Topic modelling

La modélisation des sujets ("topic modelling") est un type de méthode statistique utilisée pour découvrir les sujets latents qui apparaissent dans une grande collection de documents. Elle est particulièrement utile dans les domaines de l'exploration de texte et du traitement du langage naturel (NLP), et a gagné en importance dans les sciences sociales et les humanités numériques pour l'analyse de grands ensembles de données textuelles. Il permet aux chercheurs de catégoriser, de résumer et de comprendre de grandes quantités de textes d'une manière, qui autrement, prendrait beaucoup de temps ou serait impossible à réaliser par une analyse manuelle. Cet outil a été utilisé pour découvrir et visualiser des modèles et des thèmes dans une série de documents, notamment des poèmes, des romans, des journaux et des journaux intimes.

Un algorithme non supervisé - les thèmes spécifiques ne sont pas prédéterminés - traite les données pour identifier des groupes de mots (thèmes) en fonction de leur cooccurrence dans les documents. Il peut fournir un moyen structuré de comprendre les fondements thématiques du corpus.