Projet dédié à l'analyse quantitative et qualitative des correspondances de Marcel Proust. Il permet d'étudier les volumes de lettres par année ou destinataire, les cooccurrences de termes, les spécificités lexicales, et les réseaux de mentions entre correspondants. Les outils développés facilitent l'import dans des logiciels d'analyse textuelle comme TXM et génèrent des visualisations pour soutenir la recherche en littérature et linguistique.

Ce projet propose une méthode de clustering incrémental pour détecter des événements sur Twitter. Il permet d'analyser des flux de données textuelles en temps réel ou différé, en identifiant des regroupements de tweets liés à des événements spécifiques. Les résultats sont visualisés sous forme de tableaux et graphiques pour faciliter leur interprétation. L'outil est conçu pour les chercheurs et data scientists travaillant sur l'analyse de réseaux sociaux.

Outil Python permettant de segmenter automatiquement les données d'intersections routières issues d'OpenStreetMap. Il génère des descriptions textuelles ou visuelles des carrefours, en identifiant les branches et les éléments constitutifs. Le projet facilite l'analyse des réseaux viaires pour des applications urbaines, de mobilité ou de planification. Les résultats peuvent être exportés en formats JSON ou GeoPackage pour une intégration dans d'autres systèmes.

Outil dédié à l'exploration et l'analyse de données géospatiales et textuelles. Il permet de traiter des corpus documentaires pour en extraire des motifs spatiaux, des réseaux de co-occurrences et des visualisations cartographiques. Utilisé principalement dans le domaine de la recherche académique et de l'intelligence économique, il facilite la compréhension des dynamiques spatiales et thématiques au sein de grands ensembles de données.

Atelier collaboratif organisé par l'Université de São Paulo (Colab-USP) en partenariat avec Cortext. Il propose une formation théorique et pratique sur le traitement automatique du langage naturel, l'analyse de réseaux et la visualisation de données textuelles. Les participants apprennent à charger, structurer et analyser des données textuelles, ainsi qu'à produire des cartes et des visualisations pour interpréter les résultats.

Gargantext est une plateforme collaborative d'exploration de corpus de textes. Il combine des outils de traitement automatique des langues, de fouille de textes, d'analyse de réseaux complexes et de visualisation interactive pour permettre une analyse approfondie de grands corpus de données textuelles.

KAN-ER est un cadre léger et interprétable pour la résolution d'entités dans des lacs de données. Il identifie des enregistrements référençant une même entité réelle à travers des sources de données variées. Basé sur les réseaux de Kolmogorov-Arnold, il analyse les similarités au niveau des attributs et fournit des explications sur les contributions des différents champs. Applicable aux données structurées, bruitées ou textuelles, il couvre des domaines comme la musique, la bibliographie ou le commerce en ligne.

Le projet dataESR vise à collecter, traiter et analyser des données relatives à l'enseignement supérieur et à la recherche en France. Il s'appuie sur des techniques d'extraction de données à partir de sources variées (web scraping, API, etc.), de traitement automatisé de données textuelles (NLP, SPARQL) et de visualisation de réseaux de relations (Neo4j).

Curieux est un projet d'analyse de données textuelles et de suivi de tendances thématiques sur les réseaux sociaux. Il permet de collecter et d'analyser des données en temps réel pour aider les entreprises et les organisations à comprendre les opinions et les préoccupations de leur public cible.

Ce projet vise à analyser et visualiser des réseaux sociaux à partir de données textuelles non structurées. Il permet d'extraire des informations pertinentes et de les présenter de manière claire et visuelle.