Key points are not available for this paper at this time.
Nous présentons arTenTen, un corpus arabe collecté par des robots d'exploration web en 2012. arTenTen se compose de 5,8 milliards de mots. Une partie a été lemmatisée et étiquetée avec l'outil MADA, puis chargée dans Sketch Engine, un outil de requêtes de corpus de premier plan, accessible à tous. Nous avons également créé des ‘croquis de mots’ : des résumés automatiques d'une page, dérivés du corpus, sur le comportement grammatical et collocationnel d'un mot. Nous utilisons des exemples pour démontrer ce que le corpus peut nous montrer concernant les mots et les phrases arabes et comment cela peut soutenir la lexicographie et informer la recherche linguistique. L'article présente également en détail la ‘grammaire de croquis’ (la base des croquis de mots), décrit le processus de construction et de traitement du corpus, et considère le rôle du corpus dans des recherches supplémentaires sur l'arabe.
Arts et al. (Jeu,) ont étudié cette question.