De nombreux corpus annotés existent déjà, et même si ils ne sont généralement pas disponibles librement, ça peut valoir le coup de demander.
Je pense notamment au corpus de la campagne d'évaluation des systèmes de transcription automatique de la parole ESTER 2 (http://www.afcp-parole.org/ester/index.html), dans laquelle une tâche de détection des entités nommées était proposée (et donc les corpus qui vont avec pour l'apprentissage).
[^] # Re: Un petite note en passant
Posté par Vincent JOUSSE . En réponse à la dépêche fise, un nouveau moteur sémantique RESTful et libre. Évalué à 1.
Je pense notamment au corpus de la campagne d'évaluation des systèmes de transcription automatique de la parole ESTER 2 (http://www.afcp-parole.org/ester/index.html), dans laquelle une tâche de détection des entités nommées était proposée (et donc les corpus qui vont avec pour l'apprentissage).