К основному контенту

Сообщения

Сообщения за ноябрь, 2025

Sentiment-анализ и кластерный анализ

Sentiment-анализ Первый текст Второй текст В первом тексте (про море) большинство абзацев имеют нейтрально-позитивную окраску. Это связано с тем, что автор описывает природу, рассвет, море и прогулки. В MDS видно, что абзацы распределены в светлых областях, а по Feature Statistics значения близки к нулю, поэтому текст выглядит спокойным, мягким и чуть эмоциональнее второго. Во втором тексте (про ежей) почти все абзацы тоже нейтральные, но здесь эмоциональности ещё меньше. Описания более сухие и ровные, без ярких слов или резких контрастов. На MDS абзацы тоже сгруппированы в нейтральных зонах, а Feature Statistics показывает небольшой разброс, но без значимых отклонений. Наиболее эмоциональным оказался первый текст, так как в нём больше описательных деталей природы. На мой взгляд, более точная модель – Feature Statistics, потому что она даёт понятные числовые значения, а MDS больше визуальная и субъективная.  Кластерный анализ Использовались тексты-диктанты о природе и временах года...

Автоматизированный фоносемантический и контент-анализ

  Часть 1.  Фоносемантический анализ. Я рассматривала рассказы "Рейс "Ласточки" и "58 дней в огне" В.Богомолова.  Использовав программу Vaal, я получила анализ эмоционального посыла на основе слов в текстах Оба текста о героизме в Сталинградской битве, но эмоциональный посыл отличается. Первый текст: акцент на хаосе, немедленной угрозе (бомбардировки, пожар, риск взрыва). Вызывает острый страх и напряжение от беспомощности. Фоносемантика: сильнее подавление светлого (-265), доброго (-206); грубый 311, мужественный 285, суровый 235. Второй текст: фокус на упорстве, тактике и решимости (разведка, атака, оборона). Вызывает уважение с оттенком холодной жесткости. Фоносемантика: подавление доброго (-260, сильнее), светлого (-130, слабее); суровый 294 (выше), грубый 310, мужественный 286. Вывод: первый мрачнее и страшнее (ужас выживания), второй суровее и неумолимее (триумф воли). Баллы подтверждают нюансы звучания. Часть 2. Контент-анализ. Моделирование тем (topic ...