Phase de compound : soit générale, soit limitée aux noms avec des majuscules.

Peut intervenir avant ou après la tokenization.

Deux fonctions : compound_tokens et compound_corpus ? Option des noms propres seulement avec compound_corpus ?

- Réorganiser les interfaces et ajouter token_compound

- Lemmatisation avec Spacy et udpipe

Nuages de mots :

- https://github.com/jasondavies/d3-cloud

- https://github.com/lchiffon/wordcloud2

Matrices et graphes d'association terme x terme ou document x document. Problème : lourd. Limiter le nombre de termes, et/ou permettre de choisir seulement certains termes et limiter au sous-graphe qui les contient. Les calculs peuvent être lourds, peut-être faut il demander à faire le calcul de la matrice avant et faire une interface juste pour cette matrice.

Entre documents : distance qui marche bien est celle du cosine.

Analyse de similitude : graphe des co-occurrences arbre de poids maximal

Termes les plus fréquents

Associations les plus fréquentes

Analyses multidimensionnelles

Topic Modeling : LDA, svd, fuzzy clustering

Partitionnement : reinert...