Dal menù Analisi\Analisi Lessicale\Analisi dei Segmenti selezionare la voce Individuazione dei Segmenti, oppure premere il tasto nella barra delle applicazioni.

Si aprirà la maschera Individuazione dei segmenti.

In questa maschera è possibile definire i parametri di configurazione della procedura automatica di estrazione dei segmenti.

Tali parametri sono, nell'ordine:

·     la soglia di frequenza minima delle parole appartenenti al segmento: determina su quale sottoinsieme del vocabolario del corpus verrà effettuata la ricerca dei segmenti. Se, ad esempio, si selezionano le forme a frequenza 5 tutte le forme con una frequenza inferiore vengono considerata alla stregua di separatori forti. In pratica il risultato sarà costituito da segmenti composti solamente da parole aventi frequenza pari o superiore alla soglia immessa. Di default sono considerati anche gli hapax;

·     i separatori forti: delimitano le porzioni di testo nell’ambito dei quali vengono estratti i segmenti. Tipicamente, sono da considerare separatori forti i seguenti caratteri (escluse le parentesi acute): <.!?;:> (l'utente può comunque decidere in piena autonomia qualsiasi combinazione di caratteri). Sono infatti caratteri che hanno la funzione di interrompere il flusso logico del testo, per cui le parole a destra e a sinistra di essi non hanno una relazione tra di loro. Lo spazio, che è il separatore debole (ovvero delle forme grafiche) per eccellenza, non deve invece mai essere considerato separatore forte, in quanto vanificherebbe di fatto l'individuazione dei segmenti. Per considerare separatore forte anche il ritorno a capo, spuntare la casella CRLF. Questa opzione è vivamente consigliata quando il corpus è composto da frammenti molto brevi non suddivisi da un separatore forte, ma solo da un ritorno a capo (ciò potrebbe avvenire nel caso di risposte ad una survey).In questo modo si evita che venga determinato un segmento a cavallo tra due frammenti;

·     le liste di parole vuote iniziali e finali: tramite queste liste è possibile escludere automaticamente quei segmenti che inizino o finiscano con una delle parole vuote contenute in tali liste, ovvero di espansioni vuote di segmenti pieni. Per default sono inclusi i due file di testo < VuoteI.txt > e < VuoteF.txt > contenuti nella directory di installazione di TaLTaC². E' possibile modificare a piacimento questi file (includendo altre parole o/ed escludendo quelle già presenti), non includere alcun file o includere altri file - come nel caso di una lingua diversa dall’italiano - purchè i file siano di testo (<.txt>) e in formato lista;

·     una lista di parole pivot: può essere inclusa qualora si fosse interessati all'individuazione dei soli segmenti in cui compaiano necessariamente una o più parole di interesse. A questo scopo è sufficiente che l’utente includa un file di testo (< .txt >) sempre in formato lista;

·     il numero massimo di parole che compongono il segmento: determina la lunghezza del segmento in termini di forme grafiche componenti (da 2 a n). Generalmente questo valore si fissa inferiore a 10. Si consiglia fra 6 e 8.

ATTENZIONE: Nel caso in cui, all'atto del parsing del corpus, alle cifre (numeri compresi tra 0 e 9) si sia stato imposto il ruolo di separatori , l'individuazione dei segmenti produrrà un errore o comunque risultati non attendibili. Per poter ottenere risultati validi sarà necessario ripetere il parsing attribuendo alle cifre il ruolo <alfabeto>.

ATTENZIONE: se sono stati individuati i segmenti e viene eseguito il parsing comparirà un messaggio che avvisa l'utente della cancellazione della Lista dei segmenti dal DB di Sessione. Se si desidera eseguire il parsing salvando la lista, rispondere no, aprire il DB di Sessione dal menù Visualizza, quindi aprire la lista, esportarla in un file di testo (File/Esporta/In un file di testo) o nel DB di Sessione e rieseguire il parsing rispondendo sì al messaggio che compare.

SUGGERIMENTO: in generale, è consigliabile effettuare le prime esplorazioni dei segmenti cominciando con soglie elevate di frequenza delle parole componenti e dei segmenti da importare e, successivamente, abbassare progressivamente tale soglia.

ATTENZIONE: qualsiasi operazione di lessicalizzazione del testo (da normalizzazione o da somministrazione di liste) fa sì che le forme lessicalizzate siano considerate come un'unica entità.