TXM - Niveau 2

Progression

Nous pouvons utiliser TXM pour étudier la progression de l’utilisation d’un mot au cours du temps. Dans le corpus Europresse-Prigojine, nous allons évaluer l’évolution de certains usages au fil du temps et des présidents grâce à la fonction progression.

Dans un premier temps, comparez l’évolution de l’usage de ces 3 mots: Ukraine, Afrique et Wagner. Il est possible d’ajouter les mots un par un en les recherchant successivement. Notez-vous quelque chose d’intéressant ?
Affichez les paramètres de votre onglet progression (roue dentée)
Dans la partie “Unité structurelle et propriété”, configurez TXM afin que les séparations (barres verticales) affichent l’année. Choisissez dans le premier menu déroulant l’option text et dans le second l’option annee.

Cliquez pour voir le résultat de la progression

Comparez à présent les verbes au futur et ceux au conditionnel grâce à l’assistant de requêtes (propriété frpos) et un utilisant le jeu d’étiquettes figurant ici : https://txm.gitpages.huma-num.fr/textometrie/files/documentation/manual/0.7.9/fr/manual81.xhtml#toc431

Cliquez pour voir le résultat de la progression

Se méfier de la progression

L’outil progression est très utile pour comparer l’évolution de l’usage des mots dans le temps… Cependant, TXM n’est seulement capable de genérer la progression en suivant l’ordre de votre corpus. Si vous avez un corpus qui n’est pas ordonné chronologiquement, il faudra d’abord le trier avant de lancer la progression.

Requêtes complexes : CQL

Retournons dans le concordancier pour regarder les occurrences de motifs syntaxiques. Cliquez sur la baguette magique pour aller chercher un mot (word) dont l’étiquette (frpos) est adjectif (ADJ). Après avoir validé la fenêtre vous pouvez cliquer sur le bouton calculer (sur la droite de la barre de recherche avant la roue dentée).
Notez la syntaxe de la requête [frpos = "ADJ"], on a fait une recherche sur l’attribut frpos en demandant la valeur ADJ. Dans la barre de recherche, remplacez ADJ par NOM et observez le résultat.
“A la main” ou avec l’assistant (avec la fonction ajouter un mot), cherchez maintenant les séquences ADJ puis NOM.
Voilà, c’est ça le CQL, vous pouvez mélanger les différents attributs. Par exemple pour chercher le mot (word) groupe suivi de l’étiquette (POS) adjectif.
Maintenant que l’on a une meilleure idée de cce qui nous intérese, on peut revenir à une requête simple, cherchez groupe paramilitaire dans le corpus.
On peut aussi chercher des mots qui ne sont pas à côté, par exemple groupe suivi d’un mot finissant par militaire dans les 5 mots qui suivent. Pour cela, on utilise l’opérateur [] qui permet de définir une distance entre les mots. Par exemple [word="groupe"] []{0,50} [word=".*militaire"] pour chercher les deux mots dans une fenêtre de 5 mots.

Sous-corpus

La fonction sous-corpus permet de créer… un sous-corpus pour restreindre les résultats à un sous ensemble des textes

Choisissez la Structure text. Ceci permet de faire apparaître la propriété annee.
Choisissez l’année 2023, donnez un nom à ce sous-corpus et validez.

Refaites la même requête que précédémment (écrivain + ADJ)

Partitions

La partition est un peu différente du sous-corpus en ce sens qu’elle sera surtout utile pour comparer différentes parties, différents sous-corpus, du corpus initial de travail.

Choisissez la fonction “Partition”
Dans la structure text choisissez annee, donnez un nom et validez
Vous verrez un nouvel élément disponible dans la partie droite (avec P pour partition)

Ceci permet d’accéder à de nouvelles fonctionnalités de comparison de corpus:

Les spécificités permettent de voir les mots les plus représentatifs de chaque partition
L’analyse des correspondances qui va représenter graphiquement les mots proches et éloignés dans les différentes partitions
Classification, qui va regrouper 2 à 2 les partitions

Analyse Factorielle des Correspondances (AFC)

L’analyse factorielle des correspondances est une méthode statistique qui permet de mettre en évidence des relations entre des variables qualitatives. Dans le cas de TXM, les variables qualitatives sont les mots et les textes (sous-corpus). L’AFC permet de visualiser les relations entre les mots et ces textes dans un espace à deux dimensions.

Pour réaliser une AFC, il faut d’abord créer un ensemble de sous corpus, par exemple en utilisant la fonction ” Partition” pour séparer les textes en deux groupes.
Ensuite, il faut lancer l’AFC en cliquant sur l’icône correspondante dans la barre d’outils.

Cliquez pour voir le résultat de l'AFC

Glossaire

CQL : Corpus Query Language, langage de requête pour les corpus textuels
CQP : Corpus Query Processor, moteur de recherche de TXM
AFC : Analyse Factorielle des Correspondances, méthode statistique pour mettre en évidence des relations entre des variables qualitatives
POS : Part of Speech, étiquette grammaticale
ADJ : Adjectif
NOM : Nom
frpos : Propriété de TXM pour les étiquettes grammaticales
Structure Article : Structure de texte dans TXM
Partition : Fonctionnalité de TXM pour diviser un corpus en sous-ensembles
Progression : Fonctionnalité de TXM pour étudier l’évolution de l’usage des mots dans le temps
Sous-corpus : Sous-ensemble de textes d’un corpus
Spécificités : Fonctionnalité de TXM pour identifier les mots les plus représentatifs d’un sous-corpus
Analyse des Correspondances : Méthode statistique pour visualiser les relations entre les mots et les textes dans un espace à deux dimensions

CSC - Cheat Sheet CQL

Recherche simple

patate : recherche le mot patate
patate patate : recherche les deux mots patate et patate
patate [ ] patate : recherche les deux mots patate et patate avec un mot entre eux

Expressions régulières

patate.* : recherche les mots commençant par patate
.*patate : recherche les mots finissant par patate
.*patate.* : recherche les mots contenant patate
patate|tomate : recherche les mots patate ou tomate
patate.+ : recherche les mots patate suivis d’un ou plusieurs caractères
patate.{2,5} : recherche les mots patate suivis de 2 à 5 caractères
patate[0-9] : recherche les mots patate suivis d’un chiffre
patate[^0-9] : recherche les mots patate suivis d’un caractère qui n’est pas un chiffre

Changement de casse et accents

patate : recherche les mots patate
"patate"%c : recherche les mots patate sans tenir compte de la casse
"patate"%d : recherche les mots patate sans tenir compte des accents et autres diacritiques
"patate"%cd : recherche les mots patate sans tenir compte de la casse ni des accents et autres diacritiques

Recherche sur les propriétés

[word="patate"] : recherche les mots patate
[frlemma="patate"] : recherche les lemmes patate
[frpos="NOM"] : recherche les noms
[frpos="ADJ"] : recherche les adjectifs

Critères multiples

[word="avions" & frpos="VER.*"] : recherche les verbes dont la graphie est avions
[word="avions" & frpos="NOM"] : recherche les noms dont la graphie est avions

Recherche sur les structures

[_.text_annee="2023"] : recherche les textes de l’année 2023
[_.text_annee="202[0-9]{1}"] : recherche les textes des années 2020 à 2029
[_.text_annee="202[0-9]{1}" & word="patate"] : recherche les mots patate dans les textes des années 2020 à 2029

Distance

[word="patate"] []{0,50} [word="patate"] : recherche deux mots patate séparés de 0 à 50 mots
[word="patate"] []* [word="patate"] within 10 : recherche deux mots patate séparés de 0 à 50 mots

Expansion

[word="patate"] expand to s : recherche les phrases contenant le mot patate (le motif reconnu par l’expression)

Reprise de propriétés

m:[frpos="NOM|VER.*" & word="avions"] [frpos != m.frpos] : recherche le mot avions (verbe ou nom) suivi d’un mot étiqueté avec une autre partie du discours