Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Ce projet développe des outils logiciels pour l'analyse et le traitement automatique de données textuelles. Il inclut des fonctionnalités avancées comme la segmentation de mots, la fusion de lexiques, la modélisation de bruit dans les textes et l'apprentissage de lexiques spécialisés. Ces solutions sont conçues pour améliorer la qualité des données textuelles dans des contextes variés, notamment pour des applications nécessitant une analyse fine du langage.
- Service backend spécialisé dans l'extraction de texte et de données depuis des documents (PDF, images) via des technologies d'OCR avancées. Il permet aux utilisateurs de traiter des documents pour en extraire automatiquement le contenu textuel, facilitant ainsi la création de devis, la saisie de données ou l'analyse de documents administratifs. Le service propose plusieurs modèles d'OCR optimisés pour différents besoins (précision, vitesse) et peut être déployé en environnement local ou cloud.
- Notoriété 15 %Outil d'analyse automatique de la qualité textuelle qui évalue le taux de mots corrects dans un texte en les comparant à des dictionnaires de référence. Il permet d'identifier les erreurs orthographiques et grammaticales, et fournit un score de qualité en pourcentage. Le service supporte plusieurs langues grâce à des dictionnaires Hunspell et peut être utilisé en ligne de commande ou intégré comme module dans d'autres applications.
- Ce projet participe à un défi de traitement automatique du langage naturel (NLP) axé sur l'extraction et l'analyse de relations entre entités dans des textes. Il développe des modèles avancés pour identifier, classer et évaluer des liens sémantiques entre éléments textuels, en utilisant des approches basées sur l'apprentissage automatique et des architectures spécialisées comme ATLOP, LACE et EIDER. Les solutions proposées visent à améliorer la précision et la robustesse des systèmes de compréhension automatique de texte.
- Ce projet utilise des modèles de langage (LLM) pour identifier et extraire automatiquement les lieux géographiques mentionnés dans des textes. Il s'appuie sur des modèles d'IA spécialisés dans la compréhension du langage naturel pour analyser des documents historiques ou contemporains. Les résultats sont structurés sous forme de données exploitables pour des analyses ultérieures. Le système est conçu pour fonctionner avec des textes variés, mais peut produire des erreurs en l'absence de lieux explicites.
- Ce projet automatise la transcription de vidéos, notamment celles des débats parlementaires, en extrayant l'audio et en générant des sous-titres précis. Il permet de traiter rapidement des contenus vidéo pour en extraire le texte, facilitant ainsi l'archivage, l'analyse et la diffusion de ces contenus. Le système est optimisé pour fonctionner avec des infrastructures GPU locales, réduisant les coûts par rapport à des solutions cloud payantes.
- Ce projet utilise des modèles de langage avancés (LLM) pour analyser des textes et détecter automatiquement les mentions de personnes. Il s'appuie sur des thèses historiques pour entraîner et évaluer les modèles, produisant des résultats sous forme structurée. Les performances des modèles sont ensuite vérifiées manuellement pour garantir la qualité des données extraites.
- CorTexT Contrast Analysis est une méthode intégrée à CorTexT Manager qui permet de comparer deux sous-corpus au sein d'un même jeu de données. Elle met en évidence les différences de contenu textuel ou de champs catégoriels entre ces sous-corpus. L'outil utilise des techniques de traitement automatique du langage pour générer des visualisations et des statistiques, facilitant ainsi l'analyse comparative de grands volumes de textes.
- Outil de traitement automatique de documents et d'images pour extraire des signatures numériques, analyser du texte et effectuer des opérations de segmentation ou de classification. Permet de traiter des fichiers pour en extraire des informations structurées ou des motifs spécifiques. Utilisé pour automatiser des tâches de reconnaissance ou d'analyse dans des flux de travail documentaires.
- Projet dédié à la génération automatique d'explications et d'analyses sémantiques à partir de textes. Il utilise des modèles de traitement du langage naturel et d'apprentissage automatique pour extraire des informations pertinentes, détecter des incohérences ou des anomalies, et produire des rapports structurés. L'outil est conçu pour assister des professionnels dans l'interprétation et la synthèse de données textuelles complexes, en automatisant des tâches répétitives et en améliorant la précision des analyses.
241 initiatives
10