Ce projet consiste en un outil d'analyse de données textuelles, permettant la génération de résumés automatisés, la recherche de similarités sémantiques et la classification de données. Il est basé sur des algorithmes d'apprentissage automatique et des modèles de langage avancés.

Système de recommandation de papiers de recherche s'appuyant sur un modèle d'encodage sémantique universel pour déterminer la similarité entre les résumés de papiers.

Le projet LREC2022 consiste en un corpus de textes cliniques en français annoté pour la similarité sémantique. Il a été construit sur la base du corpus CAS et contient 1000 paires de phrases évaluées sur une échelle de 0 à 5. Ce corpus est utile pour la recherche en apprentissage automatique et en traitement automatique du langage naturel dans le domaine médical.