Le projet bso3-analyse-publications a pour objectif d'extraire et d'analyser les métadonnées de publications scientifiques au format PDF. Il utilise des techniques d'apprentissage automatique et de traitement du langage naturel pour détecter et classifier les entités nommées, extraire les métadonnées et comparer les similarités entre les documents.

Libcaml-grew est une bibliothèque permettant d'analyser et de traiter des données textuelles de manière automatisée. Elle offre des fonctionnalités d'extraction d'information et de traitement du langage naturel.

Ce projet vise à analyser la distribution des références spatiales dans les contributions du Grand Débat, à l'aide de modèles de traitement automatique du langage naturel. Il permet d'étudier la place occupée par les mentions de localisation et de spatialisation dans les textes du corpus du Grand Débat.

Ce projet fournit une API pour l'analyse et le traitement de données, y compris l'apprentissage automatique et le traitement du langage naturel. Il permet aux utilisateurs de stocker, gérer et analyser des données à grande échelle.

Ce projet est dédié à l'analyse de données audio, à la reconnaissance vocale et au traitement du langage naturel. Il vise à fournir des outils avancés pour le traitement et l'analyse de données audio, ainsi qu'à améliorer la compréhension et l'interprétation des données vocales.

Grew est un projet dédié au traitement automatisé du langage naturel. Il permet l'analyse sémantique de texte et la création de règles pour le traitement de texte. Il dispose d'une interface de ligne de commande et d'une interface web-based pour faciliter son utilisation.

Ce projet utilise TensorFlow et scikit-learn pour effectuer des analyses et classifications de données, en particulier du texte, grâce au traitement du langage naturel avec des outils tels que gensim et NLTK.

Polarisation est un outil d'analyse de l'opinion publique et du paysage médiatique sur les réseaux sociaux. Il permet de suivre les tendances et les débats en temps réel, ainsi que de cartographier les réseaux d'influence. Polarisation utilise des algorithmes avancés de traitement du langage naturel et de réseaux sociaux pour fournir une vue d'ensemble de l'opinion publique sur un sujet donné.

Ce projet utilise des techniques d'apprentissage automatique pour représenter et analyser les données de manière efficace. Il permet de former des modèles sur des données variées, telles que des images ou du texte, et de les utiliser pour différentes tâches, telles que la reconnaissance d'images ou le traitement du langage naturel.

Corpus_proc est un ensemble de scripts Perl conçus pour exécuter un parseur sur plusieurs machines et traiter les résultats. Il permet d'extraire des informations à partir de corpus textuels, d'effectuer une analyse automatisée de langage naturel et de générer des rapports de traitement.