scattertext
Créez des graphiques de dispersion HTML interactifs visualisant les différences de langage entre les types de documents.
Générez des graphiques de dispersion HTML interactifs pour identifier les termes distinctifs dans des corpus de texte.
Scattertext est une bibliothèque Python qui génère des visualisations interactives basées sur le navigateur montrant comment le langage varie selon les catégories de documents. Elle vous aide à analyser les fréquences des termes, les associations et les motifs sémantiques à l'aide d'étiquettes non superposées. Les data scientists et analystes de texte explorant des jeux de données textuelles la trouveront particulièrement utile.
Qu'est-ce que c'est
Elle prend des corpus de documents analysés et produit des graphiques de dispersion D3 interactifs où les points correspondent à des termes ou expressions positionnés selon l'utilisation par catégorie. Les fonctionnalités incluent des algorithmes de placement d'étiquettes pour éviter les superpositions, des commandes de zoom et de panoramique, ainsi que la prise en charge de méthodes de score alternatives telles que le d de Cohen, le g de Hedge et la séparation bi-normale. Vous pouvez également visualiser des modèles de topics, des plongements de mots et des dictionnaires spécialisés comme Empath ou Moral Foundations.
Pour qui
Elle convient aux développeurs Python et aux chercheurs en sciences sociales computationnelles ayant besoin d'expliquer les poids des classificateurs ou de comparer des corpus de texte. Elle ne convient pas aux utilisateurs ignorant Python ou cherchant un tableau de bord web par glisser-déposer sans codage.
Fonctionnalités clés
Graphiques de dispersion D3 interactifs
Créez des visualisations basées sur le navigateur avec des étiquettes de termes non superposées et la prise en charge du zoom.
Multiples méthodes de score
Notez les termes à l'aide du F-score mis à l'échelle, du d de Cohen, du g de Hedge, du Delta de Cliff ou de la séparation bi-normale.
Prise en charge de dictionnaires spécialisés
Visualisez les topics Empath, les catégories Moral Foundations 2.0 et les tokens SentencePiece.
Interprétation de modèles
Expliquez les poids de classification textuelle scikit-learn et les modèles de topics grâce à des projections interactives.
Opérationnel en 3 étapes
Notre verdict honnête
Ses atouts
- Génère des fichiers HTML interactifs autonomes pour un partage facile
- Le positionnement intelligent des étiquettes évite la superposition de texte sur les graphiques denses
- Prend en charge plusieurs métriques statistiques de taille d'effet prêtes à l'emploi
- S'intègre aux bibliothèques NLP populaires telles que spaCy, gensim et jieba
Ses limites
- Nécessite des compétences en programmation Python et en prétraitement de texte
- Des calculs lourds peuvent être gourmands en ressources pour de très grands corpus
- Les performances optimales nécessitent l'installation de multiples dépendances NLP externes
Tarifs & licence
Gratuit sous licence Apache-2.0. Aucune option hébergée payante n'est proposée par le projet, le seul coût est donc de l'exécuter vous-même dans votre environnement Python.
Missions pour francophones
870 missions ouvertes à distance en entraînement d’IA, mises à jour le 14 novembre 2026 ; la plupart paient $20–$170 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Alternatives
Utilisez-le, ou laissez-nous l'installer
FAQ
Puis-je utiliser Scattertext sans installer spaCy ?
Oui, vous pouvez remplacer spaCy par scattertext.WhitespaceNLP.whitespace_nlp, bien que la tokenisation et la détection des frontières de phrases reposent sur des expressions régulières de base.
Quels navigateurs sont les mieux adaptés pour visualiser le résultat ?
Les fichiers HTML générés s'affichent et fonctionnent de manière optimale dans Chrome et Safari.
Comment empêcher les étiquettes de se superposer ?
Scattertext applique automatiquement un algorithme de mise en page qui étiquette sélectivement les points afin qu'ils ne se superposent pas avec d'autres étiquettes ou points.
