Accueil BaO1 BaO2 BaO3 BaO4

BOITE A OUTILS 4

Création des graphes de cooccurrences

La principale tâche de la 4ème boîte à outils est de construire des graphes de liens entre les mots issus de la 3ème boîte à outils. L'annotation par TreeTagger pour plusieurs langues est largement utilisée dans le domaine du TAL. Pour soutenir un étiqueteur moins connu j'ai donc décidé de réaliser la 4ème boîte à outils sur les expresssions extraites de Talismane avec Perl.

Sujets des rubriques

L'ordre de la présentation des rubriques: 3208, 3210, 3214, 3246
  • Rubrique 3208





    • Quatre sujets principaux sont apparu le plus souvent sur la couverture du journal Le Monde.
    Comme on peut le constater par les expressions: premier ministre, président américain, président français, projet de loi de financement, etc., les sujets de politique dominent la une du Monde. La fin de l'année 2018 va entrer dans l'histoire de France comme le début des manifestations des gilets jaunes, ce qu'on voit sur la couverture du journal. L'expression réseau(x) social(-aux) a dû évoqué la protection des données personnelles sur Facebook. Et, enfin, on retrouve que le sujet de l'aggression sexuelle a aussi été fréquent l'année dernière.

  • Rubrique 3210





    • La rubrique internationale est entièrement consacrée à la politique et aux relations internationales. En comparant avec les résultats de la rubrique 3208, on peut conclure que la rubrique 3210 apparait plus souvent que d'autres rubriques à la une.
    P.S. Depuis son mandat en 2017 Donald Trump reste toujours le sujet préféré des journalistes.

  • Rubrique 3214





    • Comme précédemment le sujet le plus important est la politique. Cette rubrique relève les sujets internes de l'Europe (Comission européenne, chancelière allemande, 600 migrants, etc.) mais aussi externes, tels que les relations de l'Union Européenne avec d'autres pays (président turc, président russe, et maintenant avec l'Angleterre ministre britannique).

  • Rubrique 3246





    • Les patrons extraits de la rubrique Culture sont représentés par les expressions ayant le lien avec la vie culturelle. De nouveau, les sujets de l'aggression sexuelle et des réseaux sociaux apparaissent dans cette rubrique. Le printemps de l'année 2018 a été marqué par de nouvelles manifestations d'étudiants contre la sélection dans l'enseignement supérieur. L'expression Mai 68 nous rappelle des grandes manifestations des étudiants de cette année-là.

    Graphes de cooccurrences

    Les graphes de cooccurences ont été réalisés grâce à un programme (fourni par M.Fleury et M.Daube). Le programme prend en entrée l'encodage, les fichiers au format .txt avec des patrons et avec le motif à rechercher. En sortie on obtient le réseau des cooccurrences du motif recherché. Pour lancer ce programme depuis la ligne de commande:

    patron2graphe.exe "utf-8" *fichier_de_patrons.txt* *motif.txt*


  • Président
    • La première idée pour procéder à l'analyse des données a été de rechercher les mots les plus fréquents. Pour la rubrique 3208, j'ai donc commencé par le mot "président":

    3208

    Effectivement, ceci n'a pas été une bonne idée. On voit que le motif est souvent associé avec l'adjectif de nation ou avec l'adjectif indiquant le statut du président: actuel, nouveau, ancien. Dans le réseau on observe également les mots concernant la politique: élection, engagement, mandat, etc.
  • Climat & environnement
    • Pour trouver quelque chose de plus intéressant, j'ai essayé de choisir les mots qui ont caractérisé l'année 2018 ou qui peuvent être intéressants à voir au sein d'une rubrique. Les derniers temps le sujet de l'environnement est souvent évoqué. Ainsi, j'ai fait la recherche sur les mots "climat" et "environnement" :
    3208

    3208

    Les deux réseaux de cooccurrences montrent le même résultat. Le Monde évoque les problèmes enviromentaux tels que le rechauffement climatique, les dégâts faits à la nature, les risques pour la santé, etc. De plus, le graphe reflète les mots comme enjeux, objectifs, négociations qui probablement parlent des solutions éventuelles.
  • Futur
    • Etonnement, le mot "futur" donne des résultats intéressants :
    3208

    Ce motif est souvent associé aux futurs projets du gouvernement (loi, autoroute, réforme, projet). Mais également aux projets passés: les mots médecins, practiciens parlent de l'augmentation du numerus clausus de médecine.
  • Arme
    • 3210

    Dans ce réseau on retrouve les mots indiquant les différents types d'arme (chimique, nucléaire, automatique). D'un côté, on voit le champ lexical de la vente d'arme (contrebande, vente, commande). Et, d'un autre côté, il y a le lexique de désarmement. De plus, le motif est associé avec les mots comme violence.
  • Crise
    • 3210

    Selon le journal la crise touche toutes les sphères de la vie. Ici, on retrouve les crises économique, régionale, européenne, interne, électorale, gouvernementale, économique, financière, politique, ainsi que les crises de différents pays.
  • Russe

    • "On a de la chance de travailler sur l'année 2018 !" - me disais-je. En espérant qu'avec la Coupe Mondiale de Football qui a eu lieu en Russie et qui surtout s'est bien passé pour la France, l'image de Russie pourrait enfin être moins négative.
    3214

    Hélas, l'affaire de Scripal au Royaume-Uni semble être plus important que le Championnat du Monde pour un journal français. En analysant ce graphe, on se croyait en plein roman policier: espionnage, espions, agents, enquêteurs... Les agents secrets russes ne sont pas que parmi nous, ils se trouvent aussi sur Internet: cyberguerre, hackeurs . On continue cette pluie d'éloges sur la Russie par le champ lexical "militaire" représenté par les patrons: bombardements, forces, armée.
    Mais qu'est-ce que l'expression "peste russe" veut dire? *
    Probablement, si lors de la 3ème boîte à outils nous avions extrait des entités nommées, qui sont annotées par la balise on aurait pu avoir plus de chance de voir une meilleure image de Russie.
    Je n'ai pas perdu l'espoir de trouver une information positive, j'ai donc recherché "russe" dans la rubrique Culture:
    3246
    Bingo! Enfin, on retrouve des mots positifs concernant la vie culturelle qui sont associés avec la Russie: littérature, réalisateur, théâtre, orchestre, écrivane violoniste, etc.

  • Britannique

    • Brexit comme Donald Trump ne quitte pas les pages de journaux en France. Afin d'analyser ce sujet, j'ai fait la recherche du motif "britannique":
    3214
    Deux sujets principaux évoqués dans ce réseau de cooccurences sont: le royaume (couronne, trône) et la politique (eurodéputés, parlementaires, parlement, gouvernement, etc.). Le dernier éventuellement parle de Brexit. La recherche direct du mot "Brexit" n'a donné aucun résultat.
    * "Peste russe" fait la référence à un dessin anime "Macha et Michka", où Macha est une petite fille espiègle.

    CONCLUSION

    Pour le projet du 1er semestre nous avons effectué une tâche quasiment identique mais avec un autre traitement de données. En comparant les deux projets, on peut conclure qu'il est plus facile d'extraire l'information linguistique des données complètes. L'analyse linguistique sur les patrons a au moins un avantage, on obtient l'information concrète, ce qui nous économise le temps. Mais voyons-nous l'image entière?
    On nous a appris que trois des principales qualités d'un programmeur sont la paresse, l'impatience et l'orgueil. Au cours de ce projet, j'ai découvert une autre - la possibilité de regarder autrement. On ne peut pas savoir en avance quel genre de problèmes on peut rencontrer lors de la création du script. Mais une fois qu'il est écrit, il faut essayer de le tester sous différents angles pour pouvoir l'adapter, l'améliorer et anticiper les futures questions.
    En conclusion, si je pouvais faire un souhait pour les étudiants à venir, ce serait d'avoir aucune réponse à la recherche de ce motif.