télé-séance 10h-12h ; présent.e.s : Pascale Ballet, Pablo Ciezar, Bruno Desachy, Sabine Dupuy, Julie Gravier, Amaury Havé, Léa Hermenault, Louis Hugonnier, Ingrid Renault, Luc Sanson,
présentation-discussion : utilisation d’une distance d’édition comme indicateur de similarité entre molettes – essai avril 2022 (Pablo Ciezar – Inrap – UMR ArScAn – équipe GAMA)
(résumé de la présentation et des discussions) :
Le présent essai vise à obtenir un ou des indices permettant de quantifier les similitudes ou les différences entre différents décors à la molette sur sigillées d’Argonne et imitations. Une séquence ou molette est formée par une juxtaposition finie de casiers distincts décorés par des motifs. Le décor se déploie de manière cyclique sur les parois d’un vase formant des galons. Le répertoire de ces décors permet de constituer un corpus de près d’un millier de combinaisons (Bakker et al. 2018). Parmi ces combinaisons de nombreux exemples entretiennent une « proximité » visuelle qui leur donne une familiarité certaine. Des classifications ont souvent été entreprises pour permettre une présentation « ordonnée » de ces répertoires. L’objectif proposé ici est de rechercher un indicateur qui permette de quantifier la similarité entre les molettes.
Chaque motif est identifié par un code numérique, une séquence est alors codée par la juxtaposition ordonnée de ces codes et un séparateur alphanumérique. Les séquences codées sont transformées en une chaîne caractère où chaque identifiant de motif est transformé en un caractère unique en utilisant un plan Unicode continu (en l’occurrence à titre expérimental les caractères Unicode codés de U+4000 à U+4FFF – Sinogrammes unifiés CJC – supplément A – 2e partie).
Les séquences ainsi transformées peuvent être comparées deux à deux en utilisant le package Stringdist de R (Loo 2014). Cette librarie implémente plusieurs méthodes de comparaison (https://www.rdocumentation.org/packages/stringdist/versions/0.9.8/topics/stringdist-metrics).
Nous retenons pour cet essai principalement deux indices : l’indice « cosinus » et l’indice « Jaro». Le premier associe les différentes séquences par leurs composants, le second fournit une gradation progressive non seulement selon les composants mais aussi selon la position des éléments.
L’algorithme de comparaison utilisé tient compte des rotations nécessaires et de la permutation des deux termes à comparer. Il calcule et retient la plus petite distance obtenue pour chaque paire. Un tableau de distances pour un échantillon de molettes peut être proposé et utilisé comme source pour une analyse de données.
Ce tableau est doublé par un autre de mêmes dimensions qui développe les deux termes à comparer afin d’obtenir des paires de même longueur. L’accroissement de la longueur des chaînes amplifie l’impact des différences.
Les questions soulevées et les suggestions évoquées lors des discussions suite à la présentation de cette expérimentation envisagent :
• de tenir compte, dans l’algorithme de comparaison, de la dispersion des mesures en plus du minimum actuellement retenu.
• d’éviter le bruit qu’un recours inapproprié à une AFC a conduit à amplifier, en procédant à l’utilisation directe au tableau de distances obtenu pour un échantillon de molettes d’une classification automatique.
• de réviser la description des motifs selon un processus qui, utilisant l’analyse des données, permette de nuancer les distinctions tranchées que la codification entraîne.
P. Ciezar
Références
Bakker et al.2018
Bakker L., Dijkman W., Van Ossel P., « Le corpus des décors à la molette sur céramique sigillée d’« Argonne » de l’Antiquité tardive », in SFECAG – Actes du congrès de Reims, 10-13 mai 2018, La céramique en Champagne : production, diffusion et consommation, vol. 1, Marseille : SFECAG, pp. 211-222.
Loo 2014
Loo M. P. J. van der, « The stringdist Package for Approximate String Matching », R J., 6, 1, pp. 111-122.