Projet TATIA

Groupe :

• Thomas Portet
• Aymeric Picard Marchetto

Le rapport se trouve dans le fichier Rapport.md.

Utilisation

python main.py data/data.txt [nb]

Génère [nb] titres aléatoires en utilisant notre jeu de données. Fonctionne sur linux avec python 3.

Autre fichiers

Programmes

• cleanSource.py a servi pour nettoyer le data set original (examiner-date-text.csv) en format plus lisible (cleanedSource.txt)
• genProba.py transforme un fichier de titres bruts (cleanedSource.txt) avec les données des bigrammes pour le programme (data.txt)

Données

• dataraw contient les données non traitées
  • examiner-date-text.csv est le data set original tel quel (zippé pour prendre moins de place)
  • cleanedSource.txt le data set nettoyé par cleanSource.py (zippé pour prendre moins de place)
  • smallDataTest.txt un data set artificiel pour tester l'algorithme
• data contient les données prêtes à l'emploi
  • data.txt les données générées par genProba.py à partir de cleanedSource.txt
  • dataSmall.txt les données générées par genProba.py à partir de smallDataTest.txt

Source du data set : https://www.kaggle.com/therohk/examine-the-examiner