CorTexT Topic Modeling est un outil d'analyse textuelle qui permet d'identifier et de représenter les thèmes principaux au sein d'un ensemble de documents. En utilisant des modèles statistiques comme LDA, il transforme des données textuelles brutes en sujets cohérents, facilitant ainsi l'exploration et la compréhension de grands corpus. Ce service est particulièrement utile pour les chercheurs, les documentalistes ou les professionnels souhaitant structurer et analyser des contenus documentaires de manière automatisée.

PyMotifs est une bibliothèque open source dédiée à l'analyse, la modélisation et la classification de textes dans le domaine des sciences humaines. Développée par des chercheurs du CNRS et de l'Université Paris III, elle permet aux utilisateurs de traiter des corpus textuels de manière automatisée. L'outil facilite l'exploration de motifs linguistiques, l'identification de structures récurrentes et l'extraction de connaissances à partir de données textuelles complexes. Il s'adresse principalement aux chercheurs, enseignants et étudiants en linguistique, littérature ou sciences sociales.

Bibliothèque Python conçue pour faciliter l'analyse et le traitement de textes en utilisant des expressions régulières. Elle permet aux développeurs d'extraire, transformer et analyser des données textuelles de manière efficace et automatisée. Idéale pour les projets nécessitant un traitement avancé de chaînes de caractères ou une extraction ciblée d'informations.

Ce projet vise à créer un inventaire structuré des données ouvertes de mobilité et transport disponibles sur data.gouv.fr. Il permet de classer les 75 000 jeux de données par thèmes métiers (stationnement, trafic routier, vélo, etc.) et sous-thèmes, tout en évaluant leur qualité. L'objectif est de proposer un portail complémentaire à transport.data.gouv.fr et logistique.data.gouv.fr pour faciliter l'analyse des mobilités. Le projet s'inscrit dans le cadre du MobSciDat Factory et utilise des méthodes automatisées (IA, recherche textuelle, embeddings) pour améliorer la découvrabilité et l'exploitabilité des données.

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.

Outil d'analyse textuelle conçu pour identifier et extraire des motifs linguistiques au sein de grands corpus. Il facilite la recherche de co-occurrences et l'exploration des relations entre termes dans des textes scientifiques ou documentaires. Utilisé principalement dans le cadre de projets de veille, de recherche académique ou d'intelligence économique, il permet d'automatiser l'analyse de données textuelles pour en dégager des tendances ou des insights pertinents.

Le projet cdtn-nlp a pour objectif d'analyser et de comprendre des données textuelles à grande échelle en utilisant des techniques avancées de traitement automatique des langues (TAL) et de l'apprentissage automatique. Il permet d'extraire des informations utiles et de catégoriser des données textuelles pour faciliter la prise de décision et l'automatisation de processus métiers.

Plateforme open source dédiée à l'analyse avancée de données textuelles et à la modélisation de processus complexes. Elle permet aux utilisateurs d'extraire, structurer et analyser des informations à partir de corpus textuels, tout en offrant des outils pour concevoir et exécuter des workflows automatisés. Utilisée dans des contextes académiques et industriels pour le traitement du langage naturel et l'intelligence artificielle.

Skolar est une plateforme dédiée à l'analyse et au traitement automatisé de données textuelles. Elle permet d'extraire, structurer et classifier des informations issues de documents variés pour faciliter leur exploitation. Utilisée dans des contextes académiques, éditoriaux ou professionnels, elle optimise la gestion de contenus textuels massifs grâce à des algorithmes avancés de traitement du langage naturel.

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.