study.yaml şeması¶

tamga run tarafından tüketilen bildirimsel çalışma yapılandırması. Minimal bir örnek:

name: my-study
seed: 42

corpus:
  path: corpus
  metadata: corpus/metadata.tsv

features:
  - id: mfw200
    type: mfw
    n: 200
    scale: zscore
    lowercase: true

methods:
  - id: burrows
    kind: delta
    method: burrows
    features: mfw200
    group_by: author

Üst düzey anahtarlar¶

Anahtar	Tür	Zorunlu	Açıklama
`name`	str	evet	Çalışma adı; raporlarda gösterilir
`seed`	int	hayır	Varsayılan seed değeri (42). Her stokastik yönteme iletilir.
`corpus`	object	evet	Derlem yapılandırması (aşağıya bakınız)
`features`	list	evet	Bir veya daha fazla öznitelik çıkarıcı
`methods`	list	evet	Çalıştırılacak bir veya daha fazla yöntem
`output`	object	hayır	Çıktı dizini / zaman damgalama
`cache`	object	hayır	DocBin önbellek dizini
`preprocess`	object	hayır	spaCy model seçimi

corpus¶

corpus:
  path: corpus                    # .txt dosyalarının bulunduğu dizin
  metadata: corpus/metadata.tsv   # isteğe bağlı: dosya adı + rastgele alanları içeren TSV
  strict: true                    # varsayılan: üst verisi olmayan dosya varsa hata ver
  filter:                         # isteğe bağlı: çalıştırmadan önce derlemi filtrele
    role: [train]

features¶

Her öznitelik çıkarıcı, bir id (yöntemler tarafından başvurulan), bir type ve türe özgü parametreler içeren bir sözlüktür.

Desteklenen türler¶

type	parametreler
`mfw`	`n`, `min_df`, `max_df`, `scale` ({none, zscore, l1, l2}), `lowercase`
`word_ngram`	`n` (int veya [min, max]), `lowercase`, `scale`
`char_ngram`	`n`, `include_boundaries`, `scale`
`function_word`	`wordlist` (isteğe bağlı liste veya yol), `scale`
`punctuation`	(yok)
`lexical_diversity`	(yok)
`readability`	(yok)

methods¶

Her yöntem, bir id, bir kind, isteğe bağlı bir features (öznitelik id'si) ve params içeren bir sözlüktür.

Desteklenen türler¶

kind	Açıklama
`delta`	En yakın-centroid yazar tespiti (varsayılan olarak `method: burrows`)
`zeta`	Craig's Zeta; `group_by` ve çıkarılan ya da belirtilen `params.group_a` / `group_b` gerektirir
`reduce`	Boyut indirgeme (varsayılan PCA); `params.n_components`
`cluster`	Hiyerarşik kümeleme (varsayılan Ward); `params.n_clusters`, `params.linkage`
`consensus`	Önyükleme fikir birliği ağacı; `params.mfw_bands`, `params.replicates`
`classify`	sklearn sınıflandırıcısı; `params.estimator`, `cv.kind`, `cv.folds`

output¶

output:
  dir: results          # varsayılan
  timestamp: true       # çalıştırmaları zaman damgalı alt dizinlere sarar

cache¶

cache:
  dir: .tamga/cache     # spaCy DocBin önbellek konumu

preprocess¶

preprocess:
  spacy:
    model: en_core_web_trf    # varsayılan; hız için sm/md ile değiştirilebilir

Gerçekçi çok yöntemli bir örnek¶

name: federalist
seed: 42
output: { dir: results, timestamp: false }

corpus:
  path: corpus
  metadata: corpus/metadata.tsv
  filter:
    role: [train]

features:
  - id: mfw200
    type: mfw
    n: 200
    scale: zscore
    lowercase: true

methods:
  - id: burrows
    kind: delta
    method: burrows
    features: mfw200
    group_by: author

  - id: pca
    kind: reduce
    features: mfw200
    params: { n_components: 2 }

  - id: ward
    kind: cluster
    features: mfw200
    params: { n_clusters: 3, linkage: ward }

  - id: zeta_h_m
    kind: zeta
    group_by: author
    params:
      top_k: 50
      group_a: Hamilton
      group_b: Madison