Computational and Linguistic Issues in Designing a Syntactically Annotated Parallel Corpus of Indo-European Languages

This paper reports on the development of the PROIEL parallel corpus of New Testament texts, which contains the Greek original of the New Testament and its earliest IndoEuropean translations, into Latin, Gothic, Old Church Slavic and Classical Armenian. A web application has been constructed specifically for the purpose of annotating the texts at multiple levels: morphology, syntax, alignment at sentence, dependency graph and token level, information structure and semantics. We describe this web application and our annotation schemes. Although designed for investigating pragmatic resources, the corpus with its rich annotation is an important resource in contrastive and historical Indo-European syntax and pragmatics, easily expandable to include other old Indo-European languages. RÉSUMÉ. L’article décrit le développement du corpus aligné PROIEL, qui couvre le texte original grec du Nouveau Testament et les traductions latine, gotique, vieux-slave et arménienne. Pour faciliter la création du corpus, nous avons developpé une application web qui permet l’annotation des textes sur plusieurs niveaux: morphologie, syntax, alignement de phrases, syntagmes et mots, structure informationelle et sémantique. Dans l’article nous décrivons cette application web ainsi que nos schémas d’annotations. Bien que conçu pour l’étude des ph énomènes pragmaticaux, l’annotation très riche des textes a resulté à une ressource importante pour l’étude comparée and historique du syntax et pragmatique indo-européen, et le corpus pourra facilement être étendu à d’autres langues indo-européennes.