Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Ce projet est une bibliothèque ou un outil dédié à l'analyse et à la comparaison de données structurées, notamment des graphes de connaissances au format RDF. Il permet d'identifier des similarités entre entités, de trouver des correspondances entre sous-graphes, et d'extraire des relations sémantiques. Il est particulièrement utile pour l'intégration de données, la déduplication ou l'enrichissement de bases de connaissances.
- Ce projet pédagogique vise à familiariser les utilisateurs avec les graphes et les structures de données associées. Il propose des exercices pratiques pour comprendre l'impact du choix des structures sur la complexité des opérations sur les graphes. Les ressources incluent des introductions théoriques, des implantations pratiques et des rapports d'évaluation. Les TPs suivants s'appuient sur ce travail pour approfondir les connaissances en algorithmique.
- Knex est un outil conçu pour transformer des textes bruts en connaissances structurées selon une ontologie prédéfinie. Il combine une bibliothèque Python pour les développeurs et une interface graphique (GUI) pour les utilisateurs non techniques. Le projet permet d'extraire automatiquement des entités (personnes, lieux, dates, etc.) et leurs relations à partir de documents, puis de les organiser dans un graphe de connaissances. Les résultats peuvent être visualisés, modifiés, exportés en CSV ou intégrés à des plateformes externes comme Geovistory ou des endpoints SPARQL.
- Ce projet développe une application web sémantique permettant d'explorer et d'analyser des données structurées au format RDF (Resource Description Framework). Il intègre un moteur de requêtes SPARQL pour interroger des graphes de connaissances, notamment des données cinématographiques issues de l'API IMDb. L'application permet de visualiser les relations entre les entités (films, acteurs, réalisateurs) et de générer des rapports personnalisés à partir des données extraites et transformées.
- Ce projet utilise un modèle de langage avancé pour analyser des textes historiques ou documentaires et en extraire un graphe de connaissances structuré. Il permet de visualiser et d'explorer les relations entre entités (personnes, lieux, événements) de manière automatique, facilitant ainsi la recherche académique ou la préservation du patrimoine culturel. Les résultats sont disponibles sous forme de fichiers graphiques pour une analyse approfondie.
- Ce projet, développé dans le cadre de l'ANR FermeGé, vise à créer un dictionnaire numérique dédié à l'histoire de la Ferme générale et de son emprise spatiale entre 1640 et 1794. Il permet aux historiens de contribuer des notices structurées, encodées automatiquement selon des schémas prédéfinis. L'application web associée offre des outils de recherche avancée, des index et un graphe de connaissances pour explorer les relations entre les notices et les entités historiques.
- Ce projet développe des ressources sémantiques (ontologies et schémas SKOS) pour décrire les stades de développement phénologique des plantes cultivées. Il permet de structurer et publier des échelles BBCH et autres échelles phénologiques sous forme de graphes de connaissances accessibles et réutilisables. Les données sont utilisées pour annoter des bulletins agricoles, faciliter l'interopérabilité entre différentes cultures et améliorer la gestion des connaissances en agriculture.
- Notoriété 18 %Projet visant à collecter, structurer et analyser des données issues de sources académiques et institutionnelles. Il permet d'extraire des informations depuis des bases de données comme Wikipédia, le CNRS ou des sources gouvernementales, puis de les enrichir et de les croiser pour faciliter la recherche et l'analyse. Les données sont organisées sous forme de graphes de connaissances et de corpus textuels pour des usages variés en science des données et en intelligence artificielle.
- Ce projet automatise la conversion de données archéologiques structurées en triplets RDF conformes à l'ontologie CIDOC CRM. Il utilise des modèles de langage (LLM) pour extraire et structurer des informations issues de fichiers CSV, facilitant ainsi la création de graphes de connaissances spécialisés en archéologie. Développé dans le cadre du projet ANR Digitalis, il propose plusieurs stratégies de prompting pour optimiser la précision des extractions.
- Ce projet permet de visualiser et d'explorer des données sémantiques structurées au format RDF. Il offre des outils pour interroger des graphes de connaissances via des requêtes SPARQL et afficher les résultats sous forme de graphiques interactifs (histogrammes, camemberts, cartes, etc.). Les utilisateurs peuvent analyser des jeux de données complexes et générer des visualisations personnalisées pour faciliter l'interprétation des données.
34 initiatives
10