Awesome GitHub RepositoriesSchema Entity Transformations

next-seo is a search engine optimization toolkit and component library for Next.js. It provides a set of React components and utilities for managing page titles, descriptions, and social media tags to improve how web pages are indexed and displayed. The project functions as a structured data manager and JSON-LD schema generator. It transforms entity data into standardized schema properties for articles, products, and organizations, enabling the implementation of rich snippets in search engine results. The toolkit covers a broad range of metadata management, including business identity mappin

Schema.org - schemas and supporting software

Knwl.js est une bibliothèque JavaScript de reconnaissance d'entités nommées et un analyseur de texte basé sur des règles. Il sert d'outil d'extraction d'informations extensible conçu pour identifier et extraire des entités structurées, telles que des dates, des heures et des lieux, à partir de chaînes de texte non structurées. La bibliothèque permet la définition de règles spécialisées et de plugins personnalisés pour identifier et extraire des éléments d'information uniques. Cette extensibilité permet l'automatisation de la récupération d'informations en convertissant du texte lisible par l'homme en formats structurés pour les applications et les bases de données. Le système utilise la correspondance d'expressions régulières et l'extraction basée sur des règles pour traiter des blocs de texte bruts. Des résolveurs d'entités modulaires gèrent la transformation des segments de texte correspondants en formats standardisés.

snips-nlu est une bibliothèque Python et un moteur de compréhension du langage naturel conçu pour convertir du texte non structuré en données structurées. Il identifie les intentions de l'utilisateur et extrait les entités associées à partir de phrases en langage naturel pour permettre le traitement de commandes lisibles par machine. Le moteur fonctionne comme un analyseur multilingue capable de traiter du texte dans plusieurs langues. Il mappe les entités identifiées vers des valeurs canoniques ou des formats ISO standardisés, tels que les horodatages, pour assurer la cohérence des données. Le projet couvre la classification d'intentions et la reconnaissance d'entités nommées, utilisant l'étiquetage de séquences et la tokenisation pour identifier les objectifs de l'utilisateur et les emplacements de données spécifiques.