Bibliothèque Python pour la visualisation interactive de corpus de données

La bibliothèque Python pyLDAvis¹ pour la visualisation interactive de corpus de données textuelles utilise le modèle de sujet² de type probabiliste³ — ce qui rend justement possible l’interactivité — :

pyLDAvis is designed to help users interpret the topics in a topic model that has been fit to a corpus of text data. The package⁴ extracts information from a fitted LDA  topic model to inform an interactive web-based visualization.

Le modèle de sujet probabiliste est fortement utile — voire même quasi indispensable aujourd’hui — pour rechercher et annoter des documents archivés sur l’internet, dont les mises à jour sont innombrables au quotidien, recherches et annotations sans l’intervention humaine “directe” qui est rendue impossible tant la masse de ces archives est en constante croissance :

a suite of algorithms that aim to discover and annotate large archives of documents with thematic information. Topic modeling algorithms are statistical methods that analyze the words of the original texts to discover the themes that run through them, how those themes are connected to each other, and how they change over time.

Un exemple pertinent en image :

source – http://www.cs.princeton.edu/~blei/papers/Blei2012.pdf

et une explication par une exemple en vidéo :

1. proposée par Ben Mabey [↩]
2. topic model: « est un modèle probabiliste permettant de déterminer des sujets ou thèmes abstraits dans un document » [↩]
3. lire l’article détaillé de David M. Blei [↩]
4. voir le wiki HumaNum de l’EPHE [↩]