Collocations
Identifier les associations statistiquement significatives entre mots
Collocations
Une collocation est une paire de mots qui apparaissent ensemble plus souvent que ne le laisserait prévoir le hasard. C'est une association statistiquement significative, pas simplement fréquente.
Collocations vs simples cooccurrences
- Cooccurrence : deux mots apparaissent dans le même document ou segment. Très sensible aux mots fréquents.
- Collocation : l'association est significative compte tenu de la fréquence individuelle des mots. Révèle les vrais partenaires lexicaux.
Exemple : « politique » et « éducation » cooccurrent souvent simplement parce que les deux mots sont fréquents. Mais si « politique éducative » apparaît systématiquement ensemble, c'est une collocation.
Le score MI (Mutual Information)
POSAC utilise le score de Mutual Information pour mesurer la force d'une association :
| MI | Interprétation |
|---|---|
| > 4 | Association très forte |
| 2–4 | Association significative |
| 0–2 | Association faible |
| < 0 | Répulsion (les mots s'évitent) |
Le MI favorise les associations entre mots rares. Pour les mots très fréquents, préférez le log-likelihood ou le t-score.
Matrice de corrélations
La matrice de corrélations affiche les forces d'association entre un ensemble de termes sélectionnés. Elle permet de visualiser les clusters lexicaux et les oppositions sémantiques.
Usage en recherche
Les collocations sont particulièrement utiles pour :
- Identifier le registre lexical propre à un sous-groupe
- Détecter des formulations figées ou des expressions idiomatiques
- Construire des catégories analytiques à partir du vocabulaire des acteurs
- Valider ou infirmer des hypothèses sur les associations conceptuelles dans un corpus