Ce projet développe un modèle amélioré par des caractéristiques pour la classification des relations discursives dans plusieurs langues. Il s'appuie sur des données issues de tâches partagées en linguistique computationnelle pour analyser et catégoriser les liens entre les unités de discours. L'objectif est d'améliorer la compréhension automatique des textes en identifiant les relations sémantiques et structurelles, notamment dans des contextes multilingues.

Ce projet vise à analyser et classer les relations discoursives dans des textes, en décomposant ces relations en primitives. Il a été développé dans le cadre d'une recherche pour le papier intitulé 'Which aspects of discourse relations are hard to learn? Primitive decomposition for discourse relation classification' présenté à la conférence Annual SIGdial Meeting on Discourse and Dialogue en septembre 2019.

Projet de recherche académique dédié à la classification zéro-exemple des relations discursives dans des textes multilingues. Il permet d'identifier et catégoriser automatiquement les liens logiques entre phrases ou segments de texte sans entraînement préalable sur des données spécifiques à une langue. Les applications visent à améliorer la compréhension automatique des discours dans des contextes variés, notamment pour des études linguistiques ou des outils d'analyse textuelle avancés.

Le projet text-classification est un outil d'analyse et de traitement automatique de texte. Il permet de classer, catégoriser et analyser le contenu de données textuelles, offrant ainsi des informations précieuses pour la prise de décision et l'automatisation des processus.

Ce projet développe une approche pour analyser et classifier les relations discursives dans des textes en utilisant une décomposition en primitives. Il s'appuie sur des travaux de recherche en linguistique computationnelle pour améliorer la compréhension des mécanismes discursifs complexes. L'objectif est de faciliter l'évaluation des modèles de langage dans ce domaine spécifique.

Projet dédié à l'analyse et à la classification automatique de documents textuels. Il permet d'extraire des entités nommées, de catégoriser des contenus et d'identifier des thèmes principaux. Utilisé pour automatiser le traitement de grandes quantités de texte, il facilite la recherche d'informations et l'organisation de données non structurées.

Ce projet consiste en un catalogue de notebooks d'entrée de gamme dédié à la formation de professionnels de santé. Il permet la classification de médicaments et l'analyse de données médicales.