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.

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.

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 propose un outil de vérification de palindromes, permettant de déterminer si une chaîne de caractères se lit de la même manière dans les deux sens. Il peut être utilisé pour des exercices éducatifs, des jeux de mots ou des validations de données textuelles. Simple et efficace, il répond à un besoin courant en algorithmique et en traitement de texte.

Ce projet propose un jeu de données dédié aux onomatopées présentes dans les bandes dessinées et les mangas. Il inclut trois versions de données annotées, permettant d'extraire des textes complexes ou tronqués. Les annotations sont structurées pour faciliter leur utilisation dans des modèles d'apprentissage profond. Le projet s'appuie sur des travaux de recherche publiés dans des conférences internationales et vise à soutenir les études en reconnaissance de motifs visuels et en traitement automatique des langues.

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.

PyMotifs est une bibliothèque open source dédiée à l'analyse, la modélisation et la classification de textes dans le domaine des sciences humaines. Développée par des chercheurs du CNRS et de l'Université Paris III, elle permet aux utilisateurs de traiter des corpus textuels de manière automatisée. L'outil facilite l'exploration de motifs linguistiques, l'identification de structures récurrentes et l'extraction de connaissances à partir de données textuelles complexes. Il s'adresse principalement aux chercheurs, enseignants et étudiants en linguistique, littérature ou sciences sociales.

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.

Bibliothèque Python conçue pour faciliter l'analyse et le traitement de textes en utilisant des expressions régulières. Elle permet aux développeurs d'extraire, transformer et analyser des données textuelles de manière efficace et automatisée. Idéale pour les projets nécessitant un traitement avancé de chaînes de caractères ou une extraction ciblée d'informations.

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.