Service d'analyse en text mining sur Migale dédié aux sciences de la vie. Il offre une collaboration et un accompagnement sur demande pour des mini-projets d'extraction d'informations à partir de textes bruts issus de la littérature scientifique ou de bases de données en bioinformatique. Les projets d'analyse doivent correspondre à des applications du text mining pour les sciences de la vie et visent la constitution de corpus textuels thématiques, l'extraction d'entités nommées et la classification d'informations textuelles.

Le projet lrec-coling2024 est dédié au traitement et à l'analyse de données textuelles. Il offre des fonctionnalités avancées de classification, de détection de langues et d'extraction d'information, permettant une meilleure compréhension et exploitation des données.

Re-BERT est un projet d'extraction de relations entre entités dans du texte, utilisant différents types de modèles BERT. Il permet de détecter et d'extraire des relations spécifiques entre des entités nommées, telles que des personnes, des organisations ou des lieux, dans des données textuelles. Re-BERT est particulièrement utile pour l'analyse de données biomédicales, où il peut aider à identifier des relations entre des molécules, des gènes ou des maladies.

Le projet alvisre est dédié au traitement et à l'analyse de données textuelles, en particulier au format JSON. Il offre des fonctionnalités d'extraction, de transformation et de chargement (ETL) de données, ainsi que des capacités de génération de rapports et de visualisation.

Corpus Capta est un projet dédié à l'extraction, au traitement et à l'analyse de données textuelles. Il permet de neutraliser les caractères diacritiques et de rechercher et filtrer des données dans des tables.

Le projet motel est une plateforme dédiée à l'analyse et au traitement automatisé de données textuelles. Il offre des fonctionnalités avancées d'extraction d'information, de visualisation de données et de traitement automatisé de langage.

Le projet dataESR vise à collecter, traiter et analyser des données relatives à l'enseignement supérieur et à la recherche en France. Il s'appuie sur des techniques d'extraction de données à partir de sources variées (web scraping, API, etc.), de traitement automatisé de données textuelles (NLP, SPARQL) et de visualisation de réseaux de relations (Neo4j).

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.

FRMGCM est un outil permettant l'analyse de logs, l'extraction de termes, la gestion de corpus et la recherche de documents. Il offre des fonctionnalités avancées pour le traitement et l'indexation de données textuelles.

Le projet 3-data est une plateforme dédiée à la gestion et l'analyse de données linguistiques. Il permet le traitement automatisé de corpus textuels et offre des fonctionnalités d'extraction et de traitement de données pour le traitement automatisé de langage naturel.