Outils pour utilisateurs
python:traitement_corpus_textuels
Différences
Ci-dessous, les différences entre deux révisions de la page.
| Les deux révisions précédentes Révision précédente Prochaine révision | Révision précédente Prochaine révision Les deux révisions suivantes | ||
|
python:traitement_corpus_textuels [2019/11/16 09:26] Francesco Beretta [Encodage sémantique avec Atom] |
python:traitement_corpus_textuels [2019/11/16 09:32] Francesco Beretta [Encodage sémantique avec Atom] |
||
|---|---|---|---|
| Ligne 3: | Ligne 3: | ||
| - | ===== Encodage sémantique avec Atom ===== | + | ===== Encodage sémantique de textes XML avec ATOM ===== |
| Annotation d'entités nommées (personnes, concepts, lieux, etc.) et entités temporelles (événements, caractéristiques, relations, etc.) dans les textes. | Annotation d'entités nommées (personnes, concepts, lieux, etc.) et entités temporelles (événements, caractéristiques, relations, etc.) dans les textes. | ||
| Ligne 15: | Ligne 15: | ||
| Vers la [[python:traitement_texte_vers_xml|page dédiée à l'encodage sémantique]] | Vers la [[python:traitement_texte_vers_xml|page dédiée à l'encodage sémantique]] | ||
| - | |||
| - | |||
| - | ===== Atelier du 27 novembre 2018 ===== | ||
| - | |||
| - | Objectifs : | ||
| - | * importation d'un corpus de textes OCRisés au format Word | ||
| - | * constitution du corpus dans Python | ||
| - | * tokenisation en français | ||
| - | * analyse de fréquences pour nettoyer le texte | ||
| - | |||
| - | Ressources : | ||
| - | * Corpus de texte (lien à mettre) | ||
| - | * Librairies python pour importer les documents Word : | ||
| - | * [[https://pypi.org/project/mammoth/|mammoth]] | ||
| - | * [[https://github.com/python-openxml/python-docx|python-docx]], cf. [[https://discuss.analyticsvidhya.com/t/how-to-read-a-bunch-of-docx-files-in-python/19394|ce fil]] de forum pour une piste. | ||
python/traitement_corpus_textuels.txt · Dernière modification: 2020/01/22 14:31 par Francesco Beretta
