Анастасия Кузнецова ЖМК-201

Network Explorer MDS Correlations Для анализа я взяла базу данных по авиаперевозкам airtraffic .  1. Наиболее важные связи выделены зелеными и синими цветами. Их больше и встречаются они чаще. И там написаны все данные базы: передвижения, пассажиры и груз. Также видны области, помеченные красным. Особенно хорошо это видно в Network Explorer. О Доминирующем типе контента сложно говорить, потому что связей много и не уследить их тенденцию. 2. Центральным элементом связей во всех схемах является FAA Hub, помеченный зеленым цветом.  3. Для меня удобнее всего оказалась модель MDS, так как по ней можно легко ориентироваться По модели Correlations сложно ориентироваться, набор символов. По нему очень сложно ориентироваться и недостаточно данных, для более подробного анализа.

Классификация распределила всё по цветовой гамме и предметам в кадре, похожие изображения оказались ближе друг к другу.  Я выбрала фото референсы к короткому метру и согласна с их классификацией.

  Для анализа я взяла обложки группы "Папин Олимпос" На второй картинке программа разделила обложки на пять конкретных групп по горизонтали и одну промежуточную. При этом вертикально они тоже разделены на группы.  На 2 картинке они разделены по признакам:  - человек или нет;  - по технике изображения, стилю;  - по количеству объектов; по надписям;  - по цветовой гамме.  Согласно анализу, на первой картинке, программа разделила картинки точно также, как на второй. Восьмая картинка посередине, так как не относится конкретно к какой-либо группе, имеет общее сразу со всеми. Четвертая, первая и шестая картинки стоят отдельно, также как и на второй картинке анализа, потому что схожи по цветовой гамме, рисовке и расположению объектов. Седьмая картинка тоже стоит отдельно, потому что она отличается от всех остальных: объект перекрыт текстом и стоит спиной.  Различий между группировкой разных анализов нет. Я согласна с такой группировкой, потому что в ней ...

  Для анализа были выбраны тексты о сольном проекте певицы и участницы группы Blackpink - Джису. Вывод:  Оба текста содержат одну тему.   В первом тексте более точные формулировки: имя артиста, название компании, в которой она работает, в каком году выйдет соло и в какой группе находится исполнительница, е сть предыстория группы, как она стала популярной, а потом уже идет новость о соло. Во втором тексте не так понятно, когда именно выйдет соло или из какой она группы.  Первый текст точный, а второй свободный, рассказывается именно про артистку и ее соло. Следовательно, у каждого подача разная.

В анализе я использовала два текста, посвященные сериалу Король и Шут Текст 1 Текст 2 Итог: Чаще всего встречаются имена и названия. В первом тексте больше негативной окраски, поэтому была выбрана категория негатив и, также, имена, потому что там говорится про солиста группы и про его жену, ныне вдову.  Можно сделать вывод, что во втором тексте имен встречается гораздо больше, чем слов какой либо другой категории, потому что и текст большой, и посвящен он съемкам, актерам, режиссерам, костюмерам и продюсерам. Названий достаточно и в том, и другом тексте, но во втором тексте, все-таки, их больше. 

  Текст 1: Текст 2:     Итог:  Для ручного контент-анализа были выбраны материалы о мероприятии "Met Gala".  Второй текст больше по объёму и по проведённому анализу видно, что именно в нём больше, чем в первом тексте. Оба текста повествуют о мероприятии, о тематике Met Gala. Однако во втором материале больше имён селебрити, которые посетят данное мероприятие, а в первом тексте речь идет больше о  брендах. 

В анализе я использовала слово chill, оно оказалось популярным среди всех стран и сфер жизни. Больше всего пересечений происходит в линиях Австралии, Америки и досуговых отраслях (музыка, фильмы и пр.). 

 Для анализа я взяла тексты про квесты.  Тексты разделились на три группы:  1. Выбор с определенной целью; 2. Объяснение, зачем нужны квесты; 3. Объяснение что такое квест и зачем он нужен. Разделение на такие группы происходит, по принципу смыслового различия и они отражены в таком делении. При изменении уровня кластеризации количество групп не меняется. Я думаю, это из-за довольно малого количества текстов и из-за однозначного распределения текстов на группы. источник: https://xn--74-6kcatgwxqd1a.xn--p1ai/