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.

Cortext Sentiment Analysis est un outil intégré à Cortext Manager qui permet d'analyser automatiquement le sentiment exprimé dans des textes. Il attribue un score de sentiment, évalue le degré de subjectivité et mesure la polarité émotionnelle (positive, négative ou neutre) ainsi que l'intensité de ces émotions. Utilisé pour comprendre les opinions et réactions dans des corpus textuels, il est particulièrement adapté aux besoins d'analyse de données qualitatives dans des contextes académiques, institutionnels ou médiatiques.

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.

Formation organisée par le consortium ARIANE pour initier les chercheurs en sciences humaines et sociales aux techniques d'analyse automatique de textes. Elle couvre la textométrie, la catégorisation, l'analyse des entités nommées et des sentiments, avec des ateliers pratiques sur des corpus libres de droits. L'objectif est de fournir une vue d'ensemble des méthodes et outils disponibles pour automatiser l'analyse textuelle.

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.

Projet de recherche en traitement automatique du langage naturel (TALN) utilisant des modèles comme FlauBERT et FastText pour analyser des textes en français. Il génère des vecteurs sémantiques, compare des modèles de langage, évalue leur précision et visualise les résultats via des heatmaps et dendrogrammes. Les cas d'usage incluent l'analyse de sentiments, la classification de textes et l'étude des similarités lexicales.

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.

AttentiveEmocontext est une solution innovante conçue pour analyser et interpréter les émotions exprimées dans les textes ou les interactions numériques. Elle permet aux entreprises de mieux comprendre les sentiments de leurs clients, d'adapter leurs réponses et d'améliorer la qualité de leurs services. Grâce à des algorithmes avancés, elle offre des insights précieux pour optimiser les interactions et renforcer l'engagement.

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.