Discussion :

[siham_06]

Bonjour,

J'ai un fichier où je voudrais calculer la fréquence de ses mot, les lignes de mot fichier se présentent comme suit :

naql bdae 0 --- nAqly bdAE --- NN NN --- naql bdae --- nn --- BASE --- 00 --- 543 --- 0 --- 0
où le numero 543 est le numéro du document où se trouve le mot naql bdae.

de telle sorte que mo fichier de sortie serait une matrice où les lignes est les mots du fichier et les colonnes sont les fréquences du mot dans le document:
D1…. Dn
Mot 1 f1 ….fn
Mot 2 f2 ….fn
Mot 2 f2 ….fn

Merci de votre aide

[Woufeil]

Bonjour.

Un conseil pour ce travail, utilises des tables de hachage et leur capacité d'autovivification

Via une expression régulière, met tous tes mots dans une table de hachage et tu auras ainsi le nombre fois que le mot est présent dans le sujet

Ca donnerais un truc comme ceci :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
my %hash;
while (my $ligne = <FIC>)
{
    $ligne =~s/(\w+)/{$hash{$1}++}/eg;
}

Modieife le comme tu veux pour qu'il réponde à ton besoin

[siham_06]

Bonjour

c'est ce que j'ai pu comprendre que j'aurais la frequence totale du mot dans tout le fichier alors que j'ai seulement un seul fichier où c'est ecrit le mot et le numéro du document où il se trouve par exemple une ligne du fichier et comme ceci :
production économique 3 --- SBC ADJ --- na ---2---0
où le mot "production économique" est dans le fichier numéro 2.

Donc comme fichier de sortie

production économique 1 1 0 0 0
économie 2 0 0 0 0

Merci de m'aider

[MarneusCalgarXP]

Bonjour

c'est ce que j'ai pu comprendre que j'aurais la frequence totale du mot dans tout le fichier alors que j'ai seulement un seul fichier où c'est ecrit le mot et le numéro du document où il se trouve par exemple une ligne du fichier et comme ceci :
production économique 3 --- SBC ADJ --- na ---2---0
où le mot "production économique" est dans le fichier numéro 2.

Donc comme fichier de sortie

production économique 1 1 0 0 0
économie 2 0 0 0 0

Merci de m'aider

1) pense à utiliser la balise CODE, ce sera plus lisible

2) ta ligne est

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

production économique 3 --- SBC ADJ --- na ---2---0

tu veux en sortie

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
production économique	1	1	0	0	0
économie                          2           0           0	0	0

question : ou vois-tu la ligne "économie" dans la ligne ?
et à quoi correspondent les chiffres ?

[siham_06]

2) ta ligne est

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

production économique 3 --- SBC ADJ --- na ---2---0

oui exactement j'ai donné un exemple d'une ligne de mon fichier
tu veux en sortie

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
production économique	1	1	0	0	0économie                          2           0           0	0	0

question : ou vois-tu la ligne "économie" dans la ligne ?

le mot économie est la 2ème ligne

et à quoi correspondent les chiffres ?[/QUOTE]

J'ai donné l'exemple que je voudrais avoir en sortie
Les chiffres correspond aux frequences du mot dans les documents
par exemple le mot économie occure 2 fois dans le premier document alors que sa fréquence égale à 0 dans les autres documents.
Pour production économique occure 1 fois dans le premier document une autre dans le deuxème document alors qu'il a une frequence de 0 dans les autres documents
Merci de votre aide et de l'intérêt que vous portez à mon problème

[MarneusCalgarXP]

Ok, je comprends mieux le problème.

Donc, en tout premier lieu, il te faut une hash pour stocker les résultats:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

my %HASH = ();

Pour lire le fichier, utiliser un code du genre

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
 
open(INPUT '<', $file) || die ("impossible de lire $file\n");
while (my $line = <INPUT>)
{
    # production économique 3 --- SBC ADJ --- na ---2---0
    if ($line =~ /^(.+?) \d --- (?:.+?) --- (?:.+?) --- (\d+) --- (?:\d+)$/)
    {
        my ($mot, $docid) = ($1, $2);
        $HASH{$mot}{$docid}++;
    }
}
close(INPUT);

Bon là, la regexp est fausse, vu que tu n'as pas donné un format descriptif complet et précis de la ligne, mais le principe est bon.

A la fin, tu n'auras plus qu'à afficher le tout...