Wiki TALEP

Voici une liste non exhaustive de logiciels et ressources (lexiques, corpus) de TAL qui peuvent être téléchargés gratuitement et testés pour les projets de Langage Naturel.

• TreeTagger - Analyseur en parties du discours et lemmes, modèles disponibles en plusieurs langues
• TnT tagger - Analyseur en parties du discours avec modèles pour l'anglais et l'allemand
• Nooj - Analyseur fondé sur transducteur fini
• Les analyseurs syntaxiques ci-dessous incluent des analyseurs morphologiques

• Stanford parser - Analyseur syntaxique probabiliste, avec modèles disponibles pour l'anglais, français, allemand, chinois et arabe.
• Berkeley parser - Analyseur syntaxique probabiliste, avec modèles disponibles pour l'anglais, français, allemand, bulgare, chinois et arabe.
• Macaon - Analyseur syntaxique probabiliste, avec modèles disponibles pour le français et pour l'anglais
• RASP - Analyseur syntaxique de l'anglais
• Illico - Analyseur syntaxique du français

• Stanford NER - Reconaisseur d'entités nommées pour l'anglais, l'allemand et le chinois.

• Moses - boîte à outils pour construction de systèmes de traduction probabilistes à partir de corpus parallèles (indépendant de la langue)

• Google Translate - Systèmes de traduction probabilistes de Google
• Reverso - Système de traduction classique
• Systran - Système de traduction classique
• Linguee - Effectuer des recherches dans des corpus parallèles

• langid.py - Identification automatique de la langue d'un texte

• mwetoolkit - Extraction d'expressions récurrentes à partir de corpus (indépendant de la langue)
• Text:NSP - Extraction d'expressions récurrentes à partir de corpus (indépendant de la langue)

• NLTK - Natural Language TookKit, bibliothèque Python contenant plusieurs outils de traitement et d'analyse pour plusieurs langues, y compris des ressources lexicales et des corpus.

• SRILM - Boîte à outils pour la construction de modèles de langage à n-grammes probabilistes (indépendant de la langue)
• IRSTLM - Boîte à outils pour la construction de modèles de langage à n-grammes probabilistes (indépendant de la langue)
• RandLM - Boîte à outils pour la construction de modèles de langage à n-grammes compréssés (indépendant de la langue)

• WordNet - Thésaurus de l'anglais, contient des relations de synonymie (synsets), antonymie, hyponymie, etc.
• Wiktionnaire - Dictionnaire collaboratif à la wikipédia, disponible en plusieurs langues
• WOLF - WordNet libre du français
• TLFi - Trésor de la langue française informatisé
• Lefff - Lexique des formes fléchies du français
• Lexique-grammaire - Tables de description grammaticale des mots et expressions du français

• Web as Corpus (WaC) - Très grands corpus monolingues extraits du web, disponibles en anglais, allemand, italien et français
• Wikipedia dumps - Corpus comparable extrait de Wikipédia
• Bible - Corpus parallèle de la Bible
• Open Subtitles - Corpus parallèle de sous-titres de films et séries, documents techniques, etc.
• Europarl - Corpus parallèle des transcriptions du parlement Européen
• MultiUN - Corpus parallèle du site web de l'ONU
• TED - Corpus parallèle des sous-titres des conférences “TED talks”
• GENIA - Corpus spécialisé en génétique, monolingue anglais, annoté à plusieurs niveaux syntaxiques et sémantiques