'état de l'art nécessitent généralement de grandes quantités de données annotées, le travail sur des langues sous-dotées impose souvent des méthodes capables de traiter des jeux de données de petite taille (small data). Deuxièmement, compte tenu des difficultés à trouver des ressources telles que des lexiques ou des corpus, les données collectées sont souvent très hétérogènes et correspondent à différentes époques, aires linguistiques ou domaines, par exemple des corpus de textes intégrant différentes variétés géolinguistiques et portant sur différents sujets à différentes époques. Cette hétérogénéité implique aussi souvent des variations dans la graphie, dues soit à une évolution des normes orthographiques dans le temps, soit à l'absence de normes orthographiques pour les langues ou les variétés linguistiques qui sont essentiellement orales et rarement écrites. Troisièmement, les travaux de TAL pour les langues sous-dotées ont tendance à être réalisés dans des groupes de recherche isolés ou dispersés, et les ressources produites utilisent souvent des formats et des normes différents. Trouver ces ressources, y accéder et les rendre interopérables pour qu'elles puissent être réutilisées peut devenir un défi en soi. Quand il s'agit de langues sous-dotées, les questions d'interopérabilité des données et des métadonnées deviennent d'une importance cruciale pour combiner et réutiliser les quelques ressources et outils qui pourraient être disponibles.

L'objectif de ce numéro de Traitement Automatique des Langues (TAL) est de donner un aperçu de la recherche actuelle sur le TAL pour les langues sous-dotées du monde entier, englobant une grande variété de tâches.

Les auteurs sont invités à soumettre des documents originaux sur tous les aspects du TAL pour les langues sous-dotées, en particulier en ce qui concerne, mais sans s'y limiter, les questions et tâches suivantes :

- Méthodes d'acquisition et de collecte de ressources et d'annotations (p. ex. OCR, crowdsourcing, etc.) pour les données orales et écrites - Normalisation orthographique et modèles basés sur les caractères pour gérer la variation orthographique - Projection d'annotations à partir de langues proches et modèles multilingues - Méthodes pour traiter le manque de données, les problèmes de qualité et les mots hors-vocabulaire - Identification de la langue et des variétés, en particulier pour les textes courts et les textes en plusieurs langues avec alternance codique - Apprentissage des langues assisté par ordinateur et outils d'aide à l'écriture (correction orthographique, clavier prédictif et complétion de mots) - Problèmes liés à la réutilisation des outils, techniques et ressources du TAL pour des langues autres que celles initialement ciblées, avec un intérêt particulier pour l'interopérabilité et la réutilisabilité des ressources et des outils - Approches informatisées pour la documentation des langues sous-dotées et en danger

Nous invitons également les auteurs à fournir une description courte mais précise des langues ou des variétés linguistiques étudiées, en mettant l'accent à la fois sur leurs caractéristiques linguistiques et sociolinguistiques :

- Bref historique, localisation des locuteurs actuels ; - Principales propriétés linguistiques (morphologie, syntaxe) et famille de langues ; - Système d'écriture ; - Vitalité, nombre approximatif de locuteurs et contextes d'utilisation.

DATES IMPORTANTES

- Date limite de soumission : 15 mai 2018 - Notification aux auteurs, première relecture : 16 juillet 2018 - Notification aux auteurs, seconde relecture : 30 septembre 2018 - Version finale : 30 novembre 2018 - Publication : janvier 2019

LA REVUE

La revue TAL (Traitement Automatique des Langues) est une revue internationale éditée depuis 1960 par l’ATALA (Association pour le Traitement Automatique des Langues) avec le concours du CNRS. Elle est maintenant publiée en format électronique, avec accès gratuit immédiat aux articles publiés, et impression annuelle à la demande. Cela ne change aucunement son processus de relecture et de sélection.

LANGUE

Les articles sont écrits en français ou en anglais. Les soumissions en anglais ne sont acceptées qu'en cas de présence d'au moins un auteur non francophone.

FORMAT DE LA SOUMISSION

Les articles doivent faire entre 20 et 25 pages. Les auteurs doivent contacter les rédacteurs pour obtenir une dérogation sur la longueur.

Les chercheurs ayant l’intention de soumettre une contribution sont invités à déposer leur article en cliquant sur le menu "Soumission d’un article" (format PDF). Pour cela, si ce n’est déjà fait, s’inscrire sur le site http://www.sciencesconf.org (en haut à gauche, "créer un compte"), puis revenir sur la page http://tal-59-3.sciencesconf.org/, se connecter et effectuer le dépôt.

La revue TAL a un processus de relecture en double-aveugle. Merci d’anonymiser votre article et le nom du fichier.

Les feuilles de style sont disponibles en ligne sur le site de la revue : http://old.atala.org/Instructions-aux-auteurs-feuilles