rundimeco / analyse-stylometrique_dumas-feval

Expérience sur le corpus Dumas-Féval

Ce projet s'inscrivait dans le cadre du mémoire de M2 d'Anaëlle Baledent,

Le dossier code contient les scripts utilisé, le sous dossier data contient le corpus déjà taggé

Prérequis

Pour l'étiquetage du Corpus:

• Java -
• Stanford tagger - Étiqueteur morphosyntaxique

POur le reste :

• Python3 -
• NLTK -
• Numpy -
• Scikit-Learn - Classification non-supervisée
• Scipy - Dendrogramme
• Mathplotlib - Affichage des graphiques

POur reproduire simplement le clustering

Réf : article Phraseorom: Automatic Stylistic Analysis: a search for efficient and interpretable descriptors to characterize individual writing style

python3 01_extract_pattern.py

python3 02_get_frequences.py

python3 06_tests_clustering.py

Préparation du corpus

Chapitres : for i in corpus/*/* ; do python cut_chapter.py $i ; done

Format des données

Le corpus doit être au format brut .txt.

Stanford

settings.json doit contenir : base : le répertoire du stanford tagger jarname: le nom du fichier jar On peut s'inspirer de settings.json.example

python Stanford_Corpus.py expe_Dumas_feval/corpus2/Dumas/acte_chapter1.txt

for i in expe_Dumas_feval/corpus2/*/* ; do python Stanford_Corpus.py $i ; done

À titre indicatif, le temps d'éxécution est le suivant :

# lignes	Temps d'exécution
10	0m12.364s
100	1m13.538s
1000	12m53.592s

Extraction des séquences syntaxiques

python3 01_extract_pattern.py python3 02_get_frequences.py patterns/patt_dumas_feval_min\=4_max\=5.json

Pour obtenir les fréquences, il faut lancer cette ligne :

Loi de Zipf

Séquences discriminantes

python3 03_get_GR.py python3 04_patt_to_corpus.py res_minsupp\=200 retour_au_texte_min\=4_max\=5.json

Exemples

Classification non supervisée

python3 06_tests_clustering.py patterns/patt_dumas_feval_min\=4_max\=5.json_freq.json

Dendrogramme

pythonw 07_tests_dendogram.py patterns/patt_dumas_feval_min\=4_max\=5.json_freq.json

##Travail sur les cChapitres

python 01_extract_pattern.py python 02_get_frequences.py patterns/patt_dumas_les-trois-mousquetaires_min\=4_max\=5.json python3 06_tests_clustering.py patterns/patt_dumas_les-trois-mousquetaires_min\=4_max\=5.json_freq.json b

Authors

• Anaëlle BALEDENT - AnaelleBaledent
• Gaël LEJEUNE - rundimeco

License

This project is licensed under the MIT License - see the LICENSE.md file for details

Acknowledgments

• Hat tip to anyone whose code was used

analyse-stylometrique_dumas-feval