D'abord un ouvrage qui traite des propriétés mathématiques des dissimilarités :
Van Cutsem B. (1994) Classification and Dissimilarity Analysis Lecture Notes in Statistic. New-York : Springer Verlag.
Un autre, fort utilisé en analyse de données textuelles :
Chandon J.L. & Pinson S. (1981) Analyse Typologique. Théories et Applications. Paris : Masson.
Citons deux ouvrages de base pour l'analyse factorielle des correspondances, et la distance du khi-2 appliquées aux textes :
Benzécri J.P. et alii (1981) Linguistique et Lexicologie. Pratique de l'Analyse des Données 3. Paris : Dunod.
Lebart L. & Salem A. (1994) Statistique textuelle. Paris : Dunod.
Torgerson W.S. (1958) Theory and methods of Scaling. New-York : Wiley.
Shepard R.N. et alii (eds) (1972) Multidimensional Scaling : Theory and applications in the behavioral Sciences. Vol. 1 : Theory. New York : Seminar Press.
Kruskal J.B. & Wish M. (1978) Multidimensional Scaling. Beverly Hills & London : Sage.
Degenne A. (1972) Techniques ordinales en analyse des données. Paris : Hachette.
Barthélémy J.P. (1979) Propriétés métriques des ensembles ordonnés. Comparaison et agrégation des relations binaires. Thèse de doctorat d’Etat : Besançon.
Abdi H. (1981) Approches préordinales et Analyse de Données psychologique. Thèse : Université d'Aix-en-Provence.
Luong X. (éd) (1989) Analyse arborée des données textuelles - Tree analysis of textual data. CUMFID n°16, Nice : Institut National de la Langue Française; CNRS ; 178 p.
Barthémemy J.P. & Guénoche A. (1991) Trees and Proximity Representation. New-York : Wiley & son.
C. Muller a produit une œuvre de pionner en introduisant la notion de connexion lexicale. Celle-ci se laisse construire de deux manières, l'une ensembliste et l'autre qui s'appuie sur la loi binômiale pour tenir compte des fréquences. É. Brunet, du temps héroïque des cartes perforées, l'a élaborée et instanciée sur de vastes ensembles de données.
Muller C. (1964) Etude de statistique lexicale. Le vocabulaire de Pierre Corneille. Paris : Larousse.
Muller C. (1968) Initiation à la statistique linguistique. Paris : Larousse.
Brunet É. (1978) Le vocabulaire de Jean Giraudoux. Structure et évolution. Troisième partie, Chapitre I (pp. 369-396) : La connexion lexicale. Genève : Slatkine.
Brunet É. (1988) Le vocabulaire de Victor Hugo. Quatrième partie, Chapitre I (pp. 275-299) : La connexion lexicale. Genève / Paris : Slatkine – Champion.
Représentations arborées des données de Brunet (connexion lexicale, version probabiliste) :
Barthélemy J.P. & Luong X. (1987) « Sur la topologie d'un arbre phylogénétique : aspects théoriques, algorithmiques et applications à l'analyse de données textuelles », Math. et Sciences Humaines n° 100, pp. 57-80.
Voici quelques références sur les analyses de tableaux lexicaux à l’aide de distances euclidienne et de l’analyse en composantes principales :
Burrows J.F. (1989) « An Ocean Where Each Kind... : Statistical Analysis and Some Major Determinants of Literary Style », Computers and the Humanities n°23, pp. 309-321.
Tabata T. (1994) « Dickens Narrative Style : A Statistical Approach to Chronological Variation », RISSH n°30, pp. 165-182.
Holmes D. I. & Forsyth R.S. (1995) « The Federalist Revisited : New Directions in Authorship Attribution », Literary and Linguistic Computing n°10, pp. 111-127.
Baayen H., van Halteren H. & Tweedie F. (1996) « Outside the Cave of Shadowss: Using Syntactic Annotation to Enhance Authorship Attribution», Literary and Linguistic Computing n°11, pp. 121-131.
Tweedie F., Holmes D. & Corns T. (1998) « The Provenance of De Doctrina Christiana, Attributed to John Milton : A Statistical Investigation », Literary and Linguistic Computing n°13, pp. 77-88.
Craig H. (1999) « Authorial Attribution and Computationnal Stylistic », Literary and Linguistic Computing n°14, pp. 103-113.
Binongo J.N.G. & Smith M.W.A. (1999) « The Application of Principal Component Analysis to Stylometry », Literary and Linguistic Computing n°14, pp. 445-465.
Burrows J.F. & Love H. (1999) « Attribution Tests and The Editing of Seventeenth-century Poetry », Yearbook of English Studies n°29, pp. 151-175.
Quelques références relatives à des pratiques euclidiennes : distances euclidiennes, dissimilarités construites à partir des coefficients de corrélation et représentations issues du MDS :
Woelfel J. & Fink E.L. (1980) The Measurement of Communi-cation Processes : Galileo Theory and Method. New-York : Wiley.
Burrows J.F. (1987) Computation into Criticism : A Study of Jane Austen's Novels and an Experiment in Method. Oxford : Oxford University Press.
Potter R.G. (1991) « Statistical Analysis of Literature : A Retrospective on Computers and the Humanities, 1966-1990 », Computers and the Humanities n°25, pp. 271-293.
Horton T.B. (1991) « Frequent Words, Authorship, and Characterization in Jacobean Drama » in Hockey & Ide (eds), Research in Humanities Computing. Oxford : Oxford University Press, pp. 47-69.
Holmes D. I. (1994) « Authorship attribution », Computers and the Humanities n°28, pp. 1-20.
Burrows J.F. & Craig H. (2001) « Lucy Hutchinson and the Authorship of Two Sevententh-century Poems : A computationnal Approach », The Sevententh Century n°16, pp. 259-282.
Spencer M. et alii (2003) « Analysing the Order of Items in Manuscripts of The Canterbury Tales », Computers and the Humanities n°37, pp. 97-109.
Tversky A. (1977) « Features of Similarity », Psychological Review n°84, pp. 327-352.
Abdi H., Barthélemy J.P. & Luong X. (1988) « Représentations arborées et catégories naturelles » in Analyse Arborée des données textuelles, CUMFID n°16, pp. 156-179.
Juillard M. & Luong X. (1989) « Unrooted Tree Revisited: Topology and Poetic Data », Computers and the Humanities n°23, pp. 215-225.
Luong X. (1994) « Analyse arborée des données textuelles, mode d' emploi », Travaux du Cercle Linguistique n° 16, Université de Nice, pp. 25-42.
Barthélemy J.P. & Luong X. (1998) « Représenter les données textuelles par les arbres... », in S. Mellet (éd) JADT 1998, 4èmes Journées Internationales d'Analyse Statistique des Données Textuelles. Nice, pp. 49-71.
Juillard M. & Luong X. (1988) « As the leaves grow on the tree : a new way to analyze linguistic data », Literary and Linguistic Computing, vol. 3, n°2, pp. 125-131.
Juillard M. & Luong X. (1994) « De nouveaux arbres pour un nouveau corpus », Revue Informatique et Statistique dans les Sciences humaines, vol. 24, n°1-4, pp. 221-240.
Juillard M. & Luong X. (1997) « Words in the hood : a new look at the distribution of words in text », Linguistic and Computing, pp. 47-65.
Luong X. & Maciel C. (1999) « Le vocabulaire des constitutions des pays lusophones. Essai d'application d'un modèle mathématique » in Os desafios da lusophonia, Hommage à R.A. Lawton. CUMFID n°19. Nice.
Dubrocard M. & Luong X. (2000) « Problèmes d'attribution : application de quelques tests statistiques à différents historiens latins, analyse arborée » Actes du Colloque Internatinal VEXTAL.Venise.
Cottier J.F., Dubrocard M. & Luong X. (2002) « Détermination de quelques manuscrits du latin médiéval », Médiévales n°42, pp. 55-71.
Luong X. & Mayaffre D. (2004) « Arbres et généalogie politique. Représentation arborée du discours de Jacques Chirac (1995-2002) », Histoire et Mesure, sous presse.
Brunet É. & Muller C. (1988) « La statistique résout-elle les problèmes d'attribution ? », Strumenti critici, III, n°3, pp. 367-387.
Luong X. & Mellet S. (1995) « Les calculs multidimensionnels au service de l'analyse syntaxique diachronique » in Analisi Statistica dei Dati Testuali. Roma : CISU, pp. 281-288.
Évrard É. (1996) « Étude des dialectes bantous » in Statistique et analyse linguistique. Paris : PUF, pp. 85-103.
Hubert P. & Labbé D. (1998) « La connexion des vocabulaires » in S. Mellet (éd) JADT 1998, 4èmes Journées Internationales d'Analyse Statistique des Données Textuelles. Nice, pp. 361-369.
Brunet É. (1999) « Ce que disent les chiffres », in Nouvelle Histoire de la langue française, Paris : Éd. du Seuil, pp. 673-727.
Labbé D. & Monière D. (2000) « La connexion intertextuelle. Application au discours gouvernemental québécois », in Rajman & Chappelier (eds) Actes des 5èmes Journées Internationales d'Analyse Statistique des Données Textuelles. Lausanne, vol. 1, pp. 85-94.
Labbé C. & Labbé D. (2001) « Textual Distance and Authorship Attribution Corneille and Molière », Journal of Quantitative Linguistics n°8, 3, pp. 213-231.
Pincemin B. (2002) « Similarités texte-textes. Expérience d’une application de diffusion ciblée et proposition », in Matemáticas y Tratamiento de Corpus, Séminaire interlatin de linguistique appliquée, Logroño : Fundacion San Milán de la Cogolla, pp. 35-52.
Longrée D. & Luong X. (2003) « Spécificités stylistiques et distributions temporelles chez les historiens latins : sur les méthodes d’analyse quantitative d’un corpus lemmatisé » in Actes des 2èmes Journées de la Linguistique de Corpus. Lorient (sous presse).
Brunet É. (2002) « Le lemme comme on l’aime », in A. Morin et P. Sébillot (éds.) JADT 2002, 6èmes Journées inter-nationales d’Analyse statistique des Données Textuelles. Saint-Malo : IRISA – INRIA, vol. 2, pp. 221-232.
Labbé D. & Monière D. (2003) Le discours gouvernemental. Canada, Québec, France 1945-2000. Paris : Honoré Champion (Lettres numériques 4).
Burrows J. (2003) « Questions of Authorship: Attribution and Beyond », Computers and the Humanities n°37, 1, pp. 5-32.
Somers H. & Tweedie F. (2003) « Authorship Attribution and Pastiche», Computers and the Humanities n°37, 2, pp. 407-429.