CorTexT Structural Analysis est une méthode de CorTexT Manager permettant d'obtenir une vue d'ensemble de l'évolution d'un domaine ou d'un sujet donné. Elle fournit des statistiques sur les mesures macro-niveaux du réseau résultant.

Ce projet est un dépôt de code source dédié à l'analyse de données. Il permet de structurer, traiter et interpréter des ensembles de données pour en extraire des insights pertinents. Les utilisateurs peuvent appliquer des algorithmes d'analyse, générer des rapports et visualiser les résultats pour soutenir la prise de décision.

Ce projet analyse et structure des données pour en extraire des informations pertinentes et des tendances. Il permet de classer, croiser et visualiser des ensembles de données complexes afin d'aider à la prise de décision ou à l'identification de motifs cachés.

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.

Plateforme dédiée à la visualisation et au suivi des jeux de données SNN. Elle permet aux utilisateurs d'explorer, analyser et interpréter des données complexes à travers des interfaces interactives et des outils de monitoring adaptés. Idéale pour les chercheurs, analystes ou toute personne souhaitant comprendre des ensembles de données structurées.

CorTexT Data Curation est une méthode intégrée à CorTexT Manager qui facilite la manipulation et la transformation de données au sein d'un corpus ou d'une base de données. Elle propose des outils pour nettoyer, structurer et enrichir des ensembles de documents, permettant aux utilisateurs d'extraire des informations pertinentes et de préparer leurs données pour des analyses avancées. Destinée aux chercheurs, documentalistes et professionnels de l'information, cette solution vise à simplifier les workflows de curation tout en garantissant la qualité et la cohérence des données traitées.

Ce projet propose des ensembles de données structurés sous forme de contextes formels et de matrices de comparaison de produits (PCM). Les données, issues de sources comme Wikipedia ou générées aléatoirement, sont utilisées pour des analyses en fouille de données et en exploration de relations entre produits. L'objectif est de faciliter la recherche académique et l'étude des propriétés structurelles des produits.

Ce projet, nommé SAM (Structural Agnostic Model), est un ensemble d'expériences visant à analyser et inférer des modèles structuraux causaux à partir de données. Il a été développé par Diviyan Kalainathan et Olivier Goudet et est publié sous la licence MIT.

SmartLB est un outil dédié à la construction rapide de treillis de concepts à partir de contextes binaires. Il permet d'extraire et de visualiser des structures logiques sous-jacentes à des ensembles de données, facilitant ainsi l'analyse et la compréhension des relations entre objets et attributs. Idéal pour les chercheurs ou analystes en data science, il offre une approche automatisée pour identifier des motifs et des hiérarchies dans des jeux de données complexes.

Ce projet permet d'extraire automatiquement les répliques des personnages de pièces de théâtre alsaciennes à partir de corpus TEI, en croisant ces données avec des métadonnées sociales (genre, classe sociale, profession) issues d'une prosopographie dédiée. Il génère des tableaux structurés contenant les discours des personnages, leurs caractéristiques et des statistiques descriptives sur l'ensemble du corpus, facilitant ainsi l'analyse quantitative et qualitative du théâtre régional.