-
Notifications
You must be signed in to change notification settings - Fork 0
/
reptest.jsp
328 lines (316 loc) · 10.8 KB
/
reptest.jsp
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
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
133
134
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
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
<%@ page language="java" contentType="text/html; charset=UTF-8" pageEncoding="UTF-8"%><%@ page import="
java.util.ArrayList,
java.util.Collection,
java.util.Collections,
java.util.concurrent.ThreadLocalRandom,
java.util.Comparator,
java.util.HashMap,
java.util.Random,
alix.util.IntList,
alix.util.TermRoller
" %><%@include file="common.jsp"%><%!
// méthodes
/**
* Proportion d’occurrences dans le “chapeau” des formes les plus fréquentes
*/
private double hat( final DicFreq dic, final int dicsize ) throws IOException
{
if ( dic == null ) return 0;
int[] counts = new int[ dic.size() ];
int i = 0;
for ( Entry entry:dic.entries() ) {
counts[i] = entry.count();
i++;
}
Arrays.sort( counts ); // du + petit au plus grand
long sum = 0;
int k=0;
for ( i=counts.length - 1 ; i >= 0; i-- ) {
k++;
sum += counts[i];
if ( k == dicsize ) return 1.0*sum/dic.occs();
}
// pas fini, renvoyer 0 ?
return 0;
}
// Implementing Fisher–Yates shuffle
static void shuffle( String[] lines )
{
// If running on Java 6 or older, use `new Random()` on RHS here
Random rnd = ThreadLocalRandom.current();
for (int i = lines.length - 1; i > 0; i--)
{
int index = rnd.nextInt(i + 1);
// Simple swap
String a = lines[index];
lines[index] = lines[i];
lines[i] = a;
}
}
%><%
this.printer = out;
String[] bib = request.getParameterValues("bibcode");
int context = 10000;
try { context = Integer.parseInt( request.getParameter( "context" ) ); } catch (Exception e) {}
if ( context < 1 ) context = 10000;
int step = context / 2;
try { step = Integer.parseInt( request.getParameter( "step" ) ); } catch (Exception e) {}
if ( step < (context/10) ) step = context/10;
int smooth = 0;
try { smooth = Integer.parseInt( request.getParameter( "smooth" ) ); } catch (Exception e) {}
if ( smooth < 0 ) smooth = 0;
%><!DOCTYPE html>
<html>
<head>
<title>Lexique</title>
<link rel="stylesheet" type="text/css" href="alix.css" />
<script src="lib/dygraph.min.js">//</script>
<link rel="stylesheet" type="text/css" href="lib/dygraph.css" />
<style>
table.freqlist { float: left; margin-right: 1ex;}
#selcop { display:none }
</style>
</head>
<body>
<%@include file="menu.jsp" %>
<h1><a href="?">Variétés</a></h1>
<form method="GET">
<fieldset>
<legend>
<button type="button" class="but" onclick="
var line = document.getElementById('selcop');
var cont = line.parentNode;
line = line.cloneNode( true );
line.id = null;
console.log( line.getElementsByTagName('select') );
line.getElementsByTagName('select')[0].disabled = false;
cont.appendChild( line );
">+</button>
</legend>
<div id="selcop">
<button type="button" class="but" onclick="this.parentNode.remove(); return false">-</button>
<select name="bibcode" disabled="disabled">
<% seltext( pageContext, null ); %>
</select>
</div>
<%
boolean done = false;
if ( bib == null || bib.length < 1 ) bib = new String[]{ null };
for ( String bibcode: bib ) {
// if ( bibcode == null || bibcode.isEmpty() ) continue;
out.println( "<div>" );
out.println( "<button type=\"button\" class=\"but\" onclick=\"this.parentNode.remove(); return false\">-</button>" );
out.println( "<select name=\"bibcode\">" );
seltext( pageContext, bibcode );
out.println( "</select>" );
out.println( "</div>" );
done = true;
}
%>
</fieldset>
<label>Taille du contexte <input size="5" name="context" value="<%=context%>"/></label>
<label>Pas <input size="5" name="step" value="<%=step%>"/></label>
<button>▶</button>
</form>
<%
ArrayList<String> texts = new ArrayList<String>();
ArrayList<String> labels = new ArrayList<String>();
for ( String bibcode: bib ) {
if ( bibcode == null || bibcode.isEmpty() ) continue;
String text = text( pageContext, bibcode );
if ( text == null ) {
out.println( "<p>Le texte "+bibcode+" n’est pas disponible sur ce serveur.</p>");
continue;
}
texts.add( text );
String[] cells = catalog.get( bibcode );
if ( cells[1] != null && !cells[1].isEmpty() ) labels.add( cells[1]+". "+cells[2] );
else labels.add( cells[2] );
}
// Boucler sur le texte
if ( texts.size() > 0 ) {
%>
<div id="chart" class="dygraph"></div>
<script type="text/javascript">
g = new Dygraph(
document.getElementById("chart"),
[
<%
HashSet<String> dic = new HashSet<String>();
DecimalFormat df = new DecimalFormat("#.######", DecimalFormatSymbols.getInstance(Locale.US ));
// textes multiples
TermRoller[] wheels = new TermRoller[ texts.size() ];
Occ[] occs = new Occ[ texts.size() ];
Tokenizer[] toks = new Tokenizer[ texts.size() ];
for ( int i = 0; i < texts.size(); i++ ) {
toks[i] = new Tokenizer( texts.get(i) );
occs[i] = new Occ();
wheels[i] = new TermRoller( -context-1, 0 );
}
int wn = 0;
List<Integer> anns = new ArrayList<Integer>();
boolean stop = false;
while ( !stop ) {
stop = true;
wn++;
for ( int i = 0; i < toks.length; i++ ) {
if ( toks[i] == null ) continue;
if ( !toks[i].word( occs[i] ) ) { // texte fini
toks[i] = null;
continue;
}
stop = false;
// if( occ.orth().equals("§") ) anns.add( ((wn/step)+1)*step );
if ( occs[i].tag().isPun() ) continue;
wheels[i].push( occs[i].orth() );
}
if (wn < context ) continue;
if ( wn % step != 0 ) continue;
out.print(" ["+wn );
for ( int i = 0; i < toks.length; i++ ) {
if ( toks[i] == null ) {
out.print( ", null ");
continue;
}
dic.clear();
// sortir le dictionnaire
for ( Term term: wheels[i] ) {
if ( !dic.contains( term ) ) dic.add( term.toString() );
}
int forms = dic.size();
out.print( ", "+df.format( 100.0*forms / context ));
}
out.println("]," );
}
/*
Tokenizer toks1 = new Tokenizer( t1 );
Tokenizer toks2 = new Tokenizer( t2 );
Occ occ1 = new Occ();
Occ occ2 = new Occ();
int step = 5000;
DicFreq dic1=new DicFreq();
DicFreq dic2=new DicFreq();
long occs = 0;
while ( true ) {
if ( dic1 != null ) {
if ( toks1.word( occ1 ) ) {
if ( occ1.tag().isPun() ) continue;
else dic1.add( occ1.orth() );
}
else {
dic1 = null;
if ( dic2 == null ) break;
}
}
if ( dic2 != null ) {
if ( toks2.word( occ2 ) ) {
if ( occ2.tag().isPun() ) continue;
else dic2.add( occ2.orth() );
}
else {
dic2 = null;
if ( dic1 == null ) break;
}
}
occs++;
if ( ( occs % step ) != 0 ) continue; // passer au pas suivant
out.print(" ["+occs );
double ratio = hat( dic1, dicsize);
if ( ratio == 0 ) out.print( ", null");
else out.print( ", "+df.format( 100.0*ratio ));
ratio = hat( dic2, dicsize);
if ( ratio == 0 ) out.print( ", null");
else out.print( ", "+df.format( 100.0*ratio ));
out.println("],");
}
*/
%>
],
{
title : "Richesse du vocabulaire, variations",
titleHeight: 35,
labels: [ "Index" <% for ( String label: labels) { out.print( ", \""+label+"\"" ); } %> ],
legend: "always",
labelsSeparateLines: "true",
ylabel: "% formes/occurrences",
labelsKMB: true,
xlabel: "Nombre d’occurrences",
showRoller: true,
rollPeriod: <%= smooth %>,
// logscale: true,
series: {
<%
String[] colors = {
"rgba( 255, 0, 0, 0.5 )",
"rgba( 0, 0, 128, 0.5 )",
"rgba( 0, 128, 0, 0.5 )",
"rgba( 255, 128, 0, 0.5 )",
"rgba( 0, 192, 192, 0.5 )",
"rgba( 128, 0, 0, 0.5 )",
"rgba( 192, 0, 192, 0.5 )",
};
for ( int i = 0; i < labels.size() ; i++ ) {
out.println( "\""+labels.get( i ) + "\":{" );
String color = colors[ i % colors.length ];
out.println( " color: \""+color+"\"," );
out.println( " strokeWidth: 4," );
out.println( "}," );
}
%>
},
axes: {
x: {
gridLineWidth: 0.5,
drawGrid: true,
gridLineColor: "rgba( 192, 192, 192, 1 )",
independentTicks: true,
},
y: {
independentTicks: true,
drawGrid: true,
gridLineColor: "rgba( 192, 192, 192, 1 )",
gridLineWidth: 0.5,
},
y2: {
independentTicks: true,
drawGrid: false,
gridLineColor: "rgba( 128, 128, 128, 0.3)",
gridLineWidth: 2,
gridLinePattern: [4,4],
},
},
}
);
g.ready(function() {
g.setAnnotations([
<%
if ( anns.size() <= 50 ) {
for ( int n : anns ) {
out.println( "{ series: \"Texte\", x:"+n+", shortText: \"Chapitre\", width: \"\", height: \"\", cssClass: \"ann\", }," );
}
}
%>
]);
});
</script>
<% } %>
<div class="text">
<p>
La richesse du “vocabulaire” se calcule généralement par le rapport entre un nombre de formes différentes
(fléchies, lemmatisées…) et un nombre d’occurrences.
En anglais, ce rapport est connu sous le nom TTR (<i>type token ratio</i>).
Ce rapport varie selon les genres textuels.
Le vocabulaire du droit est par exemple spécialement restreint, pour limiter les équivoques,
la loi varie donc moins que la littérature.
Une autre variable modifie beaucoup ce rapport, la taille d’un texte.
Quel que soit le corpus, il a été observé que plus un texte est long, plus on réutilise les mêmes mots
(le dictionnaire est fini), et donc la richesse lexicale diminue, du moins, à échelle globale.
Ce formulaire permet de définir une largeur de contexte, en nombre de mots, sur lequel calculer
le rapport formes / occurrences, et de faire glisser cette fenêtre sur un texte.
Une fenêtre de 1000 mots est souvent utilisée pour obtenir une mesure standardisée (STTR).
10 000 mots est une largeur plus commode pour comparer plusieurs textes et observer leurs variations,
car la richesse lexicale varie selon par exemple les romans d’un même auteur, voire les chapitres.
</p>
</div>
</body>
</html>