TagTools est une boîte à outils pour le TAL. Elle comporte les éléments suivants :
- détecteur de format de fichier (formats reconnus : Text, MS-Office, HTML, SGML, XML, PDF, RTF) ;
- détecteur de langue (10 langues reconnues) ;
- aspirateur de pages Web ;
- segmenteur de textes en phrases ;
- segmenteur de phrases en mots (tokenization) ;
- rattrapeur de mots mal orthographiés ;
- analyseur morphologique traitant les mots simples et les mots composés ;
- analyseur syntaxique robuste ;
- extracteur de mots inconnus, pour les mots simples et/ou composés, avec des patrons d'extraction paramétrables ;
- indexeur de documents ;
- moteur de recherche opérant sur l'indexeur. |
|
