T-LAB Home
T-LAB 10.2 - HELP ON-LINE Prev Page Prev Page
T-LAB
Introduzione
T-LAB: cosa fa e cosa consente di fare
Requisiti e Prestazioni
Preparazione del Corpus
Preparazione del Corpus
Criteri Strutturali
Criteri Formali
File
Importare un singolo file...
Preparare un Corpus (Corpus Builder)
Aprire un Progetto Esistente
Impostazioni di Analisi
Impostazioni Automatiche e Personalizzate
Personalizzione del Dizionario
Analisi delle Co-occorrenze
Associazioni di Parole
Co-Word Analysis e Mappe Concettuali
Confronti tra Coppie
Analisi delle Sequenze e Network Analysis
Concordanze
Co-occurrence Toolkit
Analisi Tematiche
Analisi Tematica dei Contesti Elementari
Modellizazione dei Temi Emergenti
Classificazione Tematica di Documenti
Classificazione Basata su Dizionari
Testi e Discorsi come Sistemi Dinamici
Analisi Comparative
Analisi delle Specificità
Analisi delle Corrispondenze
Analisi delle Corrispondenze Multiple
Cluster Analysis
Singular Value Decomposition
Strumenti Lessico
Text Screening / Disambiguazioni
Vocabolario
Stop-Words
Locuzioni e Multi-Words
Segmentazione delle parole
Altri Strumenti
Gestione Variabili e Modalità
Ricerca Avanzata nel Corpus
Classificazione di Nuovi Documenti
Contesti Chiave di Parole Tematiche
Esportare Tabelle Personalizzate
Editor
Importare-Esportare una lista degli Identificativi
Glossario
Analisi delle Corrispondenze
Catene Markoviane
CHI quadro
Cluster Analysis
Codifica
Contesto Elementare
Corpus e Sottoinsiemi
Disambiguazione
Documento Primario
Forma e Lemma
Graph Maker
IDnumber
Indici di Associazione
Isotopia
Lemmatizzazione
Lessia e Lessicalizzazione
MDS
Multiwords
N-grammi
Naïve Bayes
Normalizzazione del Corpus
Nuclei Tematici
Occorrenze e Co-occorrenze
Omografia
Parole Chiave
Polarità fattoriali
Profilo
Soglia di Frequenza
Specificità
Stop Word List
Tabelle Dati
TF-IDF
Unità di Analisi
Unità di Contesto
Unità Lessicale
Valore Test
Variabili e Modalità
Bibliografia
www.tlab.it

Contesti Chiave di Parole Tematiche


Questo strumento T-LAB può essere usato per due diversi scopi:

A) estrarre insiemi di unità di contesto che permettono di approfondire il valore tematico di specifiche parole-chiave;
B) estrarre le unità di contesto che risultano le più simili a testi campione proposti dall'utilizzatore.

Passo dopo passo, le rispettive procedure sono le seguenti:


Caso (A)


A differenza della
funzione Concordanze, che consente di estrarre tutti i contesti elementari in cui sono presenti (occorrenze) le singole parole chiave selezionate , e della funzione Associazioni di Parole, che consente di estrarre i contesti elementari in cui le parole chiave selezionate sono "in coppia" con altre parole (co-occorrenze binarie), questo strumento consente di estrarre i contesti elementari in cui la parola selezionata è significativamente associata con un gruppo di altre parole (co-occorrenze multiple) che definiscono il suo ambito tematico.

Il suo funzionamento è il seguente:

1- l'utilizzatore sceglie una parola tematica "X" (vedi "lavoro" nell'immagine seguente);
2- T-LAB propone una lista di parole (max. 50) i cui valori di co-occorrenza con "X" sono i più significativi;
3- l'utilizzatore può eliminare (doppio click) item irrilevanti dalla lista proposta;
T-LAB assume la lista come un "query vector" e calcola i suoi indici di associazione (coefficiente del coseno) con tutti i contesti elementari del corpus o del sottoinsieme selezionato;
4- l'output fornito è una pagina HTML che contiene una lista dei più significativi contesti chiave di "X", ordinati per il valore decrescente dell'indice (vedi sotto);

I passi 1-4 possono essere ripetuti per "n" parole tematiche.


Gli output, sia in formato HTML e TXT, contengono un elenco dei più significativi contesti chiave di "X", elencati secondo l'ordine decrescente dei loro indici di associazione
.

 

Caso (B)


Il suo funzionamento è modo seguente:

1 - l'utilizzatore copia / incolla un testo 'modello' (max 5000 caratteri) nella casella corrispondente;
2 - dopo aver cliccato l'opzione 'estrai contesti chiave', T-LAB trasforma il testo immesso in un vettore (query vector) e calcola i relativi indici di associazione (cioè i coefficienti coseno) con tutti i contesti elementari del corpus o del sottoinsieme selezionato.

Gli output, sia in formato HTML e TXT, contengono un elenco dei contesti chiave che sono più simili al testo in input.
N.B.: In questo caso la misura di similarità non tiene conto delle parole multiple le cui stringhe, con o senza il carattere underscore ('_'), non corrispondono al testo analizzato.

I passi 1-2 possono essere ripetuti per "n" testi campione proposti dall'utilizzatore.