Elamur Research⌕
☰
home / authors / Benoit Sagot / all works

Benoit Sagot — all works

92 works · ← Benoit Sagot

  1. What Does BERT Learn about the Structure of Language?Annual Meeting of the Association for Computational Linguistics (ACL)Ganesh Jawahar, Benoît Sagot, Djamé Seddah2019 · 1,806 citations
  2. BLOOM: A 176B-Parameter Open-Access Multilingual Language Model ↗arXiv:2211.05100 · no summary yetBigScience Workshop et al.2022 · 1,606 citations
  3. CamemBERT: a Tasty French Language ModelAnnual Meeting of the Association for Computational Linguistics (ACL)Louis Martin, Benjamin Muller, Pedro Javier Ortiz Suárez, et al.2019 · 1,269 citations
  4. The Lefff, a Freely Available and Large-coverage Morphological and Syntactic Lexicon for FrenchLanguage Resources and Evaluation Conference (LREC)Benoît Sagot2010 · 253 citations
  5. A Monolingual Approach to Contextualized Word Embeddings for Mid-Resource LanguagesAnnual Meeting of the Association for Computational Linguistics (ACL)Pedro Javier Ortiz Suárez, Laurent Romary, Benoît Sagot2020 · 222 citations
  6. ASSET: A Dataset for Tuning and Evaluation of Sentence Simplification Models with Multiple Rewriting TransformationsAnnual Meeting of the Association for Computational Linguistics (ACL)Fernando Alva-Manchego, Louis Martin, Antoine Bordes, et al.2020 · 215 citations
  7. Building a free French wordnet from multilingual resources ↗OntoLex 2008 (workshop at LREC 2008), Marrakech · no summary yetBenoît Sagot, Darja Fišer2008 · 215 citations
  8. Between words and characters: A Brief History of Open-Vocabulary Modeling and Tokenization in NLParXiv:2112.10508Sabrina J. Mielke, Zaid Alyafeai, Elizabeth Salesky, et al.2021 · 191 citations
  9. When Being Unseen from mBERT is just the Beginning: Handling New Languages With Multilingual Language ModelsConference of the North American Chapter of the Association for Computational Linguistics (NAACL)Benjamin Muller, Antonios Anastasopoulos, Benoît Sagot, et al.2021 · 191 citations
  10. Controllable Sentence Simplification ↗Proceedings of the Twelfth Language Resources and Evaluation Conference · no summary yetLouis Martin et al.2020 · 178 citations
  11. Towards a Cleaner Document-Oriented Multilingual Crawled CorpusLanguage Resources and Evaluation Conference (LREC)Julien Abadji, Pedro Ortiz Suarez, Laurent Romary, et al.2022 · 156 citations
  12. Coupling an Annotated Corpus and a Morphosyntactic Lexicon for State-of-the-Art POS Tagging with Less Human Effort ↗Proceedings of the 23rd Pacific Asia Conference on Language, Information and Computation, Volume 1 · no summary yetPascal Denis, Benoît Sagot2009 · 151 citations
  13. Generative Spoken Dialogue Language ModelingTransactions of the Association for Computational Linguistics (TACL)Tu Anh Nguyen, Eugene Kharitonov, Jade Copet, et al.2023 · 124 citations
  14. MUSS: Multilingual Unsupervised Sentence Simplification by Mining ParaphrasesLanguage Resources and Evaluation Conference (LREC)Louis Martin, Angela Fan, Éric de la Clergerie, et al.2022 · 117 citations
  15. The Lefff 2 syntactic lexicon for French: architecture, acquisition, use ↗Proceedings of the Fifth International Conference on Language Resources and Evaluation (LREC'06) · no summary yetBenoît Sagot et al.2006 · 112 citations
  16. First Align, then Predict: Understanding the Cross-Lingual Ability of Multilingual BERTConference of the European Chapter of the Association for Computational Linguistics (EACL)Benjamin Muller, Yanai Elazar, Benoît Sagot, et al.2021 · 87 citations
  17. SONAR: Sentence-Level Multimodal and Language-Agnostic Representations ↗arXiv:2308.11466 · no summary yetPaul-Ambroise Duquenne, Holger Schwenk, Benoit Sagot2023 · 84 citations
  18. The French Social Media Bank: a Treebank of Noisy User Generated Content ↗Proceedings of COLING 2012 · no summary yetDjamé Seddah et al.2012 · 84 citations
  19. Building a User-Generated Content North-African Arabizi Treebank: Tackling Hell ↗Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics · no summary yetDjamé Seddah et al.2020 · 79 citations
  20. Developing a French FrameNet: Methodology and First resultsLanguage Resources and Evaluation Conference (LREC)Marie Candito, Pascal Amsili, Lucie Barque, et al.2014 · 63 citations
  21. Tackling Ambiguity with Images: Improved Multimodal Machine Translation and Contrastive Evaluation ↗Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers) · no summary yetMatthieu Futeral et al.2023 · 52 citations
  22. Reference-less Quality Estimation of Text Simplification Systems ↗Proceedings of the 1st Workshop on Automatic Text Adaptation (ATA) · no summary yetLouis Martin et al.2018 · 47 citations
  23. Rethinking Automatic Evaluation in Sentence Simplification ↗arXiv:2104.07560 · no summary yetThomas Scialom et al.2021 · 34 citations
  24. Towards a Robust Detection of Language Model-Generated Text: Is ChatGPT that easy to detect? ↗Actes de CORIA-TALN 2023. Actes de la 30e Conférence sur le Traitement Automatique des Langues Naturelles (TALN), volume 1 : travaux de recherche originaux – articles longs · no summary yetWissam Antoun et al.2023 · 29 citations
  25. Paris and Stanford at EPE 2017: Downstream Evaluation of Graph-based Dependency Representations ↗HAL (Le Centre pour la Communication Scientifique Directe) · no summary yetSebastian Schuster et al.2017 · 27 citations
  26. Can Multilingual Language Models Transfer to an Unseen Dialect? A Case Study on North African ArabiziarXiv:2005.00318Benjamin Muller, Benoit Sagot, Djame Seddah2020 · 26 citations
  27. Automatic Normalisation of Early Modern French ↗Proceedings of the Thirteenth Language Resources and Evaluation Conference · no summary yetRachel Bawden et al.2022 · 21 citations
  28. CamemBERT 2.0: A Smarter French Language Model Aged to Perfection ↗arXiv:2411.08868 · no summary yetWissam Antoun et al.2024 · 19 citations
  29. From FreEM to D'AlemBERT: a Large Corpus and a Language Model for Early Modern French ↗Proceedings of the Thirteenth Language Resources and Evaluation Conference · no summary yetSimon Gabay et al.2022 · 18 citations
  30. TCOF-POS : un corpus libre de français parlé annoté en morphosyntaxe (TCOF-POS : A Freely Available POS-Tagged Corpus of Spoken French) [in French] ↗Proceedings of the Joint Conference JEP-TALN-RECITAL 2012, volume 2: TALN · no summary yetChristophe Benzitoun, Karën Fort, Benoît Sagot2012 · 18 citations
  31. Construction d'un wordnet libre du français à partir de ressources multilingues ↗Actes de la 15ème conférence sur le Traitement Automatique des Langues Naturelles. Articles longs · no summary yetBenoît Sagot, Darja Fišer2008 · 18 citations
  32. A language-independent and fully unsupervised approach to lexicon induction and part-of-speech tagging for closely related languages ↗Proceedings of the Ninth International Conference on Language Resources and Evaluation (LREC'14) · no summary yetYves Scherrer, Benoît Sagot2014 · 17 citations
  33. RoCS-MT: Robustness Challenge Set for Machine Translation ↗Proceedings of the Eighth Conference on Machine Translation · no summary yetRachel Bawden, Benoît Sagot2023 · 16 citations
  34. A Lexicon of French Quotation Verbs for Automatic Quotation Extraction ↗Proceedings of the Seventh International Conference on Language Resources and Evaluation (LREC'10) · no summary yetBenoît Sagot, Laurence Danlos, Rosa Stern2010 · 16 citations
  35. Exploitation d'une ressource lexicale pour la construction d'un étiqueteur morpho-syntaxique état-de-l'art du français ↗Actes de la 17e conférence sur le Traitement Automatique des Langues Naturelles. Articles longs · no summary yetPascal Denis, Benoît Sagot2010 · 15 citations
  36. Data-Efficient French Language Modeling with CamemBERTa ↗Findings of the Association for Computational Linguistics: ACL 2023 · no summary yetWissam Antoun, Benoît Sagot, Djamé Seddah2023 · 13 citations
  37. Establishing a New State-of-the-Art for French Named Entity Recognition ↗Proceedings of the Twelfth Language Resources and Evaluation Conference · no summary yetPedro Javier Ortiz Suárez et al.2020 · 12 citations
  38. Aleda, a free large-scale entity database for French ↗Proceedings of the Eighth International Conference on Language Resources and Evaluation (LREC'12) · no summary yetBenoît Sagot, Rosa Stern2012 · 12 citations
  39. BERTrade: Using Contextual Embeddings to Parse Old French ↗Proceedings of the Thirteenth Language Resources and Evaluation Conference · no summary yetLoïc Grobol et al.2022 · 10 citations
  40. Annotation référentielle du Corpus Arboré de Paris 7 en entités nommées (Referential named entity annotation of the Paris 7 French TreeBank) [in French] ↗Proceedings of the Joint Conference JEP-TALN-RECITAL 2012, volume 2: TALN · no summary yetBenoît Sagot, Marion Richard, Rosa Stern2012 · 10 citations
  41. Why do small language models underperform? Studying Language Model Saturation via the Softmax BottleneckarXiv:2404.07647Nathan Godey, Eric de la Clergerie, Benoit Sagot2024 · 9 citations
  42. Un turc mécanique pour les ressources linguistiques : critique de la myriadisation du travail parcellisé (Mechanical Turk for linguistic resources: review of the crowdsourcing of parceled work) ↗Actes de la 18e conférence sur le Traitement Automatique des Langues Naturelles. Articles longs · no summary yetBenoît Sagot et al.2011 · 9 citations
  43. DeLex, a freely-avaible, large-scale and linguistically grounded morphological lexicon for German ↗Proceedings of the Ninth International Conference on Language Resources and Evaluation (LREC'14) · no summary yetSagot, Benoît2014 · 8 citations
  44. Coopération de méthodes statistiques et symboliques pour l'adaptation non-supervisée d'un système d'étiquetage en entités nommées (Statistical and symbolic methods cooperation for the unsupervised adaptation of a named entity recognition system) ↗Actes de la 18e conférence sur le Traitement Automatique des Langues Naturelles. Articles courts · no summary yetFrédéric Béchet, Benoît Sagot, Rosa Stern2011 · 8 citations
  45. Cleaning noisy wordnets ↗Proceedings of the Eighth International Conference on Language Resources and Evaluation (LREC'12) · no summary yetBenoît Sagot, Darja Fišer2012 · 7 citations
  46. Détection et résolution d'entités nommées dans des dépêches d'agence ↗Actes de la 17e conférence sur le Traitement Automatique des Langues Naturelles. Articles courts · no summary yetRosa Stern, Benoît Sagot2010 · 7 citations
  47. Intégrer les tables du Lexique-Grammaire à un analyseur syntaxique robuste à grande échelle ↗Actes de la 16ème conférence sur le Traitement Automatique des Langues Naturelles. Articles courts · no summary yetBenoît Sagot, Elsa Tolone2009 · 6 citations
  48. Comparaison du Lexique-Grammaire des verbes pleins et de DICOVALENCE : vers une intégration dans le Lefff ↗Actes de la 14ème conférence sur le Traitement Automatique des Langues Naturelles. Articles longs · no summary yetLaurence Danlos, Benoît Sagot2007 · 6 citations
  49. Gaperon: A Peppered English-French Generative Language Model Suite ↗Findings of the Association for Computational Linguistics: ACL 2026 · no summary yetNathan Godey et al.2026 · 5 citations
  50. Wordnet extension made simple: A multilingual lexicon-based approach using wiki resources ↗Proceedings of the Eighth International Conference on Language Resources and Evaluation (LREC'12) · no summary yetValérie Hanoka, Benoît Sagot2012 · 5 citations
  51. Chaînes de traitement syntaxique ↗Actes de la 12ème conférence sur le Traitement Automatique des Langues Naturelles. Articles longs · no summary yetPierre Boullier et al.2005 · 5 citations
  52. CoMMA, a Large-scale Corpus of Multilingual Medieval Archives ↗Proceedings of the Fifteenth Language Resources and Evaluation Conference · no summary yetThibault Clérice et al.2026 · 4 citations
  53. Complex Labelling and Similarity Prediction in Legal Texts: Automatic Analysis of France's Court of Cassation Rulings ↗Proceedings of the Thirteenth Language Resources and Evaluation Conference · no summary yetThibault Charmet et al.2022 · 4 citations
  54. Trouver le coupable : Fouille d'erreurs sur des sorties d'analyseurs syntaxiques ↗Actes de la 13ème conférence sur le Traitement Automatique des Langues Naturelles. Articles longs · no summary yetBenoît Sagot, Éric Villemonte De La Clergerie2006 · 4 citations
  55. Modélisation et analyse des coordinations elliptiques par l'exploitation dynamique des forêts de dérivation ↗Actes de la 13ème conférence sur le Traitement Automatique des Langues Naturelles. Posters · no summary yetDjamé Seddah, Benoît Sagot2006 · 4 citations
  56. Structure-Aware Text Recognition for Ancient Greek Critical Editions ↗arXiv:2603.02803 · no summary yetNicolas Angleraud et al.2026 · 3 citations
  57. RoCS-MT v2 at WMT 2025: Robust Challenge Set for Machine Translation ↗Proceedings of the Tenth Conference on Machine Translation · no summary yetRachel Bawden, Benoît Sagot2025 · 3 citations
  58. Modélisation et implémentation de phénomènes flexionnels non canoniques [Modeling and implementing non canonical morphological phenomena] ↗HAL (Le Centre pour la Communication Scientifique Directe) · no summary yetGéraldine Walther, Benoît Sagot2011 · 3 citations
  59. Fouille d'erreurs sur des sorties d'analyseurs syntaxiques [Error Mining on Syntactic Parser Output] ↗Traitement Automatique des Langues, Volume 49, Numéro 1 : Varia [Varia] · no summary yetBenoît Sagot, Éric Villemonte de la Clergerie2008 · 3 citations
  60. A French Version of the OLDI Seed Corpus ↗Proceedings of the Tenth Conference on Machine Translation · no summary yetMalik Marmonier, Benoît Sagot, Rachel Bawden2025 · 2 citations
  61. Cross-lingual Strategies for Low-resource Language Modeling: A Study on Five Indic Dialects ↗Actes de CORIA-TALN 2023. Actes de la 30e Conférence sur le Traitement Automatique des Langues Naturelles (TALN), volume 1 : travaux de recherche originaux – articles longs · no summary yetNiyati Bafna et al.2023 · 2 citations
  62. Analogy-based Text Normalization : the case of unknowns words (Normalisation de textes par analogie: le cas des mots inconnus) [in French] ↗Proceedings of TALN 2014 (Volume 1: Long Papers) · no summary yetMarion Baranes, Benoît Sagot2014 · 2 citations
  63. Segmentation et induction de lexique non-supervisées du mandarin (Unsupervised segmentation and induction of mandarin lexicon) ↗Actes de la 18e conférence sur le Traitement Automatique des Langues Naturelles. Articles longs · no summary yetPierre Magistry, Benoît Sagot2011 · 2 citations
  64. Un analyseur LFG efficace pour le français : SXLFG ↗Actes de la 12ème conférence sur le Traitement Automatique des Langues Naturelles. Articles courts · no summary yetPierre Boullier, Benoît Sagot, Lionel Clément2005 · 2 citations
  65. OcWikiDialects: A Wikipedia Dataset With Rich Metadata for Occitan Dialect IdentificationWorkshop on NLP for Similar Languages, Varieties and Dialects (VarDial)Oriane Nédey, Rachel Bawden, Thibault Clérice, et al.2026 · 1 citation
  66. Étude sur la normalisation lexicale de contenus produits par les utilisateurs [A Study on the Lexical Normalisation of User-Generated Content] ↗HAL (Le Centre pour la Communication Scientifique Directe) · no summary yetLydia Nishimwe, Benoît Sagot, Rachel Bawden2023 · 1 citation
  67. Exploring Data-Centric Strategies for French Patent Classification: A Baseline and Comparisons ↗Actes de CORIA-TALN 2023. Actes de la 30e Conférence sur le Traitement Automatique des Langues Naturelles (TALN), volume 1 : travaux de recherche originaux – articles longs · no summary yetYou Zuo et al.2023 · 1 citation
  68. French Contextualized Word-Embeddings with a sip of CaBeRnet: a New French Balanced Reference Corpus ↗Proceedings of the 8th Workshop on Challenges in the Management of Large Corpora · no summary yetMurielle Popa-Fabre et al.2020 · 1 citation
  69. Développement d'un lexique morphologique et syntaxique de l'ancien français (Development of a morphological and syntactic lexicon of Old French) ↗Actes de la Conférence sur le Traitement Automatique des Langues Naturelles (TALN) PFIA 2019. Volume II : Articles courts · no summary yetSagot, Benoît2019 · 1 citation
  70. Named Entity Recognition and Correction in OCRized Corpora (Détection et correction automatique d'entités nommées dans des corpus OCRisés) [in French] ↗Proceedings of TALN 2014 (Volume 2: Short Papers) · no summary yetBenoît Sagot, Kata Gábor2014 · 1 citation
  71. Construction d'un lexique des adjectifs dénominaux (Construction of a lexicon of denominal adjectives) ↗Actes de la 18e conférence sur le Traitement Automatique des Langues Naturelles. Articles courts · no summary yetJana Strnadová, Benoît Sagot2011 · 1 citation
  72. Traitement des inconnus : une approche systématique de l'incomplétude lexicale ↗Actes de la 17e conférence sur le Traitement Automatique des Langues Naturelles. Articles courts · no summary yetHelena Blancafort et al.2010 · 1 citation
  73. ForumOccitania: A Corpus of User-Generated Content for Multiple Occitan VarietiesLanguage Resources and Evaluation Conference (LREC)Oriane Nédey, Juliette Janès, Rachel Bawden, et al.2026
  74. Hindsight Quality Prediction Experiments in Multi-Candidate Human-Post-Edited Machine TranslationLanguage Resources and Evaluation Conference (LREC)Malik Marmonier, Benoît Sagot, Rachel Bawden2026
  75. When the Gold Standard Isn't Necessarily Standard: Challenges of Evaluating the Translation of User-Generated ContentAnnual Conference of the European Association for Machine Translation (EAMT)Lydia Nishimwe, Benoît Sagot, Rachel Bawden2026
  76. Reading or Guessing? Visual Grounding Failures of Vision-Language Models for OCR in Ancient Greek Editions ↗arXiv:2605.27750 · no summary yetAntonia Karamolegkou et al.2026
  77. Language-Switching Triggers Take a Latent Detour Through Language Models ↗arXiv:2605.18646 · no summary yetFrancis Kulumba et al.2026
  78. Last Translation Benchmark ↗arXiv:2609.04173 · no summary yetVilem Zouhar et al.2026
  79. COLaF : Corpus et Outils pour les Langues de France et variétés de français ↗Actes de la session industrielle de CORIA-TALN 2025 · no summary yetBenoît Sagot et al.2025
  80. OFrLex: A Computational Morphological and Syntactic Lexicon for Old French ↗Proceedings of the Twelfth Language Resources and Evaluation Conference · no summary yetGaël Guibon, Benoît Sagot2020
  81. Les modèles de langue contextuels Camembert pour le français : impact de la taille et de l'hétérogénéité des données d'entrainement (C AMEM BERT Contextual Language Models for French: Impact of Training Data Size and Heterogeneity ) ↗Actes de la 6e conférence conjointe Journées d'Études sur la Parole (JEP, 33e édition), Traitement Automatique des Langues Naturelles (TALN, 27e édition), Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RÉCITAL, 22e édition). Volume 2 : Traitement Automatique des Langues Naturelles · no summary yetLouis Martin et al.2020
  82. Construction automatique d'une base de données étymologiques à partir du wiktionary (Automatic construction of an etymological database using Wiktionary) ↗Actes des 24ème Conférence sur le Traitement Automatique des Langues Naturelles. Volume 1 - Articles longs · no summary yetSagot, Benoît2017
  83. Étiquetage multilingue en parties du discours avec MElt (Multilingual part-of-speech tagging with MElt) ↗Actes de la conférence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Posters) · no summary yetSagot, Benoît2016
  84. Sub-categorization in ‘pour' and lexical syntax (Sous-catégorisation en pour et syntaxe lexicale) [in French] ↗Proceedings of TALN 2014 (Volume 2: Short Papers) · no summary yetBenoît Sagot, Laurence Danlos, Margot Colinet2014
  85. Dynamic extension of a French morphological lexicon based a text stream (Extension dynamique de lexiques morphologiques pour le français à partir d'un flux textuel) [in French] ↗Proceedings of TALN 2013 (Volume 1: Long Papers) · no summary yetBenoît Sagot et al.2013
  86. Développement de ressources pour le persan : PerLex 2, nouveau lexique morphologique et MEltfa, étiqueteur morphosyntaxique (Development of resources for Persian: PerLex 2, a new morphological lexicon and MEltfa, a morphosyntactic tagger) ↗Actes de la 18e conférence sur le Traitement Automatique des Langues Naturelles. Articles courts · no summary yetBenoît Sagot et al.2011
  87. Évaluation de lexiques syntaxiques par leur intégartion dans l'analyseur syntaxiques FRMG ↗arXiv:1111.3152 · no summary yetElsa Tolone, Eric De La Clergerie, Sagot Benoit2011
  88. Ponctuations fortes abusives ↗Actes de la 17e conférence sur le Traitement Automatique des Langues Naturelles. Articles courts · no summary yetLaurence Danlos, Benoît Sagot2010
  89. Développement de ressources pour le persan: lexique morphologique et chaîne de traitements de surface ↗Actes de la 17e conférence sur le Traitement Automatique des Langues Naturelles. Articles longs · no summary yetBenoît Sagot, Géraldine Walther2010
  90. Trouver et confondre les coupables : un processus sophistiqué de correction de lexique ↗Actes de la 16ème conférence sur le Traitement Automatique des Langues Naturelles. Articles longs · no summary yetLionel Nicolas et al.2009
  91. Les Méta-RCG: description et mise en oeuvre ↗Actes de la 12ème conférence sur le Traitement Automatique des Langues Naturelles. Articles courts · no summary yetSagot, Benoît2005
  92. Les Grammaires à Concaténation d'Intervalles (RCG) comme formalisme grammatical pour la linguistique ↗Actes de la 11ème conférence sur le Traitement Automatique des Langues Naturelles. Articles longs · no summary yetBenoît Sagot, Pierre Boullier2004

↑ back to top

This page in Markdown → https://md.research.elamur.ai/free/en/authors/benoit-sagot/works/