Le projet text-classification est un outil d'analyse et de traitement automatique de texte. Il permet de classer, catégoriser et analyser le contenu de données textuelles, offrant ainsi des informations précieuses pour la prise de décision et l'automatisation des processus.

Le Decoupator est un outil en ligne de commande permettant de découper des images contenant du texte en plusieurs parties, chacune correspondant à un bloc de texte. Il utilise des algorithmes de traitement d'images et de reconnaissance optique de caractères pour détecter les contours des blocs de texte et en extraire le contenu.

Ce projet permet de détecter la langue d'un texte grâce à l'apprentissage automatique. Il utilise des algorithmes avancés pour identifier la langue d'un texte donné, ce qui peut être utile dans de nombreux cas d'utilisation, tels que l'analyse de données textuelles et le traitement automatisé de langues.

Ce projet fournit des outils pour altérer des documents textuels de manière à reproduire les dégradations courantes de la reconnaissance optique de caractères (ROC). Cela peut être utile pour évaluer les procédures de traitement de données historiques endommagées.

Ce projet permet de calculer des représentations vectorielles denses de séquences de texte en utilisant l'architecture S-BERT. Il est capable de gérer des documents multilingues et de calculer des vecteurs de représentation pour des tokens, des lemmes, des entités, etc. de vos jeux de données. Il est particulièrement utile pour le traitement de corpus de news et de tweets.

Ce projet permet de générer des rapports techniques et des présentations en utilisant des outils de traitement de texte et de présentation. Il offre également la possibilité de convertir des fichiers dans différents formats.

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.

Le projet srcmf-ud est un outil dédié au traitement de données linguistiques, plus spécifiquement à l'annotation de texte selon les normes Universal Dependencies (UD). Il permet d'analyser des corpus et d'y apposer une annotation UD, facilitant ainsi l'exploitation et l'analyse de ces données pour des applications en linguistique computationnelle.

Le projet Very Light Transformer (VLT) est une architecture légère implémentée avec Pytorch, destinée au traitement automatisé de données textuelles. Il permet l'analyse sémantique de texte et la génération automatique de texte.

Le projet txm-ressources est une collection de corpus de texte et de scripts permettant de faciliter le traitement de ces données pour l'analyse textuelle. Il offre des fonctionnalités dédiées à la gestion et à l'organisation de ces ressources, ainsi qu'à l'automatisation de certaines tâches récurrentes.