Allo scopo di individuare i concetti principali contenuti nel corpus, risulta utile rilevare le principali associazioni esistenti fra le forme grafiche che lo costituiscono. A tal fine, uno dei metodi principali consiste nel rilevare quante volte due forme compaiono "vicine" nel testo. La quantità così calcolata prende il nome di cooccorrenze tra le due forme.

Ad esempio, se si dovessero rilevare cooccorrenze rilevanti tra le seguenti coppie di parole: emersione/sommerso, lotta/evasione, evasione/fiscale, ministro/lavoro, lavoro/nero, risulterebbe immediato concludere che il corpus tratta principalmente di temi legati al lavoro nero e alla lotta nei suoi confronti.

TaLTaC² mette a disposizione la funzione di Calcolo delle cooccorrenze che permette di conteggiare quante volte una serie di forme, a due a due considerate, si presentano "vicine" tra loro nel corpus, intendendo per "vicine" un ambito, uno spezzone di testo (intorno nel seguito) costituito da un numero di parole che l'utente è libero di impostare.

Il risultato di questa funzione è costituito da una tabella di sintesi, in cui compariranno le coppie di forme/classi aventi i più alti valori di cooccorrenze assolute e relative. Per le stesse saranno presenti anche le collocazioni, ovvero quante volte una parola appare n posizioni  precedenti o successive rispetto ad un'altra.

Oltre a questo risultato di sintesi, si possono ottenere output più analitici, come la matrice completa delle cooccorrenze, l'elenco completo delle collocazioni e l'inventario delle poli-cooccorrenze.

Per eseguire il calcolo, dal menù Analisi seguire il percorso Analisi Testuale\ Co-occorrenze. Si aprirà la seguente finestra Cooccorrenze.

NOTA: La finestra si apre con i parametri impostati all'atto dell'ultimo utilizzo nell'ambito della sessione corrente. Solamente alla prima apertura i parametri sono impostati su valori di default. E' possibile comunque modificare a piacere tali parametri.

Si devono impostare tre parametri:

·     l'insieme delle parole significative. Sono le forme di cui si vogliono calcolare le cooccorrenze. E' possibile estrarre l'insieme a partire dal vocabolario della sessione indicando una soglia minima di occorrenze, oppure si può indicare una lista esterna che dovrà essere costituita da un file formato .txt avente una parola/poliforme per ogni riga, come nel consueto formato lista accettato da TaLTaC² anche per altre procedure (Lessicalizzazione, Tagging semantico, parole vuote o pivot della procedura Individuazione dei segmenti ecc.). In più, questa lista può contenere riferimenti a categorie semantiche precedentemente create o ai lemmi ottenuti con il tagging grammaticale, utilizzando rispettivamente la sintassi CATSEM(etichettacategoriasemantica) e LEMMA(lemma) in uso anche nella funzione Ricerca entità. In questo modo, tutte le forme categorizzate tramite la categoria semantica o il lemma indicato verranno trattate come un'unica entità, ossia come se fossero la stessa parola;

NOTA: la procedura non comporta alcuna lessicalizzazione, pertanto, se nella lista sono presenti poliformi, affinché possano essere presi in considerazione, gli stessi dovranno essere stati previamente lessicalizzati attraverso le apposite funzioni (Lessicalizzazione o Tagging semantico).

SUGGERIMENTO: Per produrre la lista delle forme significative è consigliabile utilizzare l'apposita funzione presente nel menu File/Esporta/In un file di testo/Lista di lessicalizzazione/tematizzazione. In particolare conviene effettuare una selezione sulla tabella Vocabolario basata, ad es., sul valore dello scarto standardizzato (Vedi Confronto con un lessico di frequenza), del TFIDF o comunque su una scelta manuale/semiautomatica compiuta dall'utente, e quindi utilizzare la funzione di esportazione di cui sopra per generare la lista.

ATTENZIONE: indipendentemente dalla modalità di generazione (soglia di occorrenze sul Vocabolario o lista esterna), l'insieme delle forme significative non deve superare i 9000 elementi (parole/poliformi).

·     i separatori. Poiché il calcolo delle cooccorrenze mira a rilevare relazioni di senso tra le parole del corpus, è ipotizzabile che due forme significative appartenti a periodi diversi, e quindi separate quanto meno, ad es., da un punto o da un punto esclamativo, non abbiano in realtà alcuna relazione l'una con l'altra, anche se compaiono nell'intorno di parole indicato dall'utente. E' possibile ovviare a questo problema specificando un insieme di separatori che consente di limitare comunque l'ampiezza dell'intorno di riferimento in prossimità di tali caratteri. E' consentito indicare qualsiasi carattere o insieme di caratteri come separatori e detto insieme non ha relazione alcuna con l'insieme dei separatori della sessione (vedi Parsing), per cui non deve necessariamente coincidere con quest'ultimo. La casella CRLF permette di indicare come separatore il carattere "ritorno a capo";

·     l'ampiezza dell'intorno, ovvero il numero di parole entro il quale è possibile rilevare una cooccorrenza. Deve necessariamente essere almeno uguale a 2 e deve essere costituito da un numero pari. L'intorno deve essere infatti visto come una "finestra" di testo al centro del quale è posta una specifica occorrenza della forma significativa di volta in volta considerata. Specificando, ad es., un intorno pari a 20 parole nella finestra Cooccorrenze, verranno valutate, ai fini del calcolo, le 10 forme a sinistra (precedenti) e le 10 forme a destra (seguenti) rispetto alla forma significativa.

NOTA: Il calcolo non considera le cooccorrenze di forme significative appartenenti a frammenti e/o sezioni diverse, anche se le forme compaiono nell'ambito dell'intorno considerato (di fatto i limiti di frammento e/o sezione agiscono da separatori).

L'insieme delle parole significative e l'ampiezza dell'intorno sono parametri necessari per il calcolo, mentre i separatori sono opzionali e, se si vuole, possono essere omessi.

Nel riquadro Risultati si impostano i calcoli desiderati:

·     Cooccorrenze e collocazioni maggiormente significative (obbligatorio): opzione non deselezionabile che permette la creazione di una tabella di sintesi, in cui compariranno le coppie di forme/classi aventi i più alti valori di cooccorrenze assolute. Per le stesse saranno presenti anche le collocazioni e i valori di cooccorrenze relative.

·     Numero cooccorrenze e collocazioni maggiormente significative:
determina il numero massimo di coppie di forme/classi che verranno presentati nella tabella appena descritta.

·     Matrice  delle cooccorrenze: produce un file, in formato .txt, contenente una tabella del tipo Forme x Forme: le intestazioni di riga e di colonna di tale tabella saranno costituite dalle forme in analisi (e pertanto si avrà il medesimo numero di righe e colonne), mentre le celle riporteranno il valore delle cooccorrenze concernenti le due parole della riga e della colonna considerate.

·     Calcolo delle poli-cooccorrenze: permette la creazione di un file, in formato .txt, contente l'inventario delle poli-cooccorrenze, ovvero delle cooccorrenze che si verificano, nell'intorno considerato,  tra tre o più forme/classi .

·     Cancella la cartella temporanea delle collocazioni: le collocazioni di ogni forma rispetto a tutte le altre vengono scritte in una cartella (dal nome "collocazioni" ed eventualmente un numero progressivo) posta all'interno della cartella di sessione. Questa cartella contiene tanti file, in formato .txt, quante sono le forme significative considerate. Questo è un genere di risultato ad alto dettaglio ma molto dispersivo: se non si è interessati alla sua consultazione è possibile cancellare questa cartella alla fine dei calcoli spuntando questa opzione.

SUGGERIMENTO: per una consultazione più agevole, si consiglia di aprire i file .txt dei risultati con un software per fogli elettronici (ad es. Excel o Calc)

Una volta impostati i parametri, premere OK.

Nel caso in cui si sia deciso di ottenere la matrice delle cooccorrenze tra i risultati, apparirà la finestra di salvataggio del file tramite la quale si potrà scegliere la cartella ed il nome del file da salvare. Il file delle poli-cooccorrenze viene invece salvato sempre nella cartella di sessione con il nome "Policooccorrenze.txt".