Дана Боброва

Я рассмотрела 10 фотографий с общей тематикой - природа.  MDS-модель Image Grid 1. Между результатами двух моделей - MDS и Image Grid нет разницы. На мой взгляд, обе модели объединяли фотографии по цветовой палитре, но модель Image Grid показалась мне удобнее, так как позволила визуально оценить схожесть между картинками.  2. Для анализа я брала простые фотографии, связанные одной тематикой. Все они были на тему природы. Фотографии разделились на небольшие группы по принципу схожей цветовой палитры. Я согласна с такой логикой разделения, так как в ней явно прослеживается отличие картинок друг от друга. 

1. Я использовала 10 текстов с одной тематикой "Особенности русской культуры". Каждый текст раскрывал различные аспекты русской культуры, включая кухню, литературу, архитектуру и т.д. 2. Мои тексты разделились на четыре группы. В первую группу вошли два текста, наиболее приближенные друг к другу по своей теме (современная русская культура и влияние русской культуры на мировую). Во второй группе оказался только один текст про язык и фольклор, в котором было наименьшее количество необходимых ключевых слов. Третья - самая большая группа, в которую вошли 5 текстов (архитектура, искусство и живоспись, народные традиции, музыка и танцы, религия и духовность). Их объединяет то, что они являются отдельными элементами одной темы. В последнюю - четвёртую - группу вошли два текста - русская кухня и русская литература. Их, скорее всего, объединило наличие ключевых слов как в заголовках, так и внутри текстов.  Такое разделение обусловено похожими заголовками и наличием ключевых слов, повт...

Я анализировала две статьи с одной тематикой - права женщин в Иране. Первый текст был про усиление репрессий в отношении женщин, а второй про борьбу с этими репрессиями (движение "Женщина, жизнь, свобода").  Текст №1  Текст №2 На мой взгляд, модель текста довольно точно отразила суть и содержание первого текста, но не справилась со вторым, так как выделила лишь предлоги. Word cloud справился с обоими текстами лучше, но при анализе второго текста также выделил больше предлогов.  Мне кажется, что определить тематику текста гораздо проще по методике word cloud, так как визуальный образ ключевых слов имеет более привлекательную и точную форму.

Для анализа мною были выбраны три бренда: Prada, Balenciaga и Versace 1. Prada У слова "Prada" соотношение позитива и негатива 1:1. Негативная оценка, в основном, исходит от постов про протесты против диктатуры брендов, позитивная от постов с хвалебными отзывами о последних коллекциях, а нейтральная с обсуждением образов звёзд в одежде бренда. Чаще встречается на фото или в видео, а поиск в интернете связан с дизайнерами модного дома или их определёнными товарами.  2. Balenciaga У слова "Balenciaga" соотношение позитива и негатива 3:2. Позитивные посты также связаны с показами и хвалебными отзывами, а негативные с нелестными отзывами о коллекциях модного дома. Название бренда чаще, чем Prada, встречается в ссылках и также присутствует на фото и в видео. Ключевые запросы, в основном, связаны с поиском конкретной продукции бренда.  3. Versace  У слова "Versace" ситуация с соотношением позитива и негатива куда лучше: 4:1. Бренд меньше подвергается критике, че...

Для анализа я выбрала два текста одной направленности с похожей эмоциональной окраской. Оба текста - статья и эссе - о политике. Статья написана с менее выраженной негативной окраской, а эссе с более выраженной. В остальном, и статья и эссе выдеяют как плюсы, так и минусы современной политики, что, на мой взгляд, делает их довольно нейтральными. 1. Статья на тему "Политика в современном мире: вызовы и тенденции" 2. Эссе на тему: "Политика как зеркало общества" Вывод:  Второй текст (эссе) действительно оказался более отрицательным, но также и более эмоциональным, чем первый. Наиболее точную оценку, на мой взгляд, даёт модель MDS.