admin
text tokenize "Les chevaux de l'école courent très vite, mais les élèves n'ont pas peur !"

mentdb
{"count": 6, "tokens": ["chevaux", "ecole", "courent", "vite", "eleves", "peur"]}

admin
text tokenize "Les chevaux de l'école courent très vite" "{\"stem\": true}"

mentdb
{"count": 4, "tokens": ["cheval", "ecole", "courent", "vite"]}

admin
text stopwords "en"

mentdb
["a", "about", "above", "after", "again", "against", "all", "also", "am", "an", "and", "any", "are", "aren", "as", "at", "be", "because", "been", "before", "being", "below", "between", "both", "but", "by", "can", "cannot", "could", "couldn", "d", "did", "didn", "do", "does", "doesn", "doing", "don", "down", "during", "each", "few", "for", "from", "further", "had", "hadn", "has", "hasn", "have", "haven", "having", "he", "her", "here", "hers", "herself", "him", "himself", "his", "how", "i", "if", "in", "into", "is", "isn", "it", "its", "itself", "just", "let", "ll", "m", "may", "me", "might", "more", "most", "mustn", "my", "myself", "no", "nor", "not", "now", "of", "off", "on", "once", "only", "or", "other", "ought", "our", "ours", "ourselves", "out", "over", "own", "re", "s", "same", "shall", "shan", "she", "should", "shouldn", "so", "some", "such", "t", "than", "that", "the", "their", "theirs", "them", "themselves", "then", "there", "these", "they", "this", "those", "through", "to", "too", "under", "until", "up", "us", "ve", "very", "was", "wasn", "we", "were", "weren", "what", "when", "where", "which", "while", "who", "whom", "why", "will", "with", "won", "would", "wouldn", "you", "your", "yours", "yourself", "yourselves"]

admin
text stem "generalization" "en"

mentdb
gener

admin
text stem "chevaux" "fr"

mentdb
cheval

admin
text word_freq "[\"Le moteur est tomb\u00e9 en panne hier soir sur l'autoroute.\", \"La facture de mars n'est toujours pas pay\u00e9e, merci de relancer le client.\", \"Panne de courant au bureau, le serveur a red\u00e9marr\u00e9.\", \"Le client est tr\u00e8s satisfait du service et de la livraison rapide.\", \"Nouvelle panne du moteur : le garage doit remplacer la courroie.\", \"Relance de paiement envoy\u00e9e pour la facture de f\u00e9vrier.\"]"

mentdb
{"documents": 6, "tokens": 35, "vocabulary": 30, "words": [{"word": "panne", "count": 3, "documents": 3, "share": 0.08571428571428572}, {"word": "client", "count": 2, "documents": 2, "share": 0.05714285714285714}, {"word": "facture", "count": 2, "documents": 2, "share": 0.05714285714285714}, {"word": "moteur", "count": 2, "documents": 2, "share": 0.05714285714285714}, {"word": "autoroute", "count": 1, "documents": 1, "share": 0.02857142857142857}, {"word": "bureau", "count": 1, "documents": 1, "share": 0.02857142857142857}, {"word": "courant", "count": 1, "documents": 1, "share": 0.02857142857142857}, {"word": "courroie", "count": 1, "documents": 1, "share": 0.02857142857142857}, {"word": "doit", "count": 1, "documents": 1, "share": 0.02857142857142857}, {"word": "envoyee", "count": 1, "documents": 1, "share": 0.02857142857142857}, {"word": "fevrier", "count": 1, "documents": 1, "share": 0.02857142857142857}, {"word": "garage", "count": 1, "documents": 1, "share": 0.02857142857142857}, {"word": "hier", "count": 1, "documents": 1, "share": 0.02857142857142857}, {"word": "livraison", "count": 1, "documents": 1, "share": 0.02857142857142857}, {"word": "mars", "count": 1, "documents": 1, "share": 0.02857142857142857}, {"word": "merci", "count": 1, "documents": 1, "share": 0.02857142857142857}, {"word": "nouvelle", "count": 1, "documents": 1, "share": 0.02857142857142857}, {"word": "paiement", "count": 1, "documents": 1, "share": 0.02857142857142857}, {"word": "payee", "count": 1, "documents": 1, "share": 0.02857142857142857}, {"word": "rapide", "count": 1, "documents": 1, "share": 0.02857142857142857}]}

admin
text word_freq "[\"Le moteur est tomb\u00e9 en panne hier soir sur l'autoroute.\", \"La facture de mars n'est toujours pas pay\u00e9e, merci de relancer le client.\", \"Panne de courant au bureau, le serveur a red\u00e9marr\u00e9.\", \"Le client est tr\u00e8s satisfait du service et de la livraison rapide.\", \"Nouvelle panne du moteur : le garage doit remplacer la courroie.\", \"Relance de paiement envoy\u00e9e pour la facture de f\u00e9vrier.\"]" "{\"top\": 5, \"stem\": true}"

mentdb
{"documents": 6, "tokens": 35, "vocabulary": 29, "words": [{"word": "panne", "count": 3, "documents": 3, "share": 0.08571428571428572}, {"word": "client", "count": 2, "documents": 2, "share": 0.05714285714285714}, {"word": "factur", "count": 2, "documents": 2, "share": 0.05714285714285714}, {"word": "moteu", "count": 2, "documents": 2, "share": 0.05714285714285714}, {"word": "relanc", "count": 2, "documents": 2, "share": 0.05714285714285714}]}

admin
text dtm "[\"le chat dort\", \"le chien dort\", \"le chat mange\"]"

mentdb
{"documents": 3, "vocabulary": ["chat", "chien", "dort", "mange"], "matrix": [[1, 0, 1, 0], [0, 1, 1, 0], [1, 0, 0, 1]]}

admin
text dtm "[\"Le moteur est tomb\u00e9 en panne hier soir sur l'autoroute.\", \"La facture de mars n'est toujours pas pay\u00e9e, merci de relancer le client.\", \"Panne de courant au bureau, le serveur a red\u00e9marr\u00e9.\", \"Le client est tr\u00e8s satisfait du service et de la livraison rapide.\", \"Nouvelle panne du moteur : le garage doit remplacer la courroie.\", \"Relance de paiement envoy\u00e9e pour la facture de f\u00e9vrier.\"]" "{\"weighting\": \"tfidf\", \"min_df\": 2}"

mentdb
{"documents": 6, "vocabulary": ["client", "facture", "moteur", "panne"], "matrix": [[0, 0, 0.764096101185661, 0.6451024322949592], [0.7071067811865476, 0.7071067811865476, 0, 0], [0, 0, 0, 1], [1, 0, 0, 0], [0, 0, 0.764096101185661, 0.6451024322949592], [0, 1, 0, 0]]}

admin
text keywords "Le machine learning permet de construire des modèles prédictifs à partir des données. Les entreprises utilisent ces modèles pour anticiper la demande. La qualité des données reste le facteur principal de réussite. Un modèle entraîné sur des données biaisées donne des prédictions biaisées. Il faut donc nettoyer, valider et documenter les données avant tout apprentissage."

mentdb
{"method": "textrank", "keywords": [{"keyword": "donnees", "score": 0.11000858607359185}, {"keyword": "modeles", "score": 0.06279804846602235}, {"keyword": "biaisees", "score": 0.05925444755022994}, {"keyword": "permet", "score": 0.038165131467265676}, {"keyword": "construire", "score": 0.03609360332659851}, {"keyword": "documenter", "score": 0.033856064589681434}, {"keyword": "principal", "score": 0.0337282945801648}, {"keyword": "reussite", "score": 0.033604927601340005}, {"keyword": "facteur", "score": 0.03309555321354174}, {"keyword": "predictifs", "score": 0.03299840385551386}]}

admin
text keywords "Le machine learning permet de construire des modèles prédictifs à partir des données. Les entreprises utilisent ces modèles pour anticiper la demande. La qualité des données reste le facteur principal de réussite. Un modèle entraîné sur des données biaisées donne des prédictions biaisées. Il faut donc nettoyer, valider et documenter les données avant tout apprentissage." "{\"method\": \"rake\", \"top\": 5}"

mentdb
{"method": "rake", "keywords": [{"keyword": "machine learning permet", "score": 9}, {"keyword": "donnees biaisees donne", "score": 7.25}, {"keyword": "predictions biaisees", "score": 4.5}, {"keyword": "entreprises utilisent", "score": 4}, {"keyword": "facteur principal", "score": 4}]}

admin
text summarize "Le machine learning permet de construire des modèles prédictifs à partir des données. Les entreprises utilisent ces modèles pour anticiper la demande. La qualité des données reste le facteur principal de réussite. Un modèle entraîné sur des données biaisées donne des prédictions biaisées. Il faut donc nettoyer, valider et documenter les données avant tout apprentissage."

mentdb
{"sentences": 5, "summary": "Le machine learning permet de construire des modèles prédictifs à partir des données. La qualité des données reste le facteur principal de réussite. Un modèle entraîné sur des données biaisées donne des prédictions biaisées.", "selected": [0, 2, 3], "scores": [0.26038240497222953, 0.12474642317978736, 0.16930140985605013, 0.27626835213588274, 0.16930140985605013]}

admin
text summarize "Le machine learning permet de construire des modèles prédictifs à partir des données. Les entreprises utilisent ces modèles pour anticiper la demande. La qualité des données reste le facteur principal de réussite. Un modèle entraîné sur des données biaisées donne des prédictions biaisées. Il faut donc nettoyer, valider et documenter les données avant tout apprentissage." "{\"sentences\": 2}"

mentdb
{"sentences": 5, "summary": "Le machine learning permet de construire des modèles prédictifs à partir des données. Un modèle entraîné sur des données biaisées donne des prédictions biaisées.", "selected": [0, 3], "scores": [0.26038240497222953, 0.12474642317978736, 0.16930140985605013, 0.27626835213588274, 0.16930140985605013]}

admin
text sentiment "Le service était vraiment excellent, mais la livraison n'était pas rapide."

mentdb
{"score": 3.5, "compound": 0.6704783996548059, "label": "positive", "positive_words": 1, "negative_words": 1, "words": [{"word": "excellent", "weight": 4.5, "negated": false}, {"word": "rapide", "weight": -1, "negated": true}]}

admin
text sentiment "I did not like this product, it is really bad." "{\"lang\": \"en\"}"

mentdb
{"score": -4, "compound": -0.7184212081070996, "label": "negative", "positive_words": 0, "negative_words": 2, "words": [{"word": "like", "weight": -1, "negated": true}, {"word": "bad", "weight": -3, "negated": false}]}

admin
text sentiment "Le logiciel plante encore" "{\"lexicon\": {\"plante\": -2}}"

mentdb
{"score": -2, "compound": -0.4588314677411235, "label": "negative", "positive_words": 0, "negative_words": 1, "words": [{"word": "plante", "weight": -2, "negated": false}]}

admin
text similarity "le moteur est en panne" "panne du moteur ce matin"

mentdb
{"method": "cosine", "similarity": 0.8164965809277261}

admin
text similarity "les moteurs sont en panne" "panne du moteur" "{\"method\": \"jaccard\", \"stem\": true}"

mentdb
{"method": "jaccard", "similarity": 1}

admin
text search "panne moteur" "[\"Le moteur est tomb\u00e9 en panne hier soir sur l'autoroute.\", \"La facture de mars n'est toujours pas pay\u00e9e, merci de relancer le client.\", \"Panne de courant au bureau, le serveur a red\u00e9marr\u00e9.\", \"Le client est tr\u00e8s satisfait du service et de la livraison rapide.\", \"Nouvelle panne du moteur : le garage doit remplacer la courroie.\", \"Relance de paiement envoy\u00e9e pour la facture de f\u00e9vrier.\"]"

mentdb
{"query_terms": ["panne", "moteu"], "results": [{"index": 0, "score": 1.7008979103226691, "text": "Le moteur est tombé en panne hier soir sur l'autoroute."}, {"index": 4, "score": 1.5805198144413795, "text": "Nouvelle panne du moteur : le garage doit remplacer la courroie."}, {"index": 2, "score": 0.740767979224369, "text": "Panne de courant au bureau, le serveur a redémarré."}]}

admin
text search "facture paiement" "[\"Le moteur est tomb\u00e9 en panne hier soir sur l'autoroute.\", \"La facture de mars n'est toujours pas pay\u00e9e, merci de relancer le client.\", \"Panne de courant au bureau, le serveur a red\u00e9marr\u00e9.\", \"Le client est tr\u00e8s satisfait du service et de la livraison rapide.\", \"Nouvelle panne du moteur : le garage doit remplacer la courroie.\", \"Relance de paiement envoy\u00e9e pour la facture de f\u00e9vrier.\"]" "{\"top\": 2}"

mentdb
{"query_terms": ["factur", "paiement"], "results": [{"index": 5, "score": 2.746633772045519, "text": "Relance de paiement envoyée pour la facture de février."}, {"index": 1, "score": 0.9446049698909709, "text": "La facture de mars n'est toujours pas payée, merci de relancer le client."}]}

admin
text topics "[\"Le moteur est tomb\u00e9 en panne hier soir sur l'autoroute.\", \"La facture de mars n'est toujours pas pay\u00e9e, merci de relancer le client.\", \"Panne de courant au bureau, le serveur a red\u00e9marr\u00e9.\", \"Le client est tr\u00e8s satisfait du service et de la livraison rapide.\", \"Nouvelle panne du moteur : le garage doit remplacer la courroie.\", \"Relance de paiement envoy\u00e9e pour la facture de f\u00e9vrier.\"]"

mentdb
{"k": 3, "vocabulary": 4, "topics": [{"topic": 0, "share": 0.4444444444444444, "words": [{"word": "client", "weight": 0.49752475247524747}, {"word": "facture", "weight": 0.49752475247524747}, {"word": "moteur", "weight": 0.0024752475247524753}, {"word": "panne", "weight": 0.0024752475247524753}]}, {"topic": 1, "share": 0.3333333333333333, "words": [{"word": "panne", "weight": 0.9901315789473684}, {"word": "client", "weight": 0.003289473684210526}, {"word": "facture", "weight": 0.003289473684210526}, {"word": "moteur", "weight": 0.003289473684210526}]}, {"topic": 2, "share": 0.2222222222222222, "words": [{"word": "moteur", "weight": 0.9852941176470587}, {"word": "client", "weight": 0.004901960784313725}, {"word": "facture", "weight": 0.004901960784313725}, {"word": "panne", "weight": 0.004901960784313725}]}], "document_topics": [[0.2380952380952381, 0.380952380952381, 0.380952380952381], [0.5238095238095238, 0.2380952380952381, 0.2380952380952381], [0.2777777777777778, 0.4444444444444445, 0.2777777777777778], [0.4444444444444445, 0.2777777777777778, 0.2777777777777778], [0.2380952380952381, 0.380952380952381, 0.380952380952381], [0.4444444444444445, 0.2777777777777778, 0.2777777777777778]]}

admin
text topics "[\"Le moteur est tomb\u00e9 en panne hier soir sur l'autoroute.\", \"La facture de mars n'est toujours pas pay\u00e9e, merci de relancer le client.\", \"Panne de courant au bureau, le serveur a red\u00e9marr\u00e9.\", \"Le client est tr\u00e8s satisfait du service et de la livraison rapide.\", \"Nouvelle panne du moteur : le garage doit remplacer la courroie.\", \"Relance de paiement envoy\u00e9e pour la facture de f\u00e9vrier.\"]" "{\"k\": 2, \"min_df\": 1, \"stem\": true, \"top_words\": 4}"

mentdb
{"k": 2, "vocabulary": 29, "topics": [{"topic": 0, "share": 0.42857142857142855, "words": [{"word": "relanc", "weight": 0.13145846958796598}, {"word": "bureau", "weight": 0.06605624591236102}, {"word": "courant", "weight": 0.06605624591236102}, {"word": "courroi", "weight": 0.06605624591236102}]}, {"topic": 1, "share": 0.5714285714285714, "words": [{"word": "panne", "weight": 0.1483489403647117}, {"word": "client", "weight": 0.09906357811729916}, {"word": "factur", "weight": 0.09906357811729916}, {"word": "moteu", "weight": 0.09906357811729916}]}], "document_topics": [[0.22727272727272727, 0.7727272727272727], [0.5416666666666666, 0.4583333333333333], [0.55, 0.45], [0.55, 0.45], [0.375, 0.625], [0.55, 0.45]]}

admin
text collocations "[\"machine learning et deep learning\", \"le machine learning en production\", \"machine learning appliqué\", \"apprentissage du machine learning\"]"

mentdb
{"tokens": 13, "collocations": [{"bigram": "machine learning", "count": 4, "pmi": 1.37851162325373, "g2": 11.044261777607005}]}

admin
text collocations "[\"Le moteur est tomb\u00e9 en panne hier soir sur l'autoroute.\", \"La facture de mars n'est toujours pas pay\u00e9e, merci de relancer le client.\", \"Panne de courant au bureau, le serveur a red\u00e9marr\u00e9.\", \"Le client est tr\u00e8s satisfait du service et de la livraison rapide.\", \"Nouvelle panne du moteur : le garage doit remplacer la courroie.\", \"Relance de paiement envoy\u00e9e pour la facture de f\u00e9vrier.\"]" "{\"min_count\": 2}"

mentdb
{"tokens": 35, "collocations": []}

admin
text kwic "[\"Le moteur est tomb\u00e9 en panne hier soir sur l'autoroute.\", \"La facture de mars n'est toujours pas pay\u00e9e, merci de relancer le client.\", \"Panne de courant au bureau, le serveur a red\u00e9marr\u00e9.\", \"Le client est tr\u00e8s satisfait du service et de la livraison rapide.\", \"Nouvelle panne du moteur : le garage doit remplacer la courroie.\", \"Relance de paiement envoy\u00e9e pour la facture de f\u00e9vrier.\"]" "panne"

mentdb
{"matches": 3, "lines": [{"document": 0, "left": "Le moteur est tombé en", "word": "panne", "right": "hier soir sur l'autoroute"}, {"document": 2, "left": "", "word": "Panne", "right": "de courant au bureau le"}, {"document": 4, "left": "Nouvelle", "word": "panne", "right": "du moteur le garage doit"}]}

admin
text kwic "[\"Le moteur est tomb\u00e9 en panne hier soir sur l'autoroute.\", \"La facture de mars n'est toujours pas pay\u00e9e, merci de relancer le client.\", \"Panne de courant au bureau, le serveur a red\u00e9marr\u00e9.\", \"Le client est tr\u00e8s satisfait du service et de la livraison rapide.\", \"Nouvelle panne du moteur : le garage doit remplacer la courroie.\", \"Relance de paiement envoy\u00e9e pour la facture de f\u00e9vrier.\"]" "facture" "{\"window\": 3}"

mentdb
{"matches": 2, "lines": [{"document": 1, "left": "La", "word": "facture", "right": "de mars n'est"}, {"document": 5, "left": "envoyée pour la", "word": "facture", "right": "de février"}]}

admin
text readability "Le machine learning permet de construire des modèles prédictifs à partir des données. Les entreprises utilisent ces modèles pour anticiper la demande. La qualité des données reste le facteur principal de réussite. Un modèle entraîné sur des données biaisées donne des prédictions biaisées. Il faut donc nettoyer, valider et documenter les données avant tout apprentissage." "fr"

mentdb
{"sentences": 5, "words": 55, "syllables": 101, "words_per_sentence": 11, "syllables_per_word": 1.8363636363636364, "long_words_percent": 47.27272727272727, "score": 60.67863636363637, "formula": "Kandel and Moles (Flesch adapted to French)", "level": "easy to standard"}

admin
text language "This is a short text written in English to test the language detection."

mentdb
{"language": "en", "confidence": 0.8, "scores": {"de": 0, "en": 0.38461538461538464, "es": 0, "fr": 0, "it": 0.07692307692307693, "pt": 0.07692307692307693}}

admin
text near_duplicates "[\"le chat dort sur le tapis rouge du salon\", \"le chat dort sur le tapis rouge du salon ce soir\", \"une phrase différente\"]"

mentdb
{"documents": 3, "pairs": []}

admin
text near_duplicates "[\"le chat dort sur le tapis rouge du salon\", \"le chat dort sur le tapis rouge du salon ce soir\"]" "{\"threshold\": 0.6, \"shingle\": 2}"

mentdb
{"documents": 2, "pairs": [{"a": 0, "b": 1, "jaccard": 0.8}]}

admin
text classify "[\"facture impayée relance paiement\", \"remboursement paiement carte\", \"panne écran ordinateur\", \"bug logiciel plantage\"]" "[\"compta\", \"compta\", \"support\", \"support\"]" "[\"le logiciel plante au démarrage\", \"relance pour la facture de mars\"]"

mentdb
{"classes": 2, "vocabulary": 12, "predictions": [{"label": "support", "probability": 0.6785714285714286, "probabilities": {"compta": 0.32142857142857145, "support": 0.6785714285714286}}, {"label": "compta", "probability": 0.7821363910681954, "probabilities": {"compta": 0.7821363910681954, "support": 0.21786360893180443}}]}

admin
-> "[rows]" "[{\"text\": \"la facture est fausse\", \"team\": \"billing\"}, {\"text\": \"remboursement non recu\", \"team\": \"billing\"}, {\"text\": \"double prelevement carte\", \"team\": \"billing\"}, {\"text\": \"colis arrive casse\", \"team\": \"delivery\"}, {\"text\": \"livraison en retard\", \"team\": \"delivery\"}, {\"text\": \"colis jamais recu\", \"team\": \"delivery\"}, {\"text\": \"application plante\", \"team\": \"technical\"}, {\"text\": \"impossible de se connecter\", \"team\": \"technical\"}, {\"text\": \"erreur au paiement sur le site\", \"team\": \"technical\"}]";
json load "tuto_c" (text classify (ml prep vector [rows] "text") (ml prep vector [rows] "team") "[\"mon colis est en retard\", \"la facture de mars est fausse\"]");
-> "[res]" (concat (json select "tuto_c" "/predictions/[0]/label") ", " (json select "tuto_c" "/predictions/[1]/label"));
json unload "tuto_c";
[res]

mentdb
delivery, billing

admin
text classify "[\"great product\", \"bad service\", \"excellent quality\", \"terrible delay\"]" "[\"pos\", \"neg\", \"pos\", \"neg\"]" "[\"great quality\"]" "{\"lang\": \"en\"}"

mentdb
{"classes": 2, "vocabulary": 8, "predictions": [{"label": "pos", "probability": 0.8, "probabilities": {"neg": 0.19999999999999996, "pos": 0.8}}]}

admin
text cluster "[\"Le moteur est tomb\u00e9 en panne hier soir sur l'autoroute.\", \"La facture de mars n'est toujours pas pay\u00e9e, merci de relancer le client.\", \"Panne de courant au bureau, le serveur a red\u00e9marr\u00e9.\", \"Le client est tr\u00e8s satisfait du service et de la livraison rapide.\", \"Nouvelle panne du moteur : le garage doit remplacer la courroie.\", \"Relance de paiement envoy\u00e9e pour la facture de f\u00e9vrier.\"]"

mentdb
{"k": 3, "clusters": [{"cluster": 0, "size": 2, "top_words": ["bureau", "courant", "redemarre", "serveur", "envoyee", "fevrier"]}, {"cluster": 1, "size": 2, "top_words": ["moteur", "panne", "autoroute", "hier", "soir", "tombe"]}, {"cluster": 2, "size": 2, "top_words": ["client", "livraison", "rapide", "satisfait", "service", "mars"]}], "labels": [1, 2, 0, 2, 1, 0], "cohesion": 0.7442269768092332}

admin
text cluster "[\"Le moteur est tomb\u00e9 en panne hier soir sur l'autoroute.\", \"La facture de mars n'est toujours pas pay\u00e9e, merci de relancer le client.\", \"Panne de courant au bureau, le serveur a red\u00e9marr\u00e9.\", \"Le client est tr\u00e8s satisfait du service et de la livraison rapide.\", \"Nouvelle panne du moteur : le garage doit remplacer la courroie.\", \"Relance de paiement envoy\u00e9e pour la facture de f\u00e9vrier.\"]" "{\"k\": 2, \"stem\": true}"

mentdb
{"k": 2, "clusters": [{"cluster": 0, "size": 3, "top_words": ["panne", "moteu", "bureau", "courant", "redemar", "serveu"]}, {"cluster": 1, "size": 3, "top_words": ["factur", "relanc", "client", "envoye", "fevri", "paiement"]}], "labels": [0, 1, 0, 1, 0, 1], "cohesion": 0.6485451649729835}

admin
text extract "Contact : jean.dupont@exemple.fr ou +33 6 12 34 56 78, site https://www.mentdb.org, facture 1 250,50 € du 12/10/2026, remise 15 % #promo"

mentdb
{"email": ["jean.dupont@exemple.fr"], "url": ["https:\/\/www.mentdb.org"], "iban": [], "phone": ["+33 6 12 34 56 78"], "date": ["12\/10\/2026"], "amount": ["1 250,50 \u20AC"], "percent": ["15 %"], "ip": [], "hashtag": ["#promo"], "mention": []}

admin
text extract "Appelez le 02 62 12 34 56 ou écrivez à support@exemple.re" "{\"types\": [\"phone\", \"email\"]}"

mentdb
{"email": ["support@exemple.re"], "phone": ["02 62 12 34 56"]}