Gensim est une bibliothèque Python conçue spécifiquement pour "la modélisation de sujets, l'indexation de documents et la recherche de similarités avec de grands corpus". Tous les algorithmes de Gensim sont indépendants de la mémoire, par rapport à la taille du corpus, et peuvent donc traiter des entrées plus grandes que la RAM. Grâce à des interfaces intuitives, Gensim permet des implémentations multicœurs efficaces d'algorithmes populaires, notamment l'analyse sémantique latente en ligne (LSA/LSI/SVD), l'allocation de Dirichlet latente (LDA), les projections aléatoires (RP), le processus de Dirichlet hiérarchique (HDP) ou l'apprentissage profond word2vec.

Gensim dispose d'une documentation complète et de tutoriels Jupyter Notebook. Il dépend largement de NumPy et SciPy pour le calcul scientifique. Vous devez donc installer ces deux paquets Python avant d'installer Gensim.

Traduit avec www.DeepL.com/Translator (version gratuite)

Stanford CoreNLP comprend un assortiment d'outils de technologie du langage humain. Il vise à rendre facile et efficace l'application d'outils d'analyse linguistique à un morceau de texte. Avec CoreNLP, vous pouvez extraire toutes sortes de propriétés textuelles (comme la reconnaissance d'entités nommées, le marquage de la parole, etc.) en quelques lignes de code seulement.

Comme CoreNLP est écrit en Java, il exige que Java soit installé sur votre appareil. Cependant, il offre des interfaces de programmation pour de nombreux langages de programmation populaires, y compris Python. L'outil intègre de nombreux outils NLP de Stanford, tels que l'analyseur syntaxique, l'analyse des sentiments, l'apprentissage de motifs amorcés, le marqueur de parties de la parole (POS), la reconnaissance d'entités nommées (NER) et le système de résolution de coréférences, pour n'en citer que quelques-uns. En outre, CoreNLP prend en charge quatre langues autres que l'anglais : l'allemand, l'arabe, le chinois, l'espagnol et le français.

Traduit avec www.DeepL.com/Translator (version gratuite)

spaCy est une bibliothèque NLP open-source en Python. Elle est conçue explicitement pour une utilisation en production - elle vous permet de développer des applications qui traitent et comprennent d'énormes volumes de texte.

spaCy peut prétraiter le texte pour l'apprentissage profond. Il peut être utilisé pour construire des systèmes de compréhension du langage naturel ou des systèmes d'extraction d'informations. spaCy est équipé de modèles statistiques pré-entraînés et de vecteurs de mots. Il peut prendre en charge la tokenisation pour plus de 49 langues. spaCy se targue d'une vitesse de pointe, de l'analyse syntaxique, de la reconnaissance des entités nommées, des modèles de réseaux neuronaux convolutifs pour le balisage et de l'intégration de l'apprentissage profond.

TextBlob est une bibliothèque Python (2 & 3) conçue pour le traitement des données textuelles. Elle se concentre sur l'accès aux opérations courantes de traitement de texte par le biais d'interfaces familières. Les objets TextBlob peuvent être traités comme des chaînes Python qui sont entraînées dans le traitement du langage naturel.

TextBlob offre une API soignée pour effectuer des tâches courantes de TAL comme le marquage de la partie de la parole, l'extraction de phrases nominales, l'analyse des sentiments, la classification, la traduction de la langue, l'inflexion des mots, l'analyse syntaxique, les n-grammes et l'intégration de WordNet.

Pattern est un outil de traitement de texte, de web mining, de traitement du langage naturel, d'apprentissage automatique et d'analyse de réseau pour Python. Il est livré avec une multitude d'outils pour l'exploration de données (Google, Twitter, Wikipedia API, un crawler web, et un parseur HTML DOM), NLP (tagueurs de parties du langage, recherche de n-grammes, analyse de sentiments, WordNet), ML (modèle d'espace vectoriel, clustering, SVM), et analyse de réseau par centralité de graphe et visualisation. Pattern peut être un outil puissant tant pour un public scientifique que non scientifique. Il possède une syntaxe simple et directe - les noms de fonctions et les paramètres sont choisis de manière à ce que les commandes soient auto-explicatives. Si Pattern est un environnement d'apprentissage très précieux pour les étudiants, il sert de cadre de développement rapide pour les développeurs web.