Proportion de noms propres à consonnance étrangère

[lissyx ((slow to reply) [NOT PROVIDING SUPPORT])]

@drzraf

Je pense qu’il y a un problème général de qualité du corpus source (grammaire, conjugaison et adéquation à des locuteurs francophones, erreurs d’accents, champ lexical, noms propres en général, …), mais je pense que cet aspect particulier est visiblement très présent, assez problématique et bien identifiable.

je crois que c’est lié à l’import massif de données wikipedia, ça s’est fait sans moi …

@drzraf

Il ne devrait pas être difficile de filtrer cela hors du corpus mais j’imagine que changer les texte sources est chose sensible. Y a-t-il des suggestions/expériences à ce propos ?

malheureusement non, et ça manque de bras / temps, donc j’ai envie de dire, prime à celui qui s’y lance