Le projet CHI-KNOW-PO a pour objectif d'identifier des schémas de co-occurrence de champs lexicaux et de emprunts textuels à travers les genres dans la Chine médiévale, en se concentrant plus spécifiquement sur les plantes parmi d'autres thèmes. Le projet se déroule en trois étapes : la numérisation, l'édition et la publication d'une corpus d'anthologies poétiques, de commentaires, de dictionnaires, d'encyclopédies et de traités pratiques de la période médiévale chinoise (environ 200-1000 apr. J.-C.) ; la création d'une base de données avec des informations bio-bibliographiques et sémantiques utiles pour des fins d'édition et d'exploration de textes ; et le développement de scripts permettant d'effectuer des recherches, des filtres et des analyses statistiques personnalisés pour étudier la co-occurrence de mots et de groupes de mots dans des textes donnés et identifier d'éventuels cas de réutilisation textuelle.

Ce projet automatise l'identification et l'extraction des titres de chansons (airs) présents dans des textes dramatiques français, notamment des pièces de théâtre. Il compare les occurrences textuelles avec une base de référence de titres connus, utilise des techniques de recherche sémantique pour améliorer la précision, et génère des rapports d'évaluation pour mesurer la performance du système. L'outil est particulièrement utile pour les chercheurs en littérature ou en musicologie travaillant sur des corpus historiques.

Ce projet vise à structurer et analyser des corpus de textes latins traduits en français, facilitant ainsi la recherche en linguistique historique et en philologie. Il permet de centraliser des données textuelles complexes pour des études comparatives ou des analyses sémantiques approfondies, en s'appuyant sur des formats standardisés comme Parquet pour une meilleure interopérabilité et accessibilité des données.

Ce projet automatise l'identification et l'extraction des titres de chansons (airs) présents dans des textes dramatiques français, notamment des pièces de théâtre. Il analyse des corpus annotés manuellement pour proposer des titres de chansons en utilisant des méthodes de correspondance de chaînes et de recherche sémantique. Les résultats sont exportés sous forme de fichiers structurés pour une utilisation ultérieure dans des bases de données ou des analyses littéraires.

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.

La suite Alvis est une solution de traitement automatique des langues et de gestion des connaissances utilisée dans les laboratoires scientifiques. Elle se compose de plusieurs modules, dont AlvisNLP pour le pré-traitement de corpus, AlvisAE pour l'annotation de corpus, AlvisIR pour la recherche sémantique et TyDI pour l'édition de terminologies et d'ontologies.