Softanza
DémarrerEnglish
Softanza
DémarrerEnglish
La bibliothèque se documente elle-même · Traitement du langage et linguistique

stzText

82 méthodes propres · 28 formes avec extensions, rangées sous leur méthode · Hérite aussi de stzStringText (113)

la source: base/linguistic/stzText.ring(s'ouvre dans un nouvel onglet) · Toutes les classes · La référence du domaine : Traitement du langage et linguistique

Sous chaque méthode, ses extensions (Q CS XT Z ZZ IB W U) : en gras et cochée, elle existe ; barrée, elle n'existe pas. Les extensions et leur sens

Exemples : 2 viennent des tests de la bibliothèque ; 53 ont été composés à partir de la signature de chaque méthode et exécutés pour cette page, sur un objet neuf, par exemple o1 = new stzText("Alice met Bob in Paris. The weather was fine."). 27 méthodes n'en ont pas encore. Exemples exécutés le 2026-10-03 20:34 dans la bibliothèque au commit 0e72e2e2c.

Méthode
Explication, telle que la source la porte
StemmedInLanguage
Reduce inflected words to their stem ("running"->"run"). Stemmed() defaults to English; *InLanguage(cLang) selects one of the 25 Snowball languages.
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.StemmedInLanguage("en")
#--> alic met bob in pari. the weather was fine.
composé à partir de la signature, exécuté pour cette page
aucune extension
Stemmed
The text with every word reduced to its root/stem ("running" -> "run").aussi écrite: Stem
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.Stemmed()
#--> alic met bob in pari. the weather was fine.
composé à partir de la signature, exécuté pour cette page
aucune extension
StemmedWordsInLanguage
stemming (snowball, 25 languages)
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.StemmedWordsInLanguage("en") )
#--> [ "alic", "met", "bob", "in", "pari", "the", "weather", "was", "fine" ]
composé à partir de la signature, exécuté pour cette page
aucune extension
StemmedWords
stemming (snowball, 25 languages)aussi écrite: WordsStemmed
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.StemmedWords() )
#--> [ "alic", "met", "bob", "in", "pari", "the", "weather", "was", "fine" ]
composé à partir de la signature, exécuté pour cette page
aucune extension
SupportedStemmerLanguages
stemming (snowball, 25 languages)aucune extension
SupportedLemmaLanguages
stemming (snowball, 25 languages)
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.SupportedLemmaLanguages() )
#--> [ "english", "french", "arabic" ]
composé à partir de la signature, exécuté pour cette page
aucune extension
Synonyms
Words with the same or a similar meaning (synonyms, from WordNet).QCSXTZZZIBWUQQ
Hypernyms
More general "is-a" parent words for the term (dog -> animal), from WordNet.QCSXTZZZIBWUQQ
IsSynonymOf
wordnet (synonyms + hypernyms)
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.IsSynonymOf("an")
#--> 0
composé à partir de la signature, exécuté pour cette page
aucune extension
HasSynonyms
wordnet (synonyms + hypernyms)
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.HasSynonyms()
#--> 0
composé à partir de la signature, exécuté pour cette page
aucune extension
LemmatizedInLanguage
The text lemmatized in the given language.
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.LemmatizedInLanguage("en")
#--> Alice meet Bob in Paris. The weather be fine.
composé à partir de la signature, exécuté pour cette page
aucune extension
Lemmatized
The text with every word reduced to its dictionary base form / lemma ("better" -> "good", "ran" -> "run"). Smarter than stemming.aussi nommée: base form dictionary form root word canonical form normalize words Stemmed AutoLemmatizedaussi écrite: Lemma
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.Lemmatized()
#--> Alice meet Bob in Paris. The weather be fine.
composé à partir de la signature, exécuté pour cette page
aucune extension
LemmatizedWordsInLanguage
The lemma of each word, in the given language.
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.LemmatizedWordsInLanguage("en") )
#--> [ "Alice", "meet", "Bob", "in", "Paris", "The", "weather", "be", "fine" ]
composé à partir de la signature, exécuté pour cette page
aucune extension
LemmatizedWords
The lemma of each word (English).aussi écrite: WordsLemmatized
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.LemmatizedWords() )
#--> [ "Alice", "meet", "Bob", "in", "Paris", "The", "weather", "be", "fine" ]
composé à partir de la signature, exécuté pour cette page
aucune extension
SentimentScore
The overall sentiment score (compound polarity) in [-1, 1]: negative to positive.aussi écrite: SentimentCompound
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.SentimentScore()
#--> 0.20
composé à partir de la signature, exécuté pour cette page
aucune extension
Sentiment
The overall tone/mood of the text as "positive", "negative", or "neutral". 1 exemples exécutésaussi nommée: mood emotion feeling attitude opinion how positive or negative SentimentScore IsPositive IsNegative
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.Sentiment()
#--> positive
composé à partir de la signature, exécuté pour cette page
aucune extension
PositiveScore
The positive sentiment score of the text (VADER).
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.PositiveScore()
#--> 0.18
composé à partir de la signature, exécuté pour cette page
aucune extension
NegativeScore
The negative sentiment score of the text (VADER).
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.NegativeScore()
#--> 0
composé à partir de la signature, exécuté pour cette page
aucune extension
NeutralScore
The neutral sentiment score of the text (VADER).
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.NeutralScore()
#--> 0.82
composé à partir de la signature, exécuté pour cette page
aucune extension
IsPositive
TRUE if the sentiment score reaches +0.05. 1 exemples exécutés
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.IsPositive()
#--> 1
composé à partir de la signature, exécuté pour cette page
aucune extension
IsNegative
TRUE if the sentiment score is -0.05 or below.
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.IsNegative()
#--> 0
composé à partir de la signature, exécuté pour cette page
aucune extension
SentimentExplained
The sentiment verdict as a human-readable sentence.aucune extension
POSTags
The part-of-speech tag (noun, verb, adjective...) for each word.aussi écrite: PartOfSpeechTags
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.POSTags() )
#--> [ "NNP", "VBD", "NNP", "IN", "NNP", "DT", "NN", "VBD", "JJ" ]
composé à partir de la signature, exécuté pour cette page
aucune extension
TaggedWords
part-of-speech tagging (penn treebank)aussi écrite: WordsWithPOS
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.TaggedWords() )
#--> [ [ "Alice", "NNP" ], [ "met", "VBD" ], [ "Bob", "NNP" ], [ "in", "IN" ], [ "Paris", "NNP" ], [ "The", "DT" ], [ "weather", "NN" ], [ "was", "VBD" ], [ "fine", "JJ" ] ]
composé à partir de la signature, exécuté pour cette page
aucune extension
Chunks
POS-PATTERN CHUNKING (R3, the NLTK offensive): PATTERNS OVER TAGS. ? Q("The quick brown fox...").TextQ().Chunks("DT? JJ* NN+") #--> [ "The quick brown fox", "the lazy dog" ] Grammar: Penn tags separated by spaces, each with an optional quantifier -- ? (0/1), * (0+), + (1+), none (exactly 1). A tag matches by PREFIX (NN covers NN/NNS/NNP/NNPS). Covers NLTK's RegexpParser chunking with a cleaner grammar. The executor is a deterministic greedy scanner over the tag stream (like NLTK's); a Listex-native executor can swap in behind this same surface.aucune extension
ParseTree
part-of-speech tagging (penn treebank)
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.ParseTree()
#--> (S (NP Alice/NNP) (VP met/VBD (NP Bob/NNP) (PP in/IN (NP Paris/NNP))) (NP The/DT weather/NN) (VP was/VBD) fine/JJ)
composé à partir de la signature, exécuté pour cette page
QCSXTZZZIBWU
ParseTreeWithQ
custom cascade: paGrammar = [ [ label, "TAG-pattern" ], ... ]aucune extension
NounPhrases
the flagship sugar: DT? JJ* NN+ -- the classic noun-phrase shape
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.NounPhrases() )
#--> [ "Alice", "Bob", "Paris", "The weather" ]
composé à partir de la signature, exécuté pour cette page
aucune extension
NamedEntities
NamedEntities() -- [[entity, type], ...]. Upgrades to TRANSFORMER NER (a BERT token-classification head) when a NER-head GGUF is loaded (StzUseNeuralModel with e.g. bert-base-NER); otherwise the rule-based engine NER. Both emit the same PERSON/ORGANIZATION/LOCATION type vocabulary, so PersonNames()/ Organizations()/Locations() and EntitiesOfType() work either way. 2 exemples exécutésaussi nommée: who and what is mentioned people places organizations proper names PersonNames Organizations Locations EntitiesOfTypeaussi écrite: Entities
t = new stzText("Barack Obama visited Paris.")
# NeuralEntities() is empty without a NER-head model
? @@(t.NeuralEntities())
# NamedEntities() still works via the rule-based fallback
? len(t.NamedEntities()) >= 1
#--> [ ]
#--> 1
test de la bibliothèqueaucune extension
NeuralEntities
NeuralEntities() -- the transformer-NER result explicitly: [[entity, type], ...] via the loaded NER-head model; [] if none is loaded (DATA). 1 exemples exécutés
t = new stzText("Barack Obama visited Paris.")
# NeuralEntities() is empty without a NER-head model
? @@(t.NeuralEntities())
# NamedEntities() still works via the rule-based fallback
? len(t.NamedEntities()) >= 1
#--> [ ]
#--> 1
test de la bibliothèqueaucune extension
RegisterNamedEntities
Register this text's named entities into the shared world ($oWorldEntities) -- EXPLICIT by design: NER over arbitrary text must never pollute the world silently. Returns how many were NEW. 1 exemples exécutésaussi écrite: EntitiesToWorldaucune extension
EntitiesOfType
The named entities of one type (e.g. "PERSON") mentioned in the text.aucune extension
PersonNames
The people (person names) mentioned in the text. 1 exemples exécutés
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.PersonNames() )
#--> [ "Alice", "Bob" ]
composé à partir de la signature, exécuté pour cette page
aucune extension
Organizations
The organizations and companies mentioned in the text.aucune extension
Locations
The places and locations mentioned in the text.
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.Locations() )
#--> [ "Paris" ]
composé à partir de la signature, exécuté pour cette page
aucune extension
EntityTypeOf
The rule-based NER above detects + coarsely types spans. These re-TYPE an entity against ARBITRARY, user-defined types BY MEANING (zero-shot, via the neural model when loaded; lexical fallback otherwise) -- so the type set adapts to any domain, and "Paris" the city vs the person is disambiguated by meaning. (A real token-classification NER-head GGUF, once available, plugs onto the per-token engine substrate -- neural_embed_tokens -- underneath.) EntityTypeOf(entity, types) -- the candidate type whose MEANING best matches the entity mention (DATA, a string). 1 exemples exécutés
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.EntityTypeOf("an", [ "an", "a" ])
#--> an
composé à partir de la signature, exécuté pour cette page
aucune extension
EntitiesTypedAs
EntitiesTypedAs(types) -- every detected entity re-typed against `types` by meaning: [[entity, best_type], ...] (DATA). 1 exemples exécutés
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.EntitiesTypedAs([ "an", "a" ]) )
#--> [ [ "Alice", "an" ], [ "Bob", "an" ], [ "Paris", "an" ] ]
composé à partir de la signature, exécuté pour cette page
QCSXTZZZIBWUQQ
ContentWords
The meaningful content words, with common stopwords (the, a, of...) removed.aussi écrite: Keywords
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.ContentWords() )
#--> [ "Alice", "met", "Bob", "Paris", "weather", "fine" ]
composé à partir de la signature, exécuté pour cette page
aucune extension
WithoutStopwords
The text with the stopwords removed.
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.WithoutStopwords()
#--> Alice met Bob Paris weather fine
composé à partir de la signature, exécuté pour cette page
aucune extension
IsStopword
TRUE if the text is a stopword.
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.IsStopword()
#--> 0
composé à partir de la signature, exécuté pour cette page
aucune extension
ReadingEase
How easy the text is to read as a Flesch reading-ease score (higher = easier).aussi écrite: FleschReadingEaseaucune extension
ReadabilityGrade
The US school grade level needed to read the text (Flesch-Kincaid grade).aussi écrite: FleschKincaidGrade
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.FleschKincaidGrade()
#--> 1.90
composé à partir de la signature, exécuté pour cette page
aucune extension
ReadabilityExplained
The readability verdict as a human-readable sentence.aucune extension
KeyPhrases
The n most important multi-word key phrases (main topics/themes) in the text.aussi nommée: main topics themes subjects what it is about important phrases main ideas key ideas key points the gist RankedKeywords TopKeyPhrase
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.KeyPhrases(2) )
#--> [ "Alice met Bob", "Paris" ]
composé à partir de la signature, exécuté pour cette page
QCSXTZZZIBWUQQ
TopKeyPhrase
The single best key phrase of the text.
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.TopKeyPhrase()
#--> Alice met Bob
composé à partir de la signature, exécuté pour cette page
aucune extension
RankedKeywords
The n most important single keywords, ranked by importance (TextRank).
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.RankedKeywords(2) )
#--> [ "Bob", "Paris" ]
composé à partir de la signature, exécuté pour cette page
QCSXTZZZIBWUQQ
SummarySentences
textrank (graph keywords + extractive summary)
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.SummarySentences(2) )
#--> [ "Alice met Bob in Paris.", "The weather was fine." ]
composé à partir de la signature, exécuté pour cette page
QCSXTZZZIBWUQQ
SummarizedIn
A short summary of the text in n sentences (extractive: the most important sentences, joined). Summary(n) is the alias.aussi nommée: summarize summarise shorten condense brief briefly tldr gist key points SummarySentences KeyPhrasesaussi écrite: Summaryaucune extension
WordsThatAre
The words carrying the given Penn part-of-speech tag.QCSXTZZZIBWU
Nouns
The nouns (naming words: people, things, ideas) in the text.
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.Nouns() )
#--> [ "Alice", "Bob", "Paris", "weather" ]
composé à partir de la signature, exécuté pour cette page
QCSXTZZZIBWU
ProperNouns
The proper nouns (capitalized names) in the text.
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.ProperNouns() )
#--> [ "Alice", "Bob", "Paris" ]
composé à partir de la signature, exécuté pour cette page
aucune extension
Verbs
The verbs (action words) in the text.
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.Verbs() )
#--> [ "met", "was" ]
composé à partir de la signature, exécuté pour cette page
QCSXTZZZIBWU
Adjectives
The adjectives (describing words) in the text.
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.Adjectives() )
#--> [ "fine" ]
composé à partir de la signature, exécuté pour cette page
QCSXTZZZIBWU
Adverbs
The adverbs (how/when/where modifiers) in the text.aucune extension
Pronouns
The pronouns (he, she, it, they...) in the text.aucune extension
SentencesThatAre
sentence filters (sentiment / similarity)aucune extension
PositiveSentences
sentence filters (sentiment / similarity)
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.PositiveSentences() )
#--> [ "The weather was fine." ]
composé à partir de la signature, exécuté pour cette page
aucune extension
NegativeSentences
sentence filters (sentiment / similarity)aucune extension
MostPositiveSentence
sentence filters (sentiment / similarity)
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.MostPositiveSentence()
#--> The weather was fine.
composé à partir de la signature, exécuté pour cette page
aucune extension
MostNegativeSentence
sentence filters (sentiment / similarity)
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.MostNegativeSentence()
#--> Alice met Bob in Paris.
composé à partir de la signature, exécuté pour cette page
aucune extension
MostSimilarSentenceTo
sentence filters (sentiment / similarity)aussi écrite: MostSemanticallySimilarSentenceTo
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.MostSimilarSentenceTo("an")
#--> Alice met Bob in Paris.
composé à partir de la signature, exécuté pour cette page
aucune extension
HasSemanticModel
Upgrades text similarity from lexical bag-of-words to true MEANING via a runtime neural model (load one process-wide with StzNeuralModelQ(path)). With no model loaded these degrade gracefully to the lexical path, so code keeps working and auto-improves once a model is present. TRUE if a runtime embedding model is loaded and ready. 1 exemples exécutésaussi écrite: IsSemanticModelReady
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.HasSemanticModel()
#--> 0
composé à partir de la signature, exécuté pour cette page
aucune extension
Embedding
Embedding() -- this text's sentence-embedding vector (list of floats) via the loaded model; [] if none is loaded (DATA, per Softanza's Q rule). 1 exemples exécutésaussi écrite: EmbeddingVectorQCSXTZZZIBWU
SemanticSimilarityWith
SemanticSimilarityWith(other) -- cosine of the two texts' embeddings in [-1, 1]; falls back to lexical cosine when no model is loaded (DATA). 1 exemples exécutésaussi écrite: SemanticSimilarityTo
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.SemanticSimilarityWith("an")
#--> 0
composé à partir de la signature, exécuté pour cette page
aucune extension
SummarizedAbstractively
IsSemanticallySimilarTo(other, threshold) -- TRUE if the meaning-similarity meets the threshold (default 0.5). GENERATE a fresh summary of the text (not sentence extraction). When no generative model is loaded, degrades to the extractive Summary.QCSXTZZZIBWU
AnswerAbout
ANSWER a question ABOUT the text (grounded generation): the text is the context, the question is asked over it. "" when no model / no text.QCSXTZZZIBWU
IsSemanticallySimilarTo
semantic layer (neural embeddings) 2 exemples exécutés
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.IsSemanticallySimilarTo("an", 2)
#--> 0
composé à partir de la signature, exécuté pour cette page
aucune extension
Classify
Classify this text against ARBITRARY candidate labels with no training: rank each label by how closely its MEANING matches the text (embedding cosine when a model is loaded, else lexical). Pass richer label strings (e.g. "about sports") for sharper separation. Classify(labels) -- ranked [label, score] pairs, most similar first (DATA). 1 exemples exécutésaussi écrite: ClassificationOf
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.Classify([ "an", "a" ]) )
#--> [ [ "an", 0 ], [ "a", 0 ] ]
composé à partir de la signature, exécuté pour cette page
QCSXTZZZIBWUQQ
ClassifiedAs
ClassifiedAs(labels) -- the single best-matching label (DATA, a string). 1 exemples exécutés
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.ClassifiedAs([ "an", "a" ])
#--> an
composé à partir de la signature, exécuté pour cette page
QCSXTZZZIBWU
ClassificationConfidence
The score (similarity) the winning label got, in [-1, 1] (DATA).
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.ClassificationConfidence([ "an", "a" ])
#--> 0
composé à partir de la signature, exécuté pour cette page
aucune extension
Language
Detect which natural language the text is written in.aussi nommée: what language which tongue detect language idiom localeaussi écrite: DetectedLanguage
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.Language()
#--> english
composé à partir de la signature, exécuté pour cette page
aucune extension
AutoLemmatized
The text lemmatized in its own detected language.
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.AutoLemmatized()
#--> Alice meet Bob in Paris. The weather be fine.
composé à partir de la signature, exécuté pour cette page
aucune extension
AutoStemmed
The text stemmed in its own detected language.
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.AutoStemmed()
#--> alic met bob in pari. the weather was fine.
composé à partir de la signature, exécuté pour cette page
aucune extension
Profile
A content profile of the text (keywords, entities, sentiment...).aucune extension
LexicalDiversity
Vocabulary richness: the ratio of unique words to total words (type-token ratio).aussi écrite: TypeTokenRatio
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.LexicalDiversity()
#--> 1
composé à partir de la signature, exécuté pour cette page
aucune extension
StyleProfile
A style profile of the text (word lengths, variety...).aucune extension
InContextWithWindow
The occurrences of the word with n words of context around each.aucune extension
InContext
Every occurrence of a word shown with its surrounding context (a concordance / keyword-in-context view).aussi écrite: Concordanceaucune extension
ComparedTo
Compare this text with another: their similarity, sentiment difference, readability difference, and shared keywords.
exemple composé
o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? @@( o1.ComparedTo("an") )
#--> [ [ "similarity", 0 ], [ "sentiment_delta", 0.20 ], [ "grade_delta", 5.30 ], [ "shared_keywords", [ ] ] ]
composé à partir de la signature, exécuté pour cette page
aucune extension
ShowTagged
Print each word with its part-of-speech tag.aucune extension
ShowEntities
Print the named entities found in the text.aucune extension
ShowSentiment
Print the sentiment of each sentence.aucune extension
Sentences
The sentences of the text, as a list.définie dans stzStringText ; ses extensions iciQCSXTZZZIBWUQQ
Words
The words of the text, as a list (engine-extracted).définie dans stzStringText ; ses extensions iciQCSXTZZZIBWUQQExcept