Шаяхметова Рената жмк-201

Методика медиаисследований. ЖМК-301. Практическое задание №9. Регрессионный анализ с линейной проекцией и моделью SVM Для анализа я брала статистику разводов в России и в США в количестве на 1000 человек. Вывод: анализ взаимосвязи двух групп данных показал, что взаимосвязь между ними достаточно низкая, но она есть (совсем чуть-чуть).  Тематика взятых данных также не предполагает взаимосвязи между ними. Для меня самой понятной и удобной моделью стала Scatter Plot и Linear Projection. Также, мне понравилась форма Data table, но ее мы не рассматриваем. Форма  Polynomial Regression, мне не особо понравилась, по сравнению с другими. Во всяком случае, на всех видах форм отчетливо видно, что мои данные почти никак не связаны и почти никак не пересекаются.

Методика медиаисследований. ЖМК-301. Практическое задание №8. Network-анализ я взяла файл данных о прослушивании альбомов. Network Explorer Correlations MDS 1) Наиболее важные связи между роком и инди. Доминирующий тип контента "другие". 2) Центральным элементом является рок. Яркий зеленый круг. 3) Наиболее удобным компонентом для меня является Network Explorer. По цветовым областям и количеству связей визуально комфортно анализировать. По  Correlations слишком много данных. А в  MDS данные сливаются друг с другом сильно, хотя компонент тоже довольно прост для понимания.

Методика медиаисследований. ЖМК-301. Практическое задание №7. Графический анализ c кластеризацией и алгоритмом t-SNE Для анализа я взяла фото на тему "природа". 1) Точного разделения нет.  Hierarchical Clustering разделил всего лишь на 2 группы, возможно из-за того, что в каких-то фотографиях преобладают море, озера и тд, а в других просто поля.  Image Grid - выделил только 1 более менее группу внизу, из-за похожих цветов или ракурса.  t-SNE - разделил фотографии на 2 группы, но не совсем ясны критерии, потому что некоторые цветовые элементы есть в двух группах.  Модель  Hierarchical Clustering - более точно разделила фотографии на группы по простому критерию.  2) Для анализа я взяла фотографии связанные с природой  Фотографии разделились на такие группы, потому что в некоторых из них преобладают некоторые цвета (синий, зеленый), из-за разных ракурсов возможно не определились в какие-то группы. С такой логикой разделения я согласна. 

Методика медиаисследований. ЖМК-301. Практическое задание №6. Графический анализ Для анализа я взяла 12 изображений достопримечательностей Челябинска.  Первая группа (снизу вверх): туда вошли изображения с инсталляциями и одним театром Вторая группа: два памятника Третья группа: два памятника и здание цирк Четвертая группа: два памятника и церковь Пятая группа: памятник  Вывод: я не согласна с распределением программы. Картинки в группах не соответствуют ни по цвету, ни по содержанию. Несколько совпадений есть, например, два памятника вместе, но остальные памятники в такой же цветовой гамме, ушли в другие группы. 

Методика медиаисследований. ЖМК-301. Практическое задание №5. Автоматизированный кластерный анализ 1. Для анализа я взяла 10 песен про любовь: 5 песен Максим, 3 песни Доры, 2 песни Монеточки. 2. Выбранные мной тексты разделились на 3 группы: песни про безответную любовь в одном блоке. В 1 группе преобладают такие мотивы в очень мягких текстах без грубости. Вторая группа про безответную любовь. Третья группа про расставания, боль, обиду, чувства которые приводят к огорчению и разочарованию в любви. 3. Да, число групп по общности текстов меняется при обеспечении уровня кластеризации. Если ползун двигаться в правую сторону, то количество группируется, а если в сторону, то обратно увеличивается.

Методика медиаисследований. ЖМК-301. Практическое задание №4. Автоматизированный контент-анализ с моделью текста Для анализа были взяты стихотворения А.С.Пушкина о природе. 1 стихотворение "Осень": 2 стихотворение "Зимнее утро": Выводы: на мой взгляд модель текста точно отражает содержание, но возможно, брать стихотворения для таких анализов не очень хорошая идея. Понравилась схема в word cloud, если брать какие-то большие тексты по теме, то отлично выделяет основные слова и темы, хороший инструмент. Эта методика на мой взгляд легче.

Методика медиаисследований. ЖМК-301. Практическое задание №3. Sentiment Analysis в социальных медиа для проведения анализа я взяла 3 бренда: adidas, reebok, nike. Adidas Соотношение 9:1 в положительную сторону говорит о лояльности аудитории и хорошем отношении к бренду. Я считаю, это очень отличный показатель. Я не понимаю, что за иконки изображены, но именно у них наибольшая положительная реакция на бренд и цитируемость.  Фото и видео занимают лидирующую позицию, их разделяют ни много ни мало 8%. Фото 1 место. Наибольший эмоциональный отклик вызывает Чемпионат мира по футболу 1978. Мы видим большое количество запросов по этой теме. Reebok Соотношение 4:1 говорит, что дела у Reebok больше чем в 2 раза хуже, чем у прошлого бренда. На 4 положительных отзывов приходится 1 негативный. Фото 1 место В ключевых словах пользователи будто издеваются над названием бренда: "рибки", "рибоки" Делаем вывод, что клиенты не довольны Reebok и всячески иронизируют над названием или н...

Практическое задание №2. Структурный sentiment анализ информации с моделями MDS, ACM и оценкой дисперсии Для проведения анализа я выбрала два текста одной направленности, но разной эмоциональной окраски. Это две рецензии на музыкальные альбомы. Первая - с негативной и сильно эмоциональной реакцией, вторая с позитивной, но более сдержанной. 1  2 Вывод: второй текст действительно более положительный, но менее эмоциональный, чем первый. Наиболее точную оценку, на мой взгляд, даёт модель MDS.