OntoQL v2 est un langage et un outil dédié à la gestion d'ontologies et de bases de données ontologiques. Il permet de définir, manipuler et interroger des ontologies ainsi que leurs instances à travers des langages de définition, manipulation et requête. Le projet facilite la modélisation de connaissances sémantiques, le stockage structuré de données liées à des ontologies, et offre des fonctionnalités avancées comme le requêtage multilingue et la gestion de hiérarchies de classes.

Knex est un outil conçu pour transformer des textes bruts en connaissances structurées grâce à des modèles d'ontologie. Il permet d'extraire automatiquement des entités (personnes, relations, occupations) et leurs attributs à partir de documents, puis de les organiser sous forme de graphes de connaissances. Une interface graphique facilite l'utilisation par des non-développeurs, offrant des fonctionnalités de visualisation, d'édition et d'export vers des plateformes comme Geovistory ou des endpoints SPARQL. Le projet vise à rendre accessible la modélisation sémantique pour des utilisateurs variés.

Ce projet permet d'analyser les définitions issues du dictionnaire WordNet pour en extraire des connaissances structurées. Il génère des ontologies à partir de mots et de leurs relations sémantiques, facilitant ainsi la compréhension et l'exploitation automatique du langage naturel. Utilisé dans le cadre d'une thèse, il contribue à la modélisation de concepts et à l'identification de liens entre eux.

Ce projet propose une méthode pour mapper une ontologie sur une architecture de pointeurs sémantiques (SPA) basée sur l'architecture vectorielle symbolique (VSA). Cette approche permet de combiner des approches symboliques et sous-symboliques pour la modélisation cognitive, en particulier pour des tâches cognitives humaines complexes telles que la résolution de problèmes mal définis impliquant la manipulation de connaissances neuronales.

Ce projet universitaire vise à exploiter des données ouvertes sur les produits électroniques pour les structurer sous forme de données sémantiques. L'objectif est de modéliser ces données dans un graphe de connaissances (Linked Data) afin de faciliter leur analyse et leur réutilisation. Le travail s'appuie sur des sources de données publiques et des outils du web sémantique pour produire des schémas compréhensibles et exploitables.

SDHSS est un écosystème d'ontologies conçu pour structurer et organiser des connaissances de manière sémantique. Il permet de modéliser des relations complexes entre différents concepts, facilitant ainsi l'analyse, la recherche et l'exploitation des données dans divers domaines comme la recherche académique, l'intelligence artificielle ou la gestion de l'information.

Ce projet propose une infrastructure Docker pour déployer une instance de Wikibase, une plateforme open source permettant de créer et gérer une base de connaissances structurée et collaborative. Il facilite la modélisation, le stockage et le partage de données historiques ou culturelles de manière standardisée et interopérable, en s'appuyant sur les technologies du web sémantique.