<HTML><HEAD></HEAD>
<BODY dir=ltr>
<DIV dir=ltr>
<DIV style="FONT-SIZE: 12pt; FONT-FAMILY: 'Calibri'; COLOR: #000000">
<DIV>
<DIV 
style='FONT-SIZE: small; TEXT-DECORATION: none; FONT-FAMILY: "Calibri"; FONT-WEIGHT: normal; COLOR: #000000; FONT-STYLE: normal; DISPLAY: inline'>We 
apologize for multiple postings<BR>Please distribute to interested colleagues 
</DIV>
<DIV dir=ltr>
<DIV style="FONT-SIZE: 12pt; FONT-FAMILY: 'Calibri'; COLOR: #000000">
<DIV> </DIV>
<DIV>============================================================</DIV>
<DIV> </DIV>
<DIV>  2nd Call for Papers</DIV>
<DIV> </DIV>
<DIV>  7th WORKSHOP ON BUILDING AND USING COMPARABLE CORPORA</DIV>
<DIV> </DIV>
<DIV>  Building Resources for Machine Translation Research</DIV>
<DIV> </DIV>
<DIV>  <A 
href="http://comparable.limsi.fr/bucc2014/">http://comparable.limsi.fr/bucc2014/</A></DIV>
<DIV> </DIV>
<DIV>  May 27, 2014<BR>  Co-located with LREC 2014<BR>  Harpa 
Conference Centre, Reykjavik (Iceland) </DIV>
<DIV> </DIV>
<DIV>  DEADLINE FOR PAPERS: February 10, 2014<BR>  <A 
href="https://www.softconf.com/lrec2014/BUCC2014/">https://www.softconf.com/lrec2014/BUCC2014/</A></DIV>
<DIV> </DIV>
<DIV><BR>  *** INVITED SPEAKER ***</DIV>
<DIV> </DIV>
<DIV>  Chris Callison-Burch (University of Pennsylvania)</DIV>
<DIV> </DIV>
<DIV>============================================================</DIV>
<DIV> </DIV>
<DIV>MOTIVATION</DIV>
<DIV> </DIV>
<DIV>In the language engineering and the linguistics communities, research<BR>in 
comparable corpora has been motivated by two main reasons. In<BR>language 
engineering, on the one hand, it is chiefly motivated by the<BR>need to use 
comparable corpora as training data for statistical<BR>Natural Language 
Processing applications such as statistical machine<BR>translation or 
cross-lingual retrieval. In linguistics, on the other<BR>hand, comparable 
corpora are of interest in themselves by making<BR>possible inter-linguistic 
discoveries and comparisons. It is generally<BR>accepted in both communities 
that comparable corpora are documents in<BR>one or several languages that are 
comparable in content and form in<BR>various degrees and dimensions. We believe 
that the linguistic<BR>definitions and observations related to comparable 
corpora can improve<BR>methods to mine such corpora for applications of 
statistical NLP. As<BR>such, it is of great interest to bring together builders 
and users of<BR>such corpora.<BR> <BR>The scarcity of parallel corpora has 
motivated research concerning<BR>the use of comparable corpora: pairs of 
monolingual corpora selected<BR>according to the same set of criteria, but in 
different languages<BR>or language varieties. Non-parallel yet comparable 
corpora overcome<BR>the two limitations of parallel corpora, since sources for 
original,<BR>monolingual texts are much more abundant than translated 
texts.<BR>However, because of their nature, mining translations in 
comparable<BR>corpora is much more challenging than in parallel corpora. 
What<BR>constitutes a good comparable corpus, for a given task or per 
se,<BR>also requires specific attention: while the definition of a 
parallel<BR>corpus is fairly straightforward, building a non-parallel 
corpus<BR>requires control over the selection of source texts in both 
languages.</DIV>
<DIV> </DIV>
<DIV>Parallel corpora are a key resource as training data for 
statistical<BR>machine translation, and for building or extending bilingual 
lexicons<BR>and terminologies. However, beyond a few language pairs such 
as<BR>English- French or English-Chinese and a few contexts such 
as<BR>parliamentary debates or legal texts, they remain a scarce 
resource,<BR>despite the creation of automated methods to collect parallel 
corpora<BR>from the Web. To exemplify such issues in a practical setting, 
this<BR>year's special focus will be on</DIV>
<DIV> </DIV>
<DIV>    Building Resources for Machine Translation 
Research</DIV>
<DIV> </DIV>
<DIV>This special topic aims to address the need for:<BR>(1) Machine Translation 
training and testing data such as spoken or<BR>written monolingual, comparable 
or parallel data collections, and<BR>(2) methods and tools used for collecting, 
annotating, and verifying<BR>MT data such as Web crawling, crowdsourcing, tools 
for language<BR>experts and for finding MT data in comparable corpora.</DIV>
<DIV> </DIV>
<DIV><BR>TOPICS</DIV>
<DIV> </DIV>
<DIV>We solicit contributions including but not limited to the following 
topics:</DIV>
<DIV> </DIV>
<DIV>Topics related to the special theme:<BR>  * Methods and tools for 
collecting and processing MT data,<BR>        
including crowdsourcing<BR>  * Methods and tools for quality 
control<BR>  * Tools for efficient annotation<BR>  * Bilingual term 
and named entity collections<BR>  * Multilingual treebanks, wordnets, 
propbanks, etc.<BR>  * Comparable corpora with parallel units 
annotated<BR>  * Comparable corpora for under-resourced languages and 
specific domains<BR>  * Multilingual corpora with rich 
annotations:<BR>        POS tags, NEs, 
dependencies, semantic roles, etc.<BR>  * Data for special applications: 
patent translation, movie<BR>        
subtitles, MOOCs, meetings, chat-rooms, social media, etc.<BR>  * Legal 
issues with collecting and redistributing 
data<BR>        and generating 
derivatives</DIV>
<DIV> </DIV>
<DIV>Building comparable corpora:<BR>  * Human translations<BR>  * 
Automatic and semi-automatic methods<BR>  * Methods to mine parallel and 
non-parallel corpora from the Web<BR>  * Tools and criteria to evaluate the 
comparability of corpora<BR>  * Parallel vs non-parallel corpora, 
monolingual corpora<BR>  * Rare and minority languages, across language 
families<BR>  * Multi-media/multi-modal comparable corpora</DIV>
<DIV> </DIV>
<DIV>Applications of comparable corpora:<BR>  * Human 
translations<BR>  * Language learning<BR>  * Cross-language 
information retrieval & document categorization<BR>  * Bilingual 
projections<BR>  * Machine translation<BR>  * Writing assistance</DIV>
<DIV> </DIV>
<DIV>Mining from comparable corpora:<BR>  * Extraction of parallel segments 
or paraphrases from comparable corpora<BR>  * Extraction of bilingual and 
multilingual translations of single 
words<BR>        and multi-word expressions; 
proper names, named entities, etc.</DIV>
<DIV> </DIV>
<DIV><BR>IMPORTANT DATES<BR> <BR>  February 10, 2014    
Deadline for submission of full papers<BR>      March 
10, 2014    Notification of 
acceptance<BR>      March 27, 2014    
Camera-ready papers due<BR>         May 
27, 2014    Workshop date<BR> </DIV>
<DIV> </DIV>
<DIV>SUBMISSION INFORMATION</DIV>
<DIV> </DIV>
<DIV>Papers should follow the LREC main conference formatting details (to 
be<BR>announced on the conference website <A 
href="http://lrec2014.lrec-conf.org/en/">http://lrec2014.lrec-conf.org/en/</A> 
)<BR>and should be submitted as a PDF-file via the START workshop manager 
at<BR>  <A 
href="https://www.softconf.com/lrec2014/BUCC2014/">https://www.softconf.com/lrec2014/BUCC2014/</A></DIV>
<DIV> </DIV>
<DIV>Contributions can be short or long papers. Short paper submission 
must<BR>describe original and unpublished work without exceeding six 
(6)<BR>pages. Characteristics of short papers include: a small, 
focused<BR>contribution; work in progress; a negative result; an opinion 
piece;<BR>an interesting application nugget. Long paper submissions 
must<BR>describe substantial, original, completed and unpublished work 
without<BR>exceeding ten (10) pages.</DIV>
<DIV> </DIV>
<DIV>Reviewing will be double blind, so the papers should not reveal 
the<BR>authors' identity. Accepted papers will be published in the 
workshop<BR>proceedings.<BR> <BR>Double submission policy: Parallel 
submission to other meetings or<BR>publications is possible but must be 
immediately notified to the<BR>workshop organizers.<BR> <BR>When submitting 
a paper from the START page, authors will be asked to<BR>provide essential 
information about resources (in a broad sense,<BR>i.e. also technologies, 
standards, evaluation kits, etc.) that have<BR>been used for the work described 
in the paper or are a new result of<BR>your research.  Moreover, ELRA 
encourages all LREC authors to share<BR>the described LRs (data, tools, 
services, etc.), to enable their<BR>reuse, replicability of experiments, 
including evaluation ones, etc.</DIV>
<DIV> </DIV>
<DIV>For further information, please contact<BR>    Pierre 
Zweigenbaum pz (at) limsi (dot) fr</DIV>
<DIV> </DIV>
<DIV><BR>ORGANISERS<BR> <BR>  Pierre Zweigenbaum, LIMSI, CNRS, Orsay 
(France)<BR>  Ahmet Aker, University of Sheffield (UK)<BR>  Serge 
Sharoff, University of Leeds (UK)<BR>  Stephan Vogel, QCRI 
(Qatar)<BR>  Reinhard Rapp, Universities of Mainz (Germany) and 
Aix-Marseille (France)</DIV>
<DIV> </DIV>
<DIV><BR>SCIENTIFIC COMMITTEE</DIV>
<DIV> </DIV>
<DIV>  * Ahmet Aker, University of Sheffield (UK)<BR>  * Srinivas 
Bangalore (AT&T Labs, US)<BR>  * Caroline Barrière (CRIM, Montréal, 
Canada)<BR>  * Chris Biemann (TU Darmstadt, Germany)<BR>  * Hervé 
Déjean (Xerox Research Centre Europe, Grenoble, France)<BR>  * Kurt Eberle 
(Lingenio, Heidelberg, Germany)<BR>  * Andreas Eisele (European Commission, 
Luxembourg)<BR>  * Éric Gaussier (Université Joseph Fourier, Grenoble, 
France)<BR>  * Gregory Grefenstette (INRIA, Saclay, France)<BR>  * 
Silvia Hansen-Schirra (University of Mainz, Germany)<BR>  * Hitoshi Isahara 
(Toyohashi University of Technology)<BR>  * Kyo Kageura (University of 
Tokyo, Japan)<BR>  * Adam Kilgarriff (Lexical Computing Ltd, UK)<BR>  
* Natalie Kübler (Université Paris Diderot, France)<BR>  * Philippe 
Langlais (Université de Montréal, Canada)<BR>  * Michael Mohler (Language 
Computer Corp., US)<BR>  * Emmanuel Morin (Université de Nantes, 
France)<BR>  * Dragos Stefan Munteanu (Language Weaver, Inc., US)<BR>  
* Lene Offersgaard (University of Copenhagen, Denmark)<BR>  * Ted Pedersen 
(University of Minnesota, Duluth, US)<BR>  * Reinhard Rapp (Université 
Aix-Marseille, France)<BR>  * Sujith Ravi (Google, Mountain View, 
US)<BR>  * Serge Sharoff (University of Leeds, UK)<BR>  * Michel 
Simard (National Research Council Canada)<BR>  * Richard Sproat (OGI School 
of Science & Technology, US)<BR>  * Tim Van de Cruys (IRIT-CNRS, 
Toulouse, France)<BR>  * Stephan Vogel (QCRI, Qatar)<BR>  * Guillaume 
Wisniewski (Université Paris Sud & LIMSI-CNRS, Orsay, France)<BR>  * 
Pierre Zweigenbaum (LIMSI-CNRS, Orsay, 
France)<BR> </DIV></DIV></DIV></DIV></DIV></DIV></BODY></HTML>