Comparer les textes
Séquences répétées
Comparez deux œuvres sélectionnées en cherchant des suites de mots identiques.
Ce que les termes signifient
- Jeton
- Un mot du texte tel qu’il se présente, compté séparément à chacune de ses occurrences. μῆνιν ἄειδε θεά fait trois jetons.
- Forme
- La graphie d’un mot, accents et désinences compris, par opposition au mot de dictionnaire auquel il se rattache. λέγει and λέγω sont deux formes d’un même mot.
- n-gram
- Une suite de n jetons consécutifs. Un 3-gramme est n’importe quel groupe de trois mots qui se suivent. C’est en cherchant les n-grammes communs qu’on retrouve une même tournure dans deux œuvres.
- Stop-word
- Un mot si courant — καί, δέ, τό — que sa présence ne dit rien d’un emprunt. Il appartient toujours à la séquence, mais n’ajoute rien au score.
Textes et méthode
Sélectionnez au moins deux œuvres dans le catalogue.
Les diacritiques sont ignorés par défaut ici, contrairement au vocabulaire et aux statistiques : un même mot change d’accent selon sa place (grave ou aigu, enclitiques) et d’une édition à l’autre, et un seul accent différent romprait une suite commune.
Liste d’exclusion visible
Une séquence doit contenir au moins deux mots hors de cette liste modifiable. Les mots-outils font toujours partie de la séquence exacte, mais n’augmentent pas son score d’improbabilité.
Les suites de lemmes reposent sur Sôtêr, le lemmatiseur automatique, qui a annoté tout le corpus. Quand il hésite entre plusieurs lemmes pour un mot, tous sont gardés ensemble ; aucun n’est choisi au hasard.
Résultats
Séquences communes
Méthode de calcul
Le score est la somme des logarithmes décimaux négatifs des probabilités de jetons lissées par ajout d’une unité dans les deux textes comparés, hors liste d’exclusion visible. Un score plus élevé signifie que la séquence commune est moins probable selon ce modèle d’indépendance explicite. Il sert au classement et ne prouve ni dépendance ni direction d’emprunt.