Le code corrompu…

Après avoir vu en classe les packages « tm » et « mallet » sous R, je me suis lancée pour tenter de produire une analyse à mon tour: allons-y gaiement, me voilà à la recherche des ambassades corrompues dans le corpus de Démosthène. Ça paraît simple en lisant le code qui nous sert de point de départ. Ça l’est moins quand il faut réussir à l’appliquer soi-même. L’idée était de partir d’abord des outils de topic modelling et de corrélation pour trouver un champ de mots associés à l’ambassade, pour ensuite chercher la répartition des mots en question dans le corpus.

L’idée paraissait bonne. Dans la réalisation, il s’est avéré assez frustrant de constater que je n’avais pas toujours les moyens de chercher exactement ce que je voulais, ou alors que mon code ne fonctionnait pas, sans erreur apparente.
Par exemple, le topic modelling qui réduit le corpus à 43 topics est intéressant, mais je ne peux pas, avec les outils que j’ai pour l’instant, lui demander de me créer un topic en particulier autour d’un mot de mon choix. Je ne peux pas non plus, pour l’instant, effectuer de recherche au sein de mes topics pour voir où apparaissent les mots que je recherche. Le manque de temps pour rechercher dans la documentation R les fonctionnalités qui me manquent ne me permet pas de terminer l’exercice aussi proprement que je l’espérais. Mais je compte bien creuser la question pour mon mémoire de recherche, qui nécessitera probablement que je trouve des solutions aux problèmes qui se sont posés à moi lors de cet exercice.

En attendant, voilà ce que j’ai pu tirer de mes expérimentations laborieuses:
– Grâce au topic modelling, j’ai pu trouver que les mots les plus associés à l’ambassade et aux ambassadeurs sont Eschine, Philippe, la paix et les Phocéens.
screen-shot-2016-12-16-at-10-14-42
screen-shot-2016-12-16-at-10-14-20
– La recherche de corrélation n’a rien donné, dans la mesure où le résultat est systématiquement 0. Il doit y avoir une erreur dans code, que je n’ai pas su résoudre.
– La recherche ensuite de la répartition des mots dans le corpus est assez mitigée. Parfois ça fonctionne, et parfois non, sans raison apparente. Même après relecture dans le détail du code, rien ne m’a permis de résoudre le problème. La plupart des graphiques sont donc vides, seuls un ou deux donnent des résultats quelque peu significatifs.
screen-shot-2016-12-12-at-16-43-00screen-shot-2016-12-16-at-10-12-24screen-shot-2016-12-16-at-10-12-34screen-shot-2016-12-16-at-10-12-46

En conclusion: cette analyse n’est clairement pas utilisable en l’état, mais R ouvre de belles possibilités. Il m’a vraiment manqué, pour cet exercice, le temps d’aller au bout de ce que je voulais faire, le temps d’aller chercher les moyens qui me manquent, et, en partie, la patience d’aller minutieusement pinailler chacune des possibles erreurs que contient mon code.


Laisser un commentaire

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