LexIA
Tokenizador de código abierto para el lenguaje español y con capacidad de contextualizar textos legales, y adaptarse a otros sectores como la medicina, optimizando el procesamiento de términos compuestos.
LexIA es un proyecto que busca desarrollar un tokenizador especializado para el lenguaje español, capaz de identificar términos compuestos como “Tribunal Supremo” de forma única (un token en vez de dos) y eficiente.
Su objetivo es mejorar el procesamiento de datos legales y adaptarse a otras industrias, como la medicina, mediante configuraciones personalizables. Este tokenizador podrá integrarse en flujos de trabajo de procesamiento de lenguaje natural (NLP), optimizando la velocidad y precisión de análisis de textos jurídicos.
La herramienta será de código abierto, facilitando su adopción y personalización por parte de desarrolladores y empresas.
- Complejidad:7/10
- Características técnicas:NLTK, Hugging Face Transformers, spaCy, FastAPI, ANCORA
- CATEGORY 2024-2025 , Univ. de Salamanca
- TAGS Python , Pytorch





