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

Annotation de partie de textes avec marqueurs (concepts), annotation d'entités nommées (personnes, concepts, lieux, dates, etc.) dans les textes en utilisant un logiciel de traitement de texte, puis tranformation en XML.

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.