Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Ce projet propose un exercice fictif de traitement automatique du langage naturel (NLP) pour automatiser la catégorisation des publications de la Haute Autorité de Santé (HAS). L'objectif est d'aider les documentalistes à classer plus efficacement les documents, notamment ceux relevant de la thématique 'Maladies et états de santé'. L'exercice inclut la description de la démarche, l'acquisition et le nettoyage des données, l'entraînement de modèles et la restitution des résultats.
- Notoriété 7 %Ce plugin pour le CMS Lutece permet de créer, gérer et publier des documents structurés avec des attributs personnalisables (textes, dates, médias, pièces jointes, listes de valeurs). Il offre un suivi du cycle de vie des documents (création, validation, publication, archivage) au sein d'espaces organisés comme des répertoires. Les documents peuvent être catégorisés via un thésaurus et enrichis de métadonnées (Dublin Core). Une recherche plein texte est disponible, et des portlets permettent de publier automatiquement des documents selon des règles paramétrables.
- Ce projet développe des outils pour automatiser l'indexation d'ouvrages et de documents selon des normes de classification comme RAMEAU. Il permet de structurer et catégoriser des contenus textuels de manière automatique, facilitant ainsi leur recherche et leur exploitation par des bibliothèques ou des centres de documentation. Les solutions proposées visent à réduire le temps de traitement manuel tout en améliorant la précision des métadonnées associées aux documents.
- Projet open source dédié à la classification et à l'analyse sémantique de textes en utilisant des modèles de traitement automatique du langage naturel. Il permet aux utilisateurs d'extraire des informations clés, de catégoriser des documents et d'automatiser des tâches de traitement de texte. Basé sur la bibliothèque spaCy, il offre des fonctionnalités avancées pour les chercheurs, les développeurs et les entreprises souhaitant exploiter la puissance de l'IA dans l'analyse de contenu textuel.
- Ce projet vise à classifier automatiquement les didascalies (indications scéniques) dans les textes de théâtre français à l'aide d'expérimentations en apprentissage par transfert. Il s'appuie sur des modèles de traitement automatique du langage pour analyser et catégoriser ces éléments textuels spécifiques, contribuant ainsi à des recherches en linguistique computationnelle et en sciences du théâtre. Les résultats sont documentés dans une publication scientifique.
- Notoriété 15 %Bibliothèque Python dédiée à la classification de texte utilisant une implémentation optimisée de l'architecture FastText avec PyTorch. Permet de traiter des données textuelles et catégorielles pour automatiser la catégorisation de documents, l'analyse de sentiments ou l'extraction d'informations. Intègre des fonctionnalités avancées comme la tokenisation n-gram, l'explicabilité des prédictions et la gestion de caractéristiques catégorielles via des embeddings personnalisables.
6 initiatives
10