T-LAB Home
T-LAB PLUS 2019 - AIDE EN LIGNE Prev Page Prev Page
T-LAB
Introduction
Ce que T-LAB fait et ce qu' il vous permet de faire
Conditions requises et performances
Préparation du Corpus
Préparation du Corpus
Critères Structuraux
Critères Formels
Fichier
Importer un unique fichier...
Préparer un Corpus (Corpus Builder)
Ouvrir un Project Existant
Configurations d'Analyse
Configurations Automatiques Personalisées
Personnalisation du Dictionnaire
Analyse des Co-occurrences
Associations de Mots
Analyse des Mots Associés et Cartes Conceptuelles
Comparaisons entre paires de Mots-Clés
Analyse des Séquences et Analyse des Réseaux
Concordances
Analyse Thématiques
Analyse Thématique des Contextes Élémentaires
Modélisation des Thèmes Émergents
Classification Thématique des Documents
Classification Basée sur ded Dictionnaires
Contextes Clé de Mots Thématiques
Analyses Comparatives
Analyse des Spécificités
Analyse des Correspondances
Analyse des Correspondances Multiples
Classification (Cluster Analysis)
Décomposition en Valeurs Singulières
Outils Lexique
Text Screening / Désambiguïsations
Vocabulaire du Corpus
Liste de Mots vides
Listes de Locutions
Segmentation de Mots
Autres Outils
Variable Manager
Recherche Avancée dans le Corpus
Tableaux de Contingences
Editeur
Glossaire
Analyse des Correspondances
Chaînes de Markov
Chi-Deux
Classification (Cluster Analysis)
Codage
Contextes élémentaires
Corpus et Sous-ensembles
Désambiguïsation
Document Primaire
Graph Maker
Homographes
IDnumber
Index d'Association
Isotopie
Lemmatisation
Lexie et Lexicalization
MDS
Mots-Clés
Mots et Lemmes
Multiwords
N-grammes
Naïve Bayes
Normalisation
Noyaux Thématiques
Occurrences et Cooccurrences
Polarités Factorielles
Profil
Seuil de Fréquence
Spécificités
Stop Word List
Tableaux de Données
Unité d'Analyse
Unité de Contexte
Unité Lexicale
TF-IDF
Valeur-Test
Variables et Modalités
Bibliographie
www.tlab.it

Chaînes de Markov


Une chaîne markovienne (du nom du mathématicien russe Andrei Andreiëvich Markov) est constituée d'une succession (ou séquence) d'évènements, généralement indiqués comme états, caractérisée par deux propriétés:

- l'ensemble des évènements et de leurs issues possibles est fini;
- l'issue de chaque évènement dépend seulement (ou au maximum) de l'évènement immédiatement précédent.

Avec la conséquence qu' une valeur de probabilité correspond à chaque transition d'un évènement à l'autre.

Dans le domaine scientifique, le modèle des chaînes markoviennes est utilisé pour analyser les successions d'évènements économiques, biologiques, physiques, etc. Dans le domaine des études linguistiques ses applications ont pour objet les combinaisons possibles des diverses unités d'analyses sur l'axe des relations syntagmatiques (l'une après l'autre).

Dans T-LAB l'analyse des chaînes markoviennes concerne deux types de séquences:

" celles concernant les relations entre unités lexicales (mots, lemmes ou catégories) présentes dans le corpus en analyse;
" celles présentes dans des fichiers externes préétablis par l'utilisateur.

Dans les deux cas, en premier lieu sont constitués des tableaux carrés dans lesquels sont reportées les occurrences des transitions, c'est-à-dire des quantités qui indiquent le nombre de fois qu'une unité d' analyses précède (ou suit) l'autre. Successivement, les occurrences des transitions sont transformées en valeurs de probabilité (voir image suivante).


Pour plus d'informations voir Analyse des Séquences.