IRaMuTeQ
IRaMuTeQ extension de R
Introduction
IRaMuTeQ est une interface de R proposant plusieurs outils d’analyse, dans le but d’analyser sur des corpus et des matrices. Dans cette page, pour le moment nous nous intéressons plutôt aux corpus dans le cadre de text mining plutôt que des matrices.
Cette interface propose les différents outils suivants intéressant pour le text mining:
- Mise en forme du texte (Nettoyage du texte, lemmatisation, clé d’analyse…)
- Analyse statistique textuel
- Spécificité et AFC
- Classification méthode de Reinert
- Analyse de similitude
- Nuage de mots
- Réédition graphique
Ce qui est bien pratique, c'est que l'interface fait tout toute seule.
Installation
- Il faut installer IRaMuTeQ disponible sur http://sourceforge.net/projects/iramuteq/.
- Il faut parfois indiquer le chemin où se trouve R : >Edition> Préférence
- Parfois pour faire tourner l'interface, certaines bibliothèques sont nécessaire pour exécuter certaines fonctionnalité.
- Pour les courageux IRaMuTeQ vous dit lesquels
- Pour les fénéants (comme moi) il propose de les installer lui même (il ouvre le shell pour installer les bibliothèques)
Analyse de Corpus
Importer un corpus
Pour importer un fichier texte, il faut :
- qu'il soit en format texte brut ( .txt)
- qu'il y ait au début du texte 4 étoiles ****
- contenir une variable de type : *var_1
Procédure
Fichier> importer un corpus
L'interface propose d'office de nettoyer le texte :
- Des préférence générales (attention le choix de la langue est importante car c'est le lien avec le dictionnaire)
- Des options de nettoyage
ce qui permet de mettre en forme le texte.
Mise en forme du texte
ATTENTION IRaMuTeQ est une interface sensible à la case (Chat ≠ chat). Les textes doivent être nettoyés pour qu’ils soient correctement analysés.
Nettoyage du texte
Mais IRaMuTeQ dispose d’un outil bien pratique permettant de nettoyé les textes.
- Passer le corpus en minuscule : ceci supprime les problèmes de case (sélectionner d'office)
- Retirer les caractères en dehors de cette liste : retire les caractères cité (sélectionner d'office)
- Remplacer des appostrophe par des espaces (sélectionner d'office)
- Remplacer des tirets par des expaces (sélectionner d'office)
- Conserver la ponctuation (pas sélectionner d'office, mais fortement conseiller dans la documentation)
- Pas d’espaces entre deux formes : ceci permet d'effacer les espaces entre les mots.
Et voilà, on est prêt à travailler sur le texte !
Lemmatisation
(Attention il faut bien sélectionner la langue du corpus)
L'interface propose aussi un outil de lemmatisation. Ce dernier permet de transformer les verbes à l’aide d’un dictionnaire :
- De mettre tous les verbes à l’infinitif
- Les noms au singulier
- Les adjectifs au masculin singulier
Cette option est automatiquement proposée à l'exécution de chaque calcul statistique par une boîte de dialogue.
Clé d’analyse
L’interface propose aussi de définir certaines clés d’analyse. En effet, dans certains contexte il n’est pas nécessaire de considérer l’ensemble des catégories grammaticales (surtout les mots outils) et donc il est possible de les modifier la sélection un paramètre (forme active ou supplémentaire).