Annotation d'entités nommées (personnes, concepts, lieux, etc.) et entités temporelles (événements, caractéristiques, relations, etc.) dans les textes.

Vers la page dédiée à l'encodage sémantique

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 :
  • mammoth
  • python-docx, cf. ce fil de forum pour une piste.