T-LAB Home
T-LAB 7.3 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
Nouveau
Fusionner les Textes
Ouvrir
Configurations d'Analyse
Configuration Automatique
Configuration Personalisée
Analyse des Co-occurrences
Associations de Mots
Analyse des Mots Associés et Cartes Conceptuelles
Comparaisons entre paires de Mots-Clés
Analyse des Séquences
Concordances
Analyse Thématiques
Analyse Thématique des Contextes Élémentaires
Modélisation des Thèmes Émergents
Séquences de Thèmes
Contextes Clé de Mots Thématiques
Classification Thématique des Documents
Analyses Comparatives
Analyse des Spécificités
Analyse des Correspondances
Analyse des Correspondances Multiples
Classification (Cluster Analysis)
Tableaux de Contingences
Outils Lexique
Liste de Mots vides
Listes de Locutions
Vocabulaire du Corpus
Désambiguïsations
Personnalisation du Dictionnaire
Utilités
Editeur
Memo
Variable Manager
Créer un Sous-Corpus
Glossaire
Analyse des Correspondances
Chaînes de Markov
Chi-Deux
Classification (Cluster Analysis)
Codage
Contextes élémentaires
Corpus et Sous-ensembles
Désambiguïsation
Document Primaire
GraphML
Homographes
IDnumber
Index d'Association
Isotopie
Lemmatisation
Lexie et Lexicalization
MDS
Mots-Clés
Mots et Lemmes
Multiwords
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

Multidimensional Scaling (MDS, Échelonnement Multidimensionnel)


Ensemble de techniques statistiques qui analysent les données de similitude dans le but de fournir une représentation visuelle de leurs rapports dans un espace de dimensions réduites.

Dans T-LAB un type de MDS (la méthode de Sammon) est employé afin de représenter les rapports parmi les unités lexicales et les rapports parmi les noyaux thématiques (voir Analyse des Mots Associés et Modélisation des Thèmes Émergents).

Les tableaux des données sont des matrices carrées qui contiennent des valeurs de proximité (dissimilarités) dérivées du calcul d'un index d'association.

Les résultats obtenus, comme ceux de l'analyse des correspondances, nous permettent d'interpréter les rapports parmi les "objets" et les dimensions qui organisent l'espace dans lequel ils sont représentés.

Le degré de correspondance entre les distances parmi les points de carte MDS et ceux de la matrice input est mesuré (inversement) par une fonction de Stress. Moins est la valeur du Stress (par ex. < 0,10), plus grande est la qualité de l'ajustement obtenu.


La formule du stress est la suivante:

sont les distances parmi les points (ij) de la matrice input et sont les distances parmi les mêmes points dans la carte MDS.