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.
- Ce projet fournit une boîte à outils en traitement automatique du langage naturel (NLP) sous forme d'image Docker. Il permet aux utilisateurs de déployer des environnements prêts à l'emploi pour exécuter des scripts, entraîner des modèles ou analyser des données textuelles. Intégré à la plateforme OVH AI Training, il facilite la gestion des ressources et des données via des commandes simplifiées. Idéal pour les chercheurs et développeurs en IA.
- Projet dédié à l'apprentissage automatique et au traitement automatique du langage naturel. Il permet d'entraîner des modèles de langage pour générer des synonymes, d'annoter des textes pour des tâches de NLP, et d'analyser sémantiquement des contenus textuels. L'interface web facilite l'annotation manuelle et l'interaction avec les modèles entraînés.
- Outil open source dédié à l'analyse morphosyntaxique de textes en plusieurs langues. Il permet d'annoter automatiquement des corpus avec des étiquettes grammaticales (parties du discours) et des lemmes. Utilisé principalement en linguistique computationnelle et en traitement automatique des langues, il facilite la création de lexiques et l'entraînement de modèles pour des tâches de NLP.
- Ce projet propose des corpus de texte synthétique conçus pour améliorer la reconnaissance d'entités nommées (NER) dans le domaine médical, notamment pour les dossiers de santé électroniques en français. Il s'appuie sur des méthodes de génération de données pour enrichir les jeux d'entraînement des modèles de NLP, facilitant ainsi la recherche et le développement en intelligence artificielle appliquée à la santé.
- Système open source conçu pour entraîner des modèles de traitement automatique des langues (NLP) capables de gérer plusieurs tâches simultanément. Il permet de prédire plusieurs sorties à partir d'une seule entrée, comme la transcription de texte, l'étiquetage morpho-syntaxique ou la traduction multilingue. Utilisé notamment pour des corpus annotés comme le TArC, il améliore la qualité des résultats en combinant des informations au niveau des tokens et des caractères. Idéal pour les projets nécessitant une approche multi-tâches en NLP.
- Outil spécialisé dans l'analyse et l'annotation linguistique de textes, permettant de structurer des données sémantiques pour des modèles de traitement automatique du langage. Il facilite l'entraînement et l'inférence de modèles NLP en générant des relations entre mots, concepts et phrases. Utilisé pour des applications comme l'extraction d'entités, la compréhension de texte ou la génération de graphes de connaissances.
- Ce projet vise à améliorer les capacités de question answering (Q&A) sur des textes de loi en français, un domaine moins avancé que pour l'anglais. Il utilise des techniques de traitement automatique du langage naturel (NLP) avec le modèle CamemBERT, une adaptation de BERT pour le français. Les données, extraites de Legifrance, sont annotées et transformées pour entraîner le modèle, permettant de répondre automatiquement à des questions posées sur des textes juridiques.
8 initiatives
10