Text mining

Découvrir comment décrire, comparer, classer, analyser des ensembles de textes.Il peut s'agir de textes littéraires, scientifiques (bibliométrie, recherche documentaire), économiques, sociologiques (réponses aux questions ouvertes dans des enquêtes socioéconomiques, entretiens divers en marketing, psychologie appliquée, pédagogie, médecine), de textes historiques, politiques…
 

Introduction
✓ Présentation de l’analyse statistique textuelle
✓ Domaines d’application
✓ Exemples d’utilisation
✓ Présentation du logiciel de traitement

Importation des données
✓ Les diverses natures et sources de données textuelles utilisables
✓ Procédures d’importation selon la nature des données
✓ Exemples d’importation

Codification : du texte brut au tableau statistique
✓ Données textuelles et données contextuelles
✓ Création du tableau lexical : la création des documents
✓ Prétraitement des données textuelles (mise en forme, lemmatisation)
✓ Dictionnaire des termes

Analyse descriptive
✓ Calcul de la fréquence de mots : identifier les termes ou concepts les plus récurrents
✓ Bilan lexical par document, par variable de contexte
✓ Table de dissimilarité entre documents ou entre modalités de variable contexte
✓ Spécificités : termes sur- ou sous-représentés dans une modalité d’une variable de contexte
✓ Co-occurrences : termes spécifiques des documents qui contiennent un terme donné.
✓ Contexte dans lequel un mot est cité, permet d’éclairer le sens du texte
✓ Nuage de mots (« word_cloud ») 

Analyse multidimensionnelle
✓ Permet de révéler le sens profond des données textuelles et de synthétiser l’information contenue dans les données
✓ Analyse factorielle des correspondances (Examen multidimensionnel du lien des termes entre eux, avec les documents et avec les variables de contexte)
✓ Classification ascendante hiérarchique des documents en groupes homogènes au regard des termes et des variables de contexte

Traitement complet d’un exemple réel