Fichiers annexe de mon mémoire de M2 "Mesures de distances syntaxiques entre langues à partir de treebanks"

Scripts

Python

• grew_extract.py : automatise l'extraction de motifs syntaxiques avec grew
• grew_analysis.py : exploite les données précédemment extraites
• plotting.py : visualisation des données sous formes de graphiques

R

• grew_analysis.Rmd : autres types d'analyse des données en R

Graphiques

Ordre des unités (sujet, verbe, objet)

• heatmaps de similarité cosinus entre :

  • toutes les langues
  • tous les treebanks
  • les langues romanes
  • les treebanks de langue romane

• visualisation 2D après Analyse en Composantes Principales (ACP)

  • toutes les langues
  • les langues romanes
  • un échantillon de langues

• Barplot des préférences d'ordre de mot pour les langues romanes

• Corrélation entre ordres de mots

Proportion des linéarisation dépendant-gouverneur pour les couples (objet/verbe, verbe/auxiliaire, adjectif/nom, nom/adposition)

• heatmaps de similarité cosinus entre :

  • toutes les langues
  • tous les treebanks
  • les langues romanes
  • les treebanks de langue romane

• Barplot des ratios de ces linéarisation pour les 4 motifs dans les langues romanes

• Corrélation entre les ratios pour les 4 motifs

• visualisation 2D après Analyse en Composantes Principales (ACP)

  • toutes les langues

Distribution des trigrammes d'étiquettes morpho-syntaxiques

• heatmaps de divergence de Jensen-Shannon entre :
  • toutes les langues
  • tous les treebanks
  • les langues romanes

Données

• comptage pour chaque paramètre étudié

  • par langue
  • par treebank

• matrices de distances pour chaque paramètre étudié

  • par langue
  • par treebank