МФЖ-101. Современные технологии поиска и обработки информации. Практическое задание №2. Автоматизированный кластерный анализ

Подготовьте данные для анализа, выбрав от 6 до 10 текстов на схожую тему и сохраните их в виде .txt файлов (типа блокнот) в общей папке.

1) Формируете форк по схеме:

Описание анализа: верхний уровень - проверка отображения данных, нижний - непосредственная процедура анализа.

Управление в Orange: правая клавиша мыши открывает меню. Начните набирать текст для поиска инструмента. Левая клавиша мыши используется для выбора виджетов. Для соединения виджетов в единый форк (цепь) зажмите левую клавишу мыши и ведите линию вправо к следующему виджету. Все виджеты открываются кликом по их иконке.

Анализ:

2) Откройте Import Documents и укажите путь к папке, в которой лежат все ваши тексты;

3) Подключите виджет к corpus viewer чтобы увидеть источники;

4) Соедините виджет с Preprocess Text и выберите параметр Regexp;

5) Соедините Preprocess Text с Bag of Words. Regularization установите со значением Euclidean;

6) Выберите Distances и затем Cosine metric;

7) Присоедините виджет Hierarchical Clustering в конце форка;

8) Откройте кластер и выберите следующие группы параметров: linkage - ward, annotation - name, после чего передвиньте вертикальный разделитель (пунктир) так, чтобы тексты разбились по группам кластеров, согласно их логике.

Описание результата: сделайте скриншот с разделением массива текста на кластеры. Кратко опишите тексты какой тематики вы использовали? Поясните на какие группы разделились выбранные вами тексты и дайте обоснование почему именно такие группы были выделены?

Ссылки на выполненное в вашем блоге задание принимаются в комментарии к данному посту до 17:00 четверга, 19 марта.

Ссылку на страницу можно получить, выбрав опцию просмотра (иконка "глаз") в настройках публикации.