Ce projet permet d'analyser le sentiment d'un texte en utilisant des modèles d'apprentissage automatique. Il offre également des fonctionnalités de gestion de fichiers et d'utilisateurs.

Bibliothèque Java permettant de classer des textes selon la catégorie de sentiment exprimé. Utilise Weka, tt4j et TreeTagger pour l'analyse linguistique et statistique.

Le projet roboh est dédié à l'analyse de texte en vue d'extraire des entités nommées, de reconnaître les sentiments dans les textes et de classer des articles en critiques de livres ou non. Il permet d'importer du texte depuis Solr ou un répertoire, de le traiter et de générer des fichiers de sortie contenant le texte brut, le texte enrichi avec des balises XML correspondant aux entités nommées et une liste de polarités associées à chaque phrase du texte.

Ce projet consiste en l'analyse de données Twitter relatives au COVID-19. Il permet de collecter, manipuler et analyser des tweets en plusieurs langues, de les filtrer pour ne garder que ceux en français, et d'appliquer une détection de sentiments. Il inclut également une analyse de réseaux et des visualisations.

Agora-NLP est un projet d'analyse sémantique de données textuelles. Il permet d'extraire des insights à partir de vastes corpus de données, de classer des documents, de détecter des entités nommées et de comprendre les sentiments exprimés dans les textes.

Ce projet fournit une image Docker pour exécuter Flair, un framework de traitement du langage naturel (NLP) open-source, avec une intégration facile à SpaCy. Il permet une analyse de sentiments avancée, une détection d'entités nommées et une extraction de faits pour les données non structurées, en particulier dans le contexte des réseaux sociaux.

Le projet alviscorpus est un outil de récolte et d'annotation de corpus de textes. Il permet de collecter des données textuelles à partir de différentes sources, de les analyser et de les annoter manuellement ou automatiquement. Cet outil est utilisé dans le domaine de la recherche en linguistique, de l'analyse de sentiments et de l'intelligence artificielle.

Cette API Java permet de réaliser des opérations de traitement de texte brut, d'extraire des synonymes et d'analyser les sentiments des textes.

Ce projet implémente l'algorithme d'apprentissage supervisé de fastText pour la classification de texte utilisant PyTorch. Il vise l'efficacité et la précision dans la classification de texte, la réduction de dimensions textuelles, l'analyse de sentiments et la catégorisation de contenu.

Outil web permettant la sélection de données radar Sentinel-1 selon un motif défini, utilisant des algorithmes d'analyse de données et de cartographie.