Projet de recherche visant à automatiser la compréhension et l'analyse de documents historiques pour l'extraction d'informations individuelles. Ce projet, initié en octobre 2023 et s'étendant jusqu'en septembre 2024, est une collaboration entre le Laboratoire L3i et TEKLIA dans le cadre du programme 'France Relance'.

Ce projet permet de calculer des représentations vectorielles denses de séquences de texte en utilisant l'architecture S-BERT. Il est capable de gérer des documents multilingues et de calculer des vecteurs de représentation pour des tokens, des lemmes, des entités, etc. de vos jeux de données. Il est particulièrement utile pour le traitement de corpus de news et de tweets.

Ce projet permet de calculer les poids TF-IDF pour les tokens, les lemmes, les entités, etc. de vos jeux de données à partir d'un fichier contenant des caractéristiques.

Ce projet consiste à créer une infrastructure de text mining basée sur ElasticSearch, alimentée par Lucene, pour effectuer des recherches de texte. Il vise à indexer des documents d'articles de presse afin de rechercher des documents associés à des descriptions spécifiques.

Le projet discovery est une application permettant d'analyser des données d'événements et de découvrir des patterns grâce à des algorithmes de clustering. Les résultats sont visualisés sous forme de graphiques et de tableaux.

Ce projet utilise le package doc-ufcn pour analyser la mise en page de documents et reconnaitre des formulaires dans des images. Il permet de segmenter les images de documents en différentes zones telles que le texte, les images et les tableaux.

Ce projet fournit des outils pour manipuler les prédictions d'un modèle de segmentation qui produit des masques de segmentation. Les masques de segmentation sont fusionnés dans un seul fichier. Le projet offre deux utilitaires : la conversion d'un masque d'image de segmentation en un fichier JSON décrivant la segmentation et le redimensionnement de la segmentation d'un fichier JSON.

Ce projet, nommé `document_processing`, fournit des fonctions pour pré-traiter le texte en vue de différentes tâches NLP. Il utilise `spaCy` et ses modèles pour analyser le texte. Le point d'entrée de ce package est `process_documents`, où vous fournissez une `Series` de documents à traiter et le nom du modèle `spaCy` qui sera chargé pour transformer les textes.

Ce projet est une réimplementation de l'algorithme de suivi de nouvelles proposé par Miranda et al. (2018). Il offre une API standard pour une utilisation industrielle, avec des algorithmes alternatifs tels que K-Means. L'objectif est de fournir des normes élevées en matière d'automatisation et de qualité.

Ce projet est un cadre Python qui permet d'identifier et de classer les tweets liés aux crises en fonction de leur informativité. Il utilise des algorithmes de classification et de regroupement de texte pour extraire les tweets les plus pertinents et les classer en fonction de leur similarité sémantique avec un lexique de crise.