Ce projet propose un jeu de données dédié aux onomatopées présentes dans les bandes dessinées et les mangas. Il inclut trois versions de données annotées, permettant d'extraire des textes complexes ou tronqués. Les annotations sont structurées pour faciliter leur utilisation dans des modèles d'apprentissage profond. Le projet s'appuie sur des travaux de recherche publiés dans des conférences internationales et vise à soutenir les études en reconnaissance de motifs visuels et en traitement automatique des langues.

EMRLearning est un projet dédié à l'analyse et au traitement automatique du langage naturel. Il permet d'extraire des synonymes à partir de grands corpus textuels, d'annoter des données pour des applications en linguistique computationnelle et de générer des modèles de langage adaptés. L'outil est particulièrement utile pour les chercheurs, les linguistes et les développeurs travaillant sur des projets nécessitant une compréhension avancée des textes.

DeepGrail est un outil d'analyse linguistique spécialisé dans le traitement automatique du français. Il permet d'annoter des phrases avec des étiquettes syntaxiques et sémantiques précises, facilitant ainsi la compréhension et la structuration des textes. Basé sur des modèles de type BERT, il offre une solution pour entraîner des taggers personnalisés ou utiliser des modèles préexistants. Idéal pour la recherche en linguistique computationnelle ou l'intégration dans des pipelines de NLP.

CoRTeX est une boîte à outils Python dédiée à la résolution de coréférences dans des documents textuels. Il permet d'analyser des textes annotés pour identifier et caractériser les mentions (noms, pronoms) et leurs relations, en utilisant des algorithmes d'apprentissage automatique. Le projet facilite la création, l'entraînement et l'évaluation de modèles capables de prédire ces relations, notamment pour des applications en linguistique computationnelle ou en traitement automatique des langues.

Projet développé pour la Direction Générale des Collectivités Locales (DGCL) visant à automatiser et optimiser le traitement de documents administratifs grâce à l'intelligence artificielle. Il permet l'annotation collaborative de textes, la classification automatique de documents et l'extraction d'informations structurées pour faciliter les analyses administratives et les prises de décision.

Ce projet est un tutoriel pratique dédié à la segmentation discursive et à l'analyse des relations de discours dans des textes. Il s'adresse principalement aux étudiants et chercheurs en linguistique ou traitement automatique des langues (TAL). Le projet propose des séances théoriques et pratiques pour apprendre à utiliser des outils avancés comme ToNy ou DisCut, évaluer des prédictions automatiques, et améliorer des modèles de segmentation discursive à partir de données annotées.

Outil unifié pour évaluer la qualité des prédictions de détection de citations dans des textes. Il calcule simultanément plusieurs métriques avancées (de-news, AADS, f1-theta, ROUGE-L) afin de comparer des résultats de modèles ou d'annotations avec des données de référence. Utilisé principalement dans le domaine de la linguistique computationnelle et du traitement automatique des langues.

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.

Ce projet vise à développer des outils pour identifier et annoter automatiquement des entités au sein de recueils de jugements compilés sous la dynastie Qing (1644-1911). Il permet de structurer des données juridiques historiques en extrayant des informations comme les noms de fonctions officielles, les provinces, les lois citées, les noms de criminels, les dates ou les lieux mentionnés. Les modèles entraînés facilitent l'analyse automatique de textes juridiques anciens en chinois classique.

Ce projet vise à améliorer le traitement automatique des textes de loi en français en utilisant des modèles avancés de NLP comme CamemBERT. Il permet de répondre à des questions posées sur des corpus juridiques, facilitant ainsi l'accès et l'analyse des réglementations. Les données, issues de Legifrance, sont annotées et transformées pour entraîner des modèles capables de comprendre et d'extraire des informations pertinentes des textes légaux.