Le projet text-classification est un outil d'analyse et de traitement automatique de texte. Il permet de classer, catégoriser et analyser le contenu de données textuelles, offrant ainsi des informations précieuses pour la prise de décision et l'automatisation des processus.

TextMine 2025 est un projet dédié à la résolution d'un défi Kaggle axé sur l'analyse et l'extraction d'informations à partir de textes. Il explore des modèles de pointe comme ATLOP, LACE et EIDER pour identifier et classer des entités et leurs relations dans des documents. Le projet inclut des stratégies de combinaison de modèles pour améliorer la robustesse des prédictions et participe activement à une compétition internationale.

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 vise à analyser et classer les relations discoursives dans des textes, en décomposant ces relations en primitives. Il a été développé dans le cadre d'une recherche pour le papier intitulé 'Which aspects of discourse relations are hard to learn? Primitive decomposition for discourse relation classification' présenté à la conférence Annual SIGdial Meeting on Discourse and Dialogue en septembre 2019.

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 développé pour le Hackathon 2024 du PEReN et de la Commission Européenne vise à automatiser l'analyse et le classement de documents réglementaires européens. Il permet d'extraire, structurer et rechercher des informations juridiques complexes à partir de vastes corpus de textes. L'outil facilite la veille réglementaire et l'identification rapide de passages pertinents dans des documents techniques ou légaux.

Ce projet développé pour le Hackathon 2024 du PEReN et de la Commission Européenne vise à automatiser l'analyse et le classement de documents réglementaires européens. Il utilise des techniques avancées de traitement automatique du langage (NLP) pour extraire, structurer et hiérarchiser les informations clés des textes juridiques, facilitant ainsi leur exploitation par les régulateurs et les institutions publiques.

Outil d'analyse avancée de texte utilisant des modèles de langage pour extraire des insights, classer des documents ou identifier des similarités entre contenus. Permet aux entreprises de traiter automatiquement de grandes quantités de données textuelles pour améliorer leur prise de décision ou automatiser des workflows.

Predicat est une API de classification de libellés de caisse conçue pour faciliter l'analyse sémantique de textes et aider à la catégorisation de dépenses. En lien avec l'application Product Labelling, Predicat permet de classer automatiquement les libellés de caisse en se basant sur des modèles de langue pré-entraînés.

Ce projet vise à analyser et structurer des documents PDF pour en extraire des informations pertinentes. Il permet de classer des textes, d'automatiser la génération de rapports et de visualiser les données extraites. L'objectif est d'aider les utilisateurs à comprendre et exploiter rapidement le contenu de documents complexes.