Ce projet développe un outil d'analyse syntaxique avancé pour le français, permettant de transformer des phrases en Proof Nets, des structures logiques formelles utilisées en linguistique computationnelle. Il s'appuie sur des modèles de deep learning pour identifier et lier les composants syntaxiques d'une phrase, facilitant ainsi l'étude des relations entre les mots et leur rôle dans la structure de la phrase. L'objectif est de fournir une base solide pour des applications en traitement automatique du langage naturel et en linguistique théorique.

Ce projet développe un système de preuve neuronale pour analyser et valider des structures linguistiques complexes en français. Il combine un super-tagger pour étiqueter les mots avec des catégories syntaxiques avancées et un linker pour établir les relations entre ces éléments. L'objectif est de transformer des phrases en représentations logiques structurées, facilitant ainsi l'analyse sémantique et la vérification automatique de cohérence grammaticale.

Outil permettant d'explorer et d'analyser le contenu d'un corpus web enrichi par des thématiques. Il facilite la visualisation des relations entre les pages, la recherche ciblée par mots-clés et la cartographie des sujets abordés. Destiné aux chercheurs, analystes ou professionnels souhaitant étudier des ensembles de pages web de manière structurée et thématique.

Ce projet consiste à développer une ontologie dédiée à l'Europe en analysant des textes pour identifier des motifs linguistiques et des relations entre les mots. Il permet de structurer des concepts clés et de générer des clusters thématiques pour faciliter la compréhension et l'exploitation des données textuelles. Les résultats sont évalués à l'aide d'un standard de référence et présentés sous forme de rapports et de visualisations.

Ce projet permet d'identifier et d'analyser les syntagmes composés, groupes nominaux et verbaux dans des textes en français. Il traite un fichier d'entrée pour produire un graphe enrichi avec des informations linguistiques (PosTagging, mots composés) et un fichier de sortie structuré. L'outil facilite l'étude des structures syntaxiques complexes et améliore la compréhension des relations entre les mots dans un texte.

Ce projet consiste en l'analyse de données Twitter relatives aux élections présidentielles françaises de 2022. Les données ont été collectées entre le 1er janvier et le 24 avril 2022 en utilisant des mots-clés spécifiques pour chaque candidat. Le projet vise à fournir une analyse des tendances et des opinions politiques.

Outil dédié à l'exploration et à la visualisation des plongements de mots générés par le modèle Word2Vec. Il permet aux chercheurs et linguistes d'analyser des corpus textuels en identifiant les relations sémantiques entre les mots, facilitant ainsi la compréhension des structures linguistiques et l'extraction de connaissances à partir de données textuelles massives.

Ce projet permet d'analyser les définitions issues du dictionnaire WordNet pour en extraire des connaissances structurées. Il génère des ontologies à partir de mots et de leurs relations sémantiques, facilitant ainsi la compréhension et l'exploitation automatique du langage naturel. Utilisé dans le cadre d'une thèse, il contribue à la modélisation de concepts et à l'identification de liens entre eux.

Ce projet permet d'identifier et d'analyser les syntagmes composés, groupes nominaux et verbaux dans des textes en français. Il utilise des ressources linguistiques comme JeuxDeMots pour enrichir l'analyse. Le résultat est présenté sous forme de graphe sémantique et de fichiers structurés, facilitant la compréhension des relations entre les mots et les concepts.

Outil permettant de visualiser et d'explorer un réseau lexico-sémantique à partir d'une base de données MySQL locale. Il facilite l'analyse des relations entre mots et concepts, offrant une représentation graphique des connexions sémantiques pour des études linguistiques ou des recherches en traitement automatique des langues.