جامعه متن باز پردازش متن و کلان داده
باز پردازش

Rakhshai یک کتابخانهٔ پژوهشی برای تبدیل متن‌های فارسی به ساختارهای گرافی و تحلیل آن‌ها با روش‌های شبکه‌های عصبی گرافی است. این ابزار با الهام از TextGCN/GCN/GraphSAGE طراحی شده و برای کارهایی مثل طبقه‌بندی متن، خلاصه‌سازی مبتنی بر TextRank، توصیه‌گر محتوا، تشخیص نفرت‌پراکنی و تحلیل شبکه‌های اجتماعی به‌کار می‌رود. مستندات کامل و مثال‌ها در docs/ و تست‌ها نیز فراهم است.

---

• ساخت گراف‌های متنی: هم‌رخدادی، TextGraph، گراف سند و وابستگی
• مدل‌ها: GCN و GraphSAGE (به‌همراه نسخهٔ آزمایشی GAT)
• وظایف آماده: طبقه‌بندی متن، خلاصه‌سازی TextRank و توصیه‌گر محتوا
• تحلیل وابستگی با Stanza (اختیاری)
• CLI و کتابخانهٔ پایتون (دستور rgnn-cli)

توسط تیم توسعه رخشای

نَغز یک کتابخانهٔ سبک برای پردازش زبان طبیعی فارسی است که به‌صورت کتابخانهٔ پایتون و ابزار خط فرمان ارائه می‌شود. امکانات اصلی آن شامل نرمال‌سازی، توکنیزه‌کردن، تبدیل محاوره به رسمی، تحلیل احساس، استخراج موجودیت‌های نامدار و خلاصه‌سازی استخراجی است. همچنین پشتیبانی اختیاری از برچسب‌گذاری نقش کلمات (POS) و تجزیهٔ وابستگی با مدل‌های Stanza دارد.

---

• نرمال‌سازی و توکنیزه‌کردن متن فارسی
• تبدیل محاوره به رسمی (colloquial → formal)
• تحلیل احساس، NER و خلاصه‌سازی استخراجی
• POS و پارس وابستگی با Stanza (اختیاری)
• CLI و کتابخانهٔ پایتون (دستور naghz)

توسط تیم توسعه رخشای

هوش مصنوعی Cyrus یک دستیار پرسش و پاسخ فارسی مبتنی بر جنگو است که متن ورودی را نرمال‌سازی می‌کند، متون مرتبط را با استفاده از ترکیبی ترکیبی از جستجوی برداری FAISS و جستجوی واژگانی BM25 بازیابی می‌کند و با مدل LLaMA پاسخ تولید می‌کند.

---

• جستجوی ترکیبی FAISS + BM25
• تولید پاسخ با مدل محلی LLaMA
• API پرسش‌و‌پاسخ: /api/ask
• بی‌نیاز از سرویس‌های ابری (اجرای آفلاین)

توسط تیم توسعه رخشای

این پروژه یک سرویس ساده برای تحلیل متون فارسی است که با استفاده از Django و Django REST Framework پیاده‌سازی شده است. برای پردازش متن از کتابخانه‌ی Hazm جهت نرمال‌سازی و از رویکردهای سبک و لغت‌محور برای تحلیل احساس و تشخیص موجودیت‌های نامدار استفاده شده است. این رویکرد تکیه‌ای بر مدل‌های سنگین یادگیری عمیق ندارد و در نتیجه امکان اجرا به صورت کاملاً آفلاین را فراهم می‌کند. همچنین امکان پردازش فایل‌های بزرگ به‌صورت غیـرهـمگام با Celery و Redis فراهم شده است.

---

• نرمال‌سازی فارسی با Hazm
• DRF APIها: /api/analyze/، /api/answer/، /api/jobs/<id>
• Celery + Redis برای پردازش غیـرهـمگام فایل‌های بزرگ
• قابلیت اجرای آفلاین؛ بدون اتکا به مدل‌های حجیم یادگیری عمیق

توسط تیم توسعه رخشای

این پروژه ابزاری برای بررسی تداخلات دارویی و تطبیق برچسب‌های دارویی است. هدف آن ارائه‌ی سیستمی هوشمند جهت تحلیل داده‌های دارویی، شناسایی هشدارها، و کمک به داروسازان و پزشکان برای تصمیم‌گیری ایمن‌تر است. این سرویس با استفاده از پایتون و کتابخانه‌های علمی مانند Pandas و scikit-learn توسعه یافته و قابلیت ارتباط با پایگاه داده‌های استاندارد دارویی را دارد.

---

• تشخیص تداخلات دارویی بر اساس داده‌های استاندارد و منابع علمی
• بررسی و تطبیق برچسب‌های دارویی (Label Check)
• تحلیل داده‌ها با استفاده از Pandas و scikit-learn
• قابل توسعه برای ارتباط با API‌های دارویی خارجی و پایگاه‌های داده سلامت

توسط تیم توسعه رخشای