Racinisation : réduire au radical
Associer running et runs à run
Racinisation : réduire au radical est une leçon NLP Academy gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage NLP Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours NLP Academy comprend 4 leçons au total.
Un mot, de nombreuses formes
Le verbe run apparaît sous les formes running, runs et ran. Pour vous, ces formes partagent un sens, mais le texte brut les compte séparément, ce qui divise le signal. 🌱
Voici la radicalisation
La radicalisation coupe les terminaisons d’un mot pour atteindre une racine approximative appelée le radical. L’objectif est de regrouper les formes apparentées sous un seul jeton commun.
Des règles, pas un dictionnaire
Un algorithme de radicalisation applique de simples règles de suffixes au lieu de rechercher les mots. Il supprime des terminaisons comme ing, ed et s : il est donc rapide, mais quelque peu rudimentaire.
L’algorithme de Porter
NLTK fournit le classique PorterStemmer. Vous créez une instance, puis vous appelez sa méthode stem sur le mot que vous souhaitez réduire.
from nltk.stem import PorterStemmer
ps = PorterStemmer()
print(ps.stem('running'))Les formes se regroupent
Fournissez plusieurs formes du même verbe : elles sont toutes réduites au même radical. Vos comptages peuvent enfin s’additionner.
for w in ['running', 'runs', 'ran']:
print(ps.stem(w))Les radicaux ne sont pas de vrais mots
La radicalisation est assez brutale. Le mot studies devient studi, qui n’est pas un vrai mot, mais il correspond tout de même à study et studied sous un seul radical.
print(ps.stem('studies'))Attention à la sur-radicalisation
Parfois, l’algorithme coupe trop loin et fusionne des mots sans lien. Cette sur-radicalisation peut brouiller les significations ; vérifiez donc toujours raisonnablement le résultat sur votre texte.
print(ps.stem('universal'))
print(ps.stem('university'))Radicaliser une liste de jetons
En pratique, vous radicalisez chaque jeton d’un document. Une compréhension applique l’algorithme à toute la liste sur une seule ligne claire.
words = ['cats', 'caring', 'cared']
print([ps.stem(w) for w in words])Il existe d’autres algorithmes
Porter est le choix par défaut, mais NLTK propose aussi le plus réactif SnowballStemmer, qui prend en charge de nombreuses langues et corrige certaines aspérités de Porter.
from nltk.stem import SnowballStemmer
sb = SnowballStemmer('english')
print(sb.stem('happily'))Passer d’abord en minuscules
Les algorithmes de radicalisation attendent une entrée en minuscules. Uniformisez la casse avant la radicalisation, sinon Running et running risquent de rester deux jetons différents.
print(ps.stem('Running'.lower()))Quand l’utiliser
La radicalisation échange la précision contre la rapidité. Elle est idéale pour la recherche et les grandes chaînes de traitement, où une correspondance approximative mais rapide vaut mieux qu’une analyse lente et exacte. ⚡
Vérification rapide
Fixons le fonctionnement de la radicalisation.
Récapitulatif
Vous avez appris que la radicalisation supprime les suffixes à l’aide de règles simples pour regrouper les formes d’un mot sous un seul radical. Elle est rapide et approximative, et produit parfois des mots inexistants. Beau travail ! 🎉
Apprends Python avec un tuteur IA — gratuit
Écris et exécute du vrai code dans ton navigateur, obtiens de l'aide instantanée d'un tuteur IA disponible 24h/24, et reprends là où tu t'es arrêté sur le web ou dans l'app.
- Cours
- 30
- Leçons
- 120
Questions Fréquemment Posées
La leçon « Racinisation : réduire au radical » est-elle gratuite ?
Oui — le texte complet de « Racinisation : réduire au radical » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours NLP Academy, passe à CoddyKit PRO. Le cours NLP Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Racinisation : réduire au radical » ?
Associer running et runs à run Tu pratiques NLP Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer NLP Academy ?
Aucune expérience préalable n'est requise. NLP Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.
Combien de temps prend la leçon « Racinisation : réduire au radical » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon NLP Academy ?
Oui. Chaque leçon NLP Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Pourquoi la casse et les espaces comptent
- Passer en minuscules et supprimer les espaces
- Racinisation : réduire au radical
- Lemmatisation : des formes de base plus pertinentes