Annexe 26

• Annexes
  • Liste des annexes
  • Annexe 1
  • Annexe 2
  • Annexe 3
  • Annexe 4
  • Annexe 5
  • Annexe 6
  • Annexe 7
  • Annexe 8
  • Annexe 9
  • Annexe 10
  • Annexe 11
  • Annexe 12
  • Annexe 13
  • Annexe 14
  • Annexe 15
  • Annexe 16
  • Annexe 17
  • Annexe 18
  • Annexe 19
  • Annexe 20
  • Annexe 21
  • Annexe 22
  • Annexe 23
  • Annexe 24
  • Annexe 25
  • Annexe 26
  • Annexe 27
  • Annexe 28
  • Annexe 29
  • Annexe 30
  • Annexe 31
  • Annexe 32
  • Annexe 33
  • Annexe 34
  • Annexe 35
  • Annexe 36
  • Annexe 37
  • Annexe 38
  • Annexe 39
  • Annexe 40
  • Annexe 41
  • Annexe 42
  • Annexe 43
  • Annexe 44
  • Annexe 45
• http://leblanc.jeanmarc.free.fr/
• Blog de Textopol

Connexion des vocabulaires

Examinons donc pour un instant la distance sur V de la partition locuteur afin d’illustrer le calcul. Sur cinq parties les sorties résultats font figurer les détails, ce qui n’est plus possible sur la partition en textes qui représente 43 parties. La distance séparant les textes du général de Gaulle de ceux de Pompidou devrait donc se calculer comme suit, sachant que les occurrences et les vocables se répartissent ainsi :

Occurrences et vocables par partie, données produites par Hyperbase

On ne s’étonnera pas que les données soient quelque peu différentes de celles affichées en début de chapitre, qui étaient établies par Lexico 3. Les normes de segmentation, les décomptes sont parfois différents. Disposant d’un dictionnaire, Hyperbase est insensible à la casse. L’usage est donc d’y intégrer des textes en respectant leur casse originale, c’est même préférable si l’on souhaite considérer les noms propres. Nous avons donc intégré notre corpus en respectant cette convention. Sous Lexico, on préfèrera souvent intégrer un corpus dont la casse serait réduite aux minuscules, dans un souci d’homogénéité. Sans cette précaution les formes sont comptabilisées autant de fois qu’elles présentent de graphies différentes, engendrant une distorsion des décomptes généraux, même si lors d’examens plus ponctuels, les groupes de formes, types généralisés, recherches de motifs au moyen d’expressions rationnelles permettent de contourner en partie cette difficulté. Sauf indications contraires, le corpus soumis à Lexico 3 sera réduit à sa casse minuscule, les caractères accentués minutieusement vérifiés. Deux états d’un même corpus, deux normes de segmentation différentes, d’éventuelles différences de délimiteurs, voilà qui peut expliquer ces variations quantitatives. On ne s’étonnera pas non plus de la terminologie: vocables sous Hyperbase, formes sous Lexico, les deux termes désignant le vocabulaire, c’est-à-dire le nombre de mots différents, par opposition aux occurrences qui se rapportent à la taille des corpus.

Effectifs des formes communes

Nombre de formes privatives

La taille du vocabulaire de a (De Gaulle) est donc de 2389, le vocabulaire de b (Pompidou) de 886. L’effectif des formes communes (ab) étant de 514. Ces données posées, la distance se calcule comme suit :

d= ((2389 – 514)/2389 + (886 – 514) / 886)

d= 1875 / 2389 + 372 / 886

La distance d sera donc égale à la somme des quotients soit d = 0.784 + 0.419 = 1.203