Методика медиаисследований. ЖМК-301. Практическое задание №6 Структурный sentiment анализ с моделями MDS, ACM и оценкой дисперсии
Вам нужно проанализировать на эмоциональную составляющую текст из СМИ достаточного объема с использованием моделей MDS, ACP и оценкой дисперсии.
Для этого подготовьте текст. Откройте google таблицы: https://docs.google.com/spreadsheets/u/0/и расставьте весь текст поабзацно в строки первой колонки, после чего сохраните в нужном формате (файл - скачать - формат csv).
1) Формируете форк по схеме:
2) В компоненте Corpus указываете путь к вашему первому текстовому csv файлу;
3) В компоненте Sentiment Analysis выбираете мультиязычный компонент и устанавливаете русский язык;
4) Подключаете компонент Corpus Viewer. В нем должны отобразиться все абзацы публикации;
5) Подключаете Sentiment Analysis к компоненту Extract Keywords. В нем выбираете методику term frequency inverse document frequency (важность упоминаемых слов) и модель Yet Another Keyword Extractor. Переключаетесь на русский язык, внизу выбираете опцию учитывать все слова;
6) Соединяете с компонентом MDS. В нем устанавливаете PCA и жмете start. В цвете выбираете модель term frequency inverse document frequency, в размере - стресс, в лейбле - слова. Включаете подсветку общих полей. Перед вами MDS-модель эмоциональной нагрузки текста, разбитого на слова;
7) Подключаете к компоненту Sentiment Analysis инструмент Topic Modeling. В нем указываете опцию HDP - она отобразит вам все тематические пласты текста. Затем добавляете компонент Aggregate Columns. Выбираете оператор sum и имя переменной agg;
8) Подключаете к Aggregate Columns Модели MDS и ACM. В первой Также запускаете PCA, в цвете задаете sentiment, в размере - стресс, в лейбле - отображение текста. Подсвечиваете эмоциональную окраску текстов. Вы увидите доминирующую тональность и контрастные ей типы тональности:
9) В модели ACM вам нужно графически развести разные эмоциональные пласты текста. Для этого на осях вы выбираете разные абзацы (ориентируйтесь на модель MDS) и переключаетесь в модель Гаусса. В цвете и размере выставляете эмоциональный посыл, в лейбле - отображение текста. Перед вами карта эмоциональных полей:
10) Подключите инструмент Topic Modeling к Feature Statistics. В цвете задаете sentiment. перед вами распределение эмоций по абзацам текста. Чем больше отклонение дисперсии от среднего значения, тем более выражены эмоции в тексте:
11) Ваша задача используя все указанные модели сделать вывод о доминирующем эмоциональном посыле текста, а также указать какая модель на ваш взгляд дает наиболее точную оценку. В качестве иллюстраций используйте скриншоты каждого инструмента, формирующего итоговые данные.
Ссылки на выполненные задания принимаются в комментариях к данному посту до 15:00 8 декабря.
Этот комментарий был удален автором.
ОтветитьУдалитьhttps://merzlyakovaaa.blogspot.com/2022/11/6-sentiment-mds-acp.html
УдалитьОценка "хорошо". Вы очень кратко даете пояснение по сравнению моделей и не указываете, что за текст взят для анализа.
Удалитьhttps://lidiasaleikina.blogspot.com/2022/11/5.html
ОтветитьУдалитьОценка "отлично"
Удалитьhttps://minkovaliza875.blogspot.com/2022/11/sentiment-mds-acm.html
ОтветитьУдалитьОценка "отлично"
Удалитьhttps://normchel.blogspot.com/2022/12/sentiment.html
ОтветитьУдалитьОценка "отлично"
Удалитьhttps://whyisshedead.blogspot.com/2022/12/twitch.html -- предыдущее задание. https://whyisshedead.blogspot.com/2022/12/nfs-unbound.html
ОтветитьУдалитьПредыдущее задание - оценка "хорошо", текущее - "отлично"
Удалить1. https://speceffekt.blogspot.com/2022/12/mds-acm-kotakycom-gow-ragnarok.html
ОтветитьУдалить2. прошлое задание - https://speceffekt.blogspot.com/2022/12/sentiment-callisto-protocol.html (vaal категорически отказываеться вставать на windows 11, сделал только задание в orange)
Оценки - "отлично" и "хорошо". В одном из заданий вы не отвечаете на вопрос о предпочтительной модели анализа.
Удалитьhttps://annetsl.blogspot.com/2022/12/6.html
ОтветитьУдалитьОценка "отлично"
Удалитьhttps://naskomod.blogspot.com/2022/12/sentiment-mds-acm.html
ОтветитьУдалитьДолги:
1. https://naskomod.blogspot.com/2022/11/vaaul.html
2. https://naskomod.blogspot.com/2022/12/sentiment.html
3. https://naskomod.blogspot.com/2022/10/tableau-public.html
Текущее задание - "хорошо", вы не сравнили модели и не выбрали предпочтительную. Предыдущие: "отлично", "отлично", "удовл".
Удалитьhttps://kosovaaaaaaaaa.blogspot.com/2022/12/5.html - предыдущее задание
ОтветитьУдалитьhttps://kosovaaaaaaaaa.blogspot.com/2022/12/6.html
Текущее задание - "отлично", предыдущее - "хорошо" - вы не поясняете особенность текстов, которые анализируете.
УдалитьПредыдущее задание
ОтветитьУдалитьhttps://pekaterina368.blogspot.com/2022/11/5-sentiment.html
Оценка "отлично"
Удалить