README.md 6.92 KB
Newer Older
1
2
3
4
5
L’espace sémantique du DES et les méthodes de regroupement de sens : l’exemple de sec
=====================================================================================

Introduction
------------
Laurette Chardon's avatar
Laurette Chardon committed
6

Laurette Chardon's avatar
Laurette Chardon committed
7
Ce dépôt est en relation avec la publication [L’espace sémantique du "Dictionnaire électronique des synonymes" (DES) et les méthodes de regroupement de sens : l’exemple de SEC](https://halshs.archives-ouvertes.fr/halshs-03155459) dans la revue [Syntaxe et Sématique](https://www.unicaen.fr/puc/html/spipe3fc.html?rubrique55=).
Laurette Chardon's avatar
Laurette Chardon committed
8

9
10
11
12
13
A partir de l'extraction de la base de donnée sous forme d'un fichier texte, nous extrayions les relations concernant le mot SEC et tous ses synonymes, puis nous créons la matrice d'adjacence et enfin un graphe selon la librairie igraph.
Ensuite nous utilisons les différentes méthodes de regroupement que propose cette librairie et en affichons les graphiques correspondants.

Extraction
----------
Laurette Chardon's avatar
Laurette Chardon committed
14

Laurette Chardon's avatar
Laurette Chardon committed
15
Le fichier d'extraction de la base de données du DES (syno_paires_<mois><annee>.txt est accessible via un contrat de prêt pour la recherche, contacter crisco.webestre @ unicaen.fr)se présente sous cette forme  :
Laurette Chardon's avatar
Laurette Chardon committed
16

Laurette Chardon's avatar
Laurette Chardon committed
17
    mot1    mot2    [0|1]
Laurette Chardon's avatar
Laurette Chardon committed
18
19
20
21
22

Les lignes sont triées sur mot1 puis  mot2 dans l'ordre alpabétique.

Pour sec, avec ce code :

Laurette Chardon's avatar
Laurette Chardon committed
23
    fichier = open (path+"syno_paires_mars2020.txt","r",encoding="iso-8859-1")
Laurette Chardon's avatar
Laurette Chardon committed
24
25
26
27
28
29
30
31
    listemots.append(mot)
    for ligne in fichier:
        #print('ligne',ligne)
        i1=ligne.index("\t")
        mot1=ligne[0:i1]
        ligne=ligne[i1+1:]
        i2=ligne.index("\t")
        #print('i2',i2)
Laurette Chardon's avatar
Laurette Chardon committed
32
    
Laurette Chardon's avatar
Laurette Chardon committed
33
34
35
36
37
38
        mot2=ligne[0:i2]
        #print('mot1-',mot1,'-mot2-',mot2,'-')
        if (mot == mot1): # si le 1er mot de la ligne est celui qu'on cherche
            listemots.append(mot2)
    fichier.close()
    return(listemots)
Laurette Chardon's avatar
Laurette Chardon committed
39

Laurette Chardon's avatar
Laurette Chardon committed
40
nous allons avoir :
Laurette Chardon's avatar
Laurette Chardon committed
41

Laurette Chardon's avatar
Laurette Chardon committed
42
43
44
    >>> listemots
    ['sec', 'abrupt', 'acerbe', 'aigre', 'anhydre', 'aride', 'asséché', 'austère', 'autoritaire', 'blessant', 'bourru', 'bref', 'brusque', 'brutal', 'cassant', 'concis', 'cru', 'desséchant', 'desséché', 'dur', 'décharné', 'déplaisant', 'désagréable', 'désargenté', 'désertique', 'désobligeant', 'efflanqué', 'endurci', 'essuyé', 'fauché', 'ferme', 'froid', 'glacial', 'glacé', 'improductif', 'impécunieux', 'indifférent', 'ingrat', 'insensible', 'maigre', 'maigrelet', 'osseux', 'pauvre', 'pincé', 'pur', 'racorni', 'raide', 'rebutant', 'revêche', 'rigide', 'rogue', 'rude', 'rébarbatif', 'sans-coeur', 'seul', 'simple', 'squelettique', 'stérile', 'séché', 'sécot', 'sévère', 'tranchant', 'vide', 'âpre', 'égoïste', 'émacié', 'étique', 'étriqué']
    >>>
Laurette Chardon's avatar
Laurette Chardon committed
45

Laurette Chardon's avatar
Laurette Chardon committed
46
Pour chacun des synonymes de sec ci-dessus, nous extrayions du fichier les lignes où mot1 et mot2 sont synonymes de SEC.
Laurette Chardon's avatar
Laurette Chardon committed
47

48
49
50
Création de la matrice d'adjacence
----------------------------------

Laurette Chardon's avatar
Laurette Chardon committed
51
52
Pour créer la matrice d'adjacence, nous utilisons ce code :

Laurette Chardon's avatar
Laurette Chardon committed
53
    fichier = open (path+"syno_paires_mars2020.txt","r",encoding="iso-8859-1")
Laurette Chardon's avatar
Laurette Chardon committed
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
    for ligne in fichier:
        i1=ligne.index("\t")
        mot1=ligne[0:i1]
        ligne=ligne[i1+1:]
        i2=ligne.index("\t")
        mot2=ligne[0:i2]
        i1=0
        for m1 in lm: # on compare le mot lu à la vedette et à tous ses synonymes 
            if (m1 == mot1):
                #print(i1,'-',m1,'-',mot2)
                MatAdj[i1][i1]=1 # chaque synonyme de la vedette est synonyme de lui-même (diagonale)
                #print(i1,'-',m1,'-',i1,'-',m1,'- à garder')
                i2=0
                for m2 in lm:
                    if (m2 == mot2):
                        print(i1,'-',m1,'-',i2,'-',m2,'- à garder')
                        MatAdj[i1][i2]=1
                    i2=i2+1
            i1=i1+1
    #MatAdj[5]=6
    return(MatAdj)

et obtenons la matrice suivante :

Laurette Chardon's avatar
Laurette Chardon committed
78
79
80
81
    >>> MatAdj
    array([[0, 1, 1, ..., 1, 1, 1],
           [1, 0, 1, ..., 0, 0, 0],
           [1, 1, 0, ..., 0, 0, 0],
Laurette Chardon's avatar
Laurette Chardon committed
82
83
84
85
           ...,
           [1, 0, 0, ..., 0, 1, 0],
           [1, 0, 0, ..., 1, 0, 0],
           [1, 0, 0, ..., 0, 0, 0]])
Laurette Chardon's avatar
Laurette Chardon committed
86
87
88
89
    
    >>> MatAdj.shape
    (68, 68)
    >>>
Laurette Chardon's avatar
Laurette Chardon committed
90
91
92

Sur [l'interface publique](https://crisco2.unicaen.fr/des/synonymes/sec), SEC a bien 67 synonymes + lui-même. La matrice d'adjacence a 68 lignes et colonnes

93
94
95
Création du graphe avec igraph
------------------------------

Laurette Chardon's avatar
Laurette Chardon committed
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
    np.fill_diagonal(MatAdj,0) # on remplit la diagonale de 0 -> éviter les arêtes sur les sommets
    G=igraph.Graph.Adjacency(MatAdj.tolist(),"MAX")    
    
    G.vs["name"]=listemots # On ajoute à chaque sommet un intitulé
    
    #On ajoute au libellé du sommet le nombre de liens qu'il a
    labels=[]
    for i in listemots:
      ind=listemots.index(i)
      labels.append(str(i+" "+str(G.vs[ind].degree())))
    
    
    # SizeMarkers mémorise le diamètre de chaque sommet en fonction du nombre de liens
    SizeMarkers=G.vs.degree()
    
    # SizeLine mémorise la taille de chaque lien entre 2 sommets e[0] ete[1] proportionnelle au nombre de chemins existants pour aller de l'un à l'autre
    SizeLine=[]
    for e in G.get_edgelist():
        SizeLine.append(G.edge_connectivity(e[0],e[1]))
    
    # les paramètres d'affichage
    visual_style3 = {}
    visual_style3["vertex_label"] = labels
    visual_style3["margin"] = 40
    #visual_style3["vertex_color"]="#33FFF3"
    #visual_style3["vertex_color"]='red'
    visual_style3["vertex_label_size"]=12
    visual_style3["vertex_size"]= [i*2 for i in SizeMarkers]
    visual_style3["vertex_label_dist"]=1
    #visual_style3["vertex_label_color"]="red"
    visual_style3["bbox"] = (1000, 1000)
    visual_style3["edge_color"]="gray" # couleurs prédéfinies : brown, gray ... cf http://www.proftnj.com/RGB3.htm
    visual_style3["edge_width"] = [i/8 for i in SizeLine]
    visual_style3["title"] = "Mot : "+ mot.upper()
    visual_style3["legend"] = "Mot : "+ mot.upper()

Les différents algorithmes
Laurette Chardon's avatar
Laurette Chardon committed
133
134
--------------------------

Laurette Chardon's avatar
Laurette Chardon committed
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
    comms = G.community_multilevel()
    igraph.plot(comms,  mot+"-multilevelNoMarkGroups.svg", **visual_style3)
    
    comms = G.community_infomap()
    igraph.plot(comms,  mot+"-infomapNoMarkGroups.svg", mark_groups = False, **visual_style3)
    
    
    comms = G.community_fastgreedy()
    visual_style3["vertex_size"] = 2*igraph.degree(G3)
    igraph.plot(comms,  mot+"-fastgreedy.svg", mark_groups = True, **visual_style3)
    
    
    comms = G.community_leading_eigenvector(clusters=6)
    igraph.plot(comms,  mot+"-leading-eigenvector.svg", mark_groups = True, **visual_style3)
    
    comms = G.community_walktrap()
    igraph.plot(comms,  mot+"-walktrap.svg", palette="red", **visual_style3)
    
    comms = G.community_optimal_modularity() # très long ... 
    igraph.plot(comms,  mot+"-optimal_modularity.svg", mark_groups = True, **visual_style3)
    
    
    comms=G.community_spinglass()
    igraph.plot(comms,  mot+"-spinglassNoMarkGroups.svg", mark_groups = False, **visual_style3)
    
    comms=G.community_edge_betweenness()
    igraph.plot(comms,  mot+"-edge_betweenness.svg", mark_groups = True, **visual_style3)