Гусева Елизавета

  1. Модель Image Grid. Река и поле возможно объединены вместе из-за обилия зелени и растительности на данных фотографиях. Каньон и водопад объединены в связи с наличием воды на обеих фотографиях. У озера и степи я не вижу ничего общего, только возможно наличие большого пространства на обеих фотографиях. Океан и гора видимо объединены из-за общей цветовой гаммы (преобладание синего и голубого цвета на обеих фотографиях). Разделение фотографий по группам у модели Image Grid мне не совсем понятно.  Модель MDS. Водопад, гора, болото и лес почему-то объединены в одну категорию, это мне непонятно. Озеро, река и степь тоже объединены по непонятному мне принципу. Мини-вывод: обе модели не очень точны, но всё же лучше модель Image Grid. 2. Для анализа я выбрала 10 изображений природы (различные природные объекты). Я не совсем согласна с такой логикой разделения. Я ожидала, что фотографии будут разделены по принципу суши и воды.

1. Все 10 текстов про финансовую грамотность 2. Выбранные мной тексты разделились на 2 группы: первая верхняя большая группа рассказывает о конкретных привычках и правилах финансово грамотного человека. А во второй группе тексты, которые содержат основы финансовой грамотности, объясняют данный термин простыми словами и объясняют важность финансовой грамотности. 3. Да, число групп меняется при изменении уровня кластеризации. Если перемещать вертикальный пунктир слева направо - количество групп увеличивается. При перемещении разделителя в левую сторону количество групп уменьшалось. 

Для анализа я выбрала 2 текста: первый про топ 5 экологических проблем Челябинска в 2022 году, а второй про экологические проблемы Челябинской области. Результаты по первому тексту: Результаты по второму тексту: Word cloud гораздо лучше справляется с задачей чем topic modelling. Word cloud выявляет ключевые слова текста, topic modelling концентрируется больше на предлогах, что не является репрезентативным результатом. 

Для анализа я выбрала 3 бренда: Apple, Samsung и Huawei. Apple: Больше всего присутствует нейтральное и положительное упоминание бренда Apple. Чаще всего данный бренд присутствует в фото и видеоматериалах. Чаще всего пользователей в интернете интересуют фотографии, сделанные на Apple, что неудивительно, так как у Apple хорошая камера в айфонах. Samsung: Упоминание о бренде Samsung чаще всего нейтральное и положительное. Публикации с упоминанием этого бренда чаще всего в формате фото, видео и ссылок. Судя по ключевым словам, пользователей больше всего интересует единый пользовательский интерфейс. Huawei: Упоминание бренда Huawei чаще всего нейтральное и положительное. Публикации про бренд представлены в формате фото и видео. По ключевым словам лидирует запрос: профессиональный обзор. Пользователей интересуют обзоры на смартфоны Huawei. Вывод: анализируемые мной бренды больше имеют положительную окраску нежели отрицательную.

Я выбрала 2 разных текста: первый про зависимость от соцсетей, второй про пользу соцсетей. Результаты анализа эмоциональности первого текста: Результаты анализа эмоциональности второго текста: Вывод: у первого текста преобладает негативный посыл, у второго текста преобладает положительный посыл. Наиболее точную оценку даёт модель MDS.