Séance 3 du 15 décembre 2016 – Hyperbase Web. Analyse statistique de corpus en ligne

 

Texte écrit par Laurent VANNI (BCL – UNS) et résumant sont intervention lors de la troisième séance de séminaire du nouveau cycle de rencontres 2016-2017 autour du traitement et de l’analyse de données quantitatives en SHS le 15 décembre 2016.

 

Hyperbase Web. Analyse statistique de corpus en ligne

Cet atelier était l’occasion de découvrir Hyperbase Web, une plateforme en ligne qui reprend les outils fondamentaux du logiciel Hyperbase, un logiciel d’analyse de donnée textuelle (ADT) historique développé au laboratoire UMR 7320 : Bases Corpus Langage à Nice depuis sa création par Etienne BRUNET.

Hyperbase Web

L’idée principale de cette plateforme est de proposer une offre complémentaire aux logiciels d’ADT existant qui ne nécessite aucune installation et dont la prise en main se veut simplifiée au maximum. L’utilisateur peut se connecter librement et charger son corpus en quelques clics. Une lemmatisation à la volée est proposée grâce au lemmatiseur TreeTagger et permet de traiter plusieurs langues parmi lesquelles : Français, Anglais, Italien, Allemand, Portugais … Le logiciel accepte aussi certains formats de données déjà lemmatisées comme ceux fournis par le logiciel CORDIAL par exemple. Ces solutions permettent à la plateforme d’héberger aujourd’hui des bases vitrines multilingues, Français, Portugais, Latin, Grec… qu’il est possible de consulter librement. Un mécanisme de protection par mot de passe est proposé à tous utilisateurs désireux de grader leur corpus privé. La plateforme n’a pas été pensée comme un site communautaire, mais l’hébergement en ligne des données permet néanmoins d’échanger simplement les bases créées par les utilisateurs.

Recherche

Une fois la base créée et sélectionnée, l’utilisateur est invité via une interface type moteur de recherche web, à commencer ses recherches documentaires et/ou statistiques. L’outil se veut intuitif et ergonomique et ne propose pas d’expression régulière complexe, mais un mécanisme de requêtes simplifiées à base de forme graphique, de code grammaticaux et de lemme. Par exemple il est possible de rechercher:

je => la forme graphique « je »

je veux => la forme « je » OU la forme « veux »

« je veux » => l’expression « je veux »

LEM:vouloir => le verbe vouloir

VER:pres => tous les verbes au présent de l’indicatif

??? => n’importe quel mot

« PRO ADV VER » => toutes les expressions caractérisées par la suite de codes

« je LEM:vouloir » « ne ??? pas » « il LEM:falloir » => une suite d’expressions

Ce mécanisme de requête est le même dans toute l’interface et permet aussi bien d’obtenir des résultats de recherche documentaires que des résultats statistiques.

Recherche par LEM

Parmi les fonctions disponibles sur la plateforme, nous avons donc une fonction de recherche documentaire (le point d’entrée de la base – onglet « Recherche »), qui présente les résultats par défaut sous forme de concordancier (avec retour au texte). Une page d’options (présente dans toute l’interface) permet de changer le type résultat pour afficher par exemple un contexte plus large ou encore ne s’intéresser qu’à une certaine catégorie grammaticale.

Analyse des cooccurrences

Nuage de mots

L’analyse de cooccurrences est l’une des autres fonctions principales d’Hyperbase Web. Avec le Theme (onglet « Theme ») Hyperbase propose d’analyser la polycooccurrence et de visualiser dynamiquement les liens qui existent entre les différents mots du corpus. Les outils graphiques mis à disposition pour visualiser les résultats permettent à l’utilisateur de fabriquer leur propre parcours interprétatif à partir des calculs statistiques remontés par la machine.

AFC

Arboré

Enfin la Distribution (onglet « Distribution »), permet de calculer un indice de distance entre les textes du corpus pour les comparer et les classer au moyen d’outil comme l’analyse arborée. Ou encore de projeter via l’Analyse Factorielle des Correspondances une matrice composée de milliers d’entrées issues par exemple du croisement des substantifs les plus fréquents ou encore d’une liste mots saisie par l’utilisateur.

Distribution

Il est possible aussi de redécouper à la volée son corpus pour changer de point vu et faire apparaitre une nouvelle analyse contrastive. Pour y parvenir, Hyperbase propose un mécanisme de métadonnées qui est alimenté au moment de la création de la base via un tableau récapitulatif des textes chargés ou encore à l’intérieur même des textes en utilisant une ligne étoilée déjà utilisée dans certains logiciels comme Iramuteq. Ces métadonnées peuvent être ensuite combinées pour faire apparaitre de nouvelles parties dans le corpus. Par exemple si les métadonnées saisies permettent de retrouver l’année et l’auteur d’un texte, il sera possible de demander à Hyperbase tous les textes d’un auteur d’une certaine période.

En conclusion, Hyperbase web est un outil d’ADT en ligne qui se veut accessible au plus grand nombre. Les outils développés ainsi que mécanisme de recherche ont été pensés pour simplifier au maximum la prise en main de ce genre de logiciel. Les visualisations graphiques modernes permettent d’accompagner l’utilisateur dans l’interprétation de ses données en valorisant la sobriété des résultats tout en s’appuyant sur des méthodes déjà éprouvées (dans la précédente version d’Hyperbase) qui garantissent la qualité des résultats observés.

Laurent VANNI

*

*       *

Références

Hyperbase : http://hyperbase.unice.fr

Mesure du discours (Site qui utilise Hyperbase) : http://mesure-du-discours.unice.fr/

Vanni, A. Mittmann (2016). Cooccurrences spécifiques et représentations graphiques, le nouveau Thème d’Hyperbase,inDamon Mayaffre, Céline Poudat, Laurent Vanni, Véronique Magri, Peter Follette (eds.). JADT 2016 – Statistical Analysis of Textual Data. Presses de FacImprimeur, p. 295-305. <hal-01359413>

Vanni, X. Luong, D. Mayaffre (2014). Arbre et co-occurrences Nouvel outil logométrique sur le net. Application au discours de François Ho,inEmilie Née, Jean-Michel Daube, Mathieu Valette, Serge Fleury (eds.). JADT 2014, p. 639-649. <hal-01196592>

 

Affiche de la séance

cycle-quanti-seminaire-03-affiche-v2

 


Une réflexion au sujet de « Séance 3 du 15 décembre 2016 – Hyperbase Web. Analyse statistique de corpus en ligne »

  1. Ping : Séminaire Les Outils du Quanti en SHS – Programme 2016/2017 | Les outils du quanti en sciences humaines et sociales

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *