Литературная дактилоскопия¶
fingerprinting(texts, segment_len=10, metric=None, x_size=800, y_size=600, cmap='PuOr', ax=None, labels=None)
Визуализация литературной дактилоскопии (Keim и Oelke 2007).
Каждый текст режется на сегменты по segment_len слов со скользящим шагом в десятую часть сегмента, и для каждого сегмента считается мера лексического разнообразия. Все сегменты длиной segment_len слов, поэтому значения сопоставимы: если шаг оставляет слова после последнего сегмента, еще один заканчивается вместе с текстом, а текст не длиннее сегмента - один сегмент.
Текст - блок квадратов в порядке его сегментов, по строкам, высотой 8 строк или в один столбец, если сегментов не больше 8; блок шире области визуализации переносится на строки этой ширины. Блоки идут слева направо и переносятся в пределах области шириной 2 · x_size, которая растет вниз от 2 · y_size, если блокам нужно больше высоты. Цветовая шкала - от наименьшего до наибольшего конечного значения по всем текстам; неопределенные значения (nan на слишком коротких для меры сегментах) и пустые клетки блока - светло-серые, в отличие от любого значения, включая ноль.
Это функция ядра anyTS с русским заголовком из ruts.constants.VISUALIZER_LABELS по умолчанию, labels заменяет его; в роли metric выступают меры лексического разнообразия ruTS - функции списка слов, например calc_ttr или calc_simpson_index.
Визуализация 100 текстов набора данных SovChLit:
from ruts import WordsExtractor
from ruts.datasets import SovChLit
from ruts.diversity_stats import calc_simpson_index
from ruts.visualizers import fingerprinting
we = WordsExtractor(lowercase=True)
words = [we.extract(text) for text in SovChLit().get_texts(limit=100)]
ax = fingerprinting(words, metric=calc_simpson_index, x_size=1000, y_size=800)
ax.figure.savefig("fingerprinting.png")
Параметры¶
| Параметр | Тип | По умолчанию | Описание |
|---|---|---|---|
texts |
list[list[str]] |
- | Список списков слов |
segment_len |
int |
10 |
Размер сегмента |
metric |
Callable |
None |
Функция меры лексического разнообразия; по умолчанию calc_ttr |
x_size |
int |
800 |
Половина ширины области визуализации, больше 25 (отступа между блоками) |
y_size |
int |
600 |
Половина высоты области визуализации, которая растет, если блокам нужно больше |
cmap |
str |
'PuOr' |
Цветовая карта |
ax |
Axes |
None |
Оси matplotlib для графика; если не заданы, создается фигура 15×10 |
labels |
dict[str, str] |
None |
Подписи поверх подписей по умолчанию: title |
Функция возвращает оси Axes с визуализацией в равном масштабе осей, чтобы квадраты оставались квадратами; фигура - ax.figure. Тексты, которые не список списков строк, и metric, которую нельзя вызвать, дают SourceTypeError, список без текстов или текст без слов - SourceError. segment_len или y_size, который не целое число больше нуля, x_size, который не целое число больше 25, неизвестная cmap, подписи, которые отвергает merge_labels, и ax, который не Axes matplotlib, дают ParameterError.