Практическое задание №1. Фоносемантический анализ

Для анализа я выбрала тексты песен группы Би-2 разных периодов творчества.

Текст 1. "Зажигать"


Текст 2. "Компромисс"


Текст 3. "Мосты"


Текст 4. "Научи меня быть счастливым"

Текст 5. "Пора возвращаться домой"


1) Отличается ли эмоциональная составляющая в рассмотренных вами текстах?
"Зажигать", "Компромисс" и "Пора возвращаться домой" можно отнести к одной группе, они в основном угловатые, злые, мужественные и сильные.
Текст песни "Мосты" схож с предыдущими текстами, но его отличает наличие ярко выраженных только позитивных характеристик: грубый, мужественный, холодный.
"Научи меня быть счастливым" значительно отличается от других текстов, он в основном яркий и безопасный, единственный текст, в котором высокий показатель безопасный.

2) Какие шкалы вы использовали для оценки? Почему вы считаете их наиболее удачными?
Для оценки я использовала негативные шкалы: угловатый, злой
Из позитивных: мужественный, грубый, холодный
Я считаю из наиболее удачными, так как эти критерии наиболее ярко выделены из остальных и чаще присутствуют в выбранных мною текстах.

3) Можете ли вы выделить среди рассмотренных самый эмоциональный и самый неэмоциональный текст? Чем они отличаются?
Самый эмоциональный текст -  текст 2. "Компромисс". Больше шкал заполнено почти полностью, выделено 13 эмоций.
Наименее эмоциональным является текст 4. "Научи меня быть счастливым". Программа выделяет только 2 эмоции, другие шкалы заполнено средне.
При этом текст 3. "Мосты" также можно назвать неэмоциональным. Несмотря на то, что программа выделяет 3 эмоции, остальные шкалы заполнены минимально, близки к нулю. 

4) Насколько программный результат отражает ваше мнение по поводу рассмотренных текстов? 
Программный результат по большей части схож с моим мнением касательно этих текстов. Я согласна, что большинство текстов создают впечатление злых, мужественных и холодных, согласна и с тем, какие отличительные характеристики выделила программа у разных текстов. В единственном тексте про любовь "Научи меня быть счастливым" программа не выделила несопоставимых со смыслом песни эмоций. Интересно отметить, что песня "Компромисс" стала хитом, и в неё программа выделяет наибольшее количество эмоций. 



Комментарии

Отправить комментарий

Популярные сообщения из этого блога

Практическое задание №6. Графический анализ

Изображение
1) Модель Image Grid показалась мне более наглядной. По этой модели легче определить по каким признакам картинки могли быть сгруппированы, так как сами изображения присутствуют на схеме и есть возможность их сопоставить. Но в целом, обе модели разделили изображения примерно одинаково, есть отличия, но по какому принципу происходит разделение - не совсем ясно. 2) Для анализа я выбрала обложки популярных поп-альбомов. На модели Image Grid они сгруппировались по цвету (обложки голубого, синего, сиреневого цвета в одной группе, зелёная обложка отдельно, обложки с белыми элементами левее), по схожести элементов. Частично я согласна с тем, как программа разделила изображения, но чаще логика не прослеживается. 
Далее...

Практическое задание №3. Sentiment Analysis в социальных медиа

Изображение
1. Pedro Pascal Соотношение позитивных упоминаний к негативных 7:3. Преобладают нейтральные (66%) и позитивные посты (23%). Общее количество упоминаний: 418. Преобладает видеоконтент (33%), после него фото (27%). Ключевые слова дают понять, что пользователей интересуют роли Педро Паскаля в кино и сериалах, в особенности в сериале The Last Of Us.  2. Yura Borisov Соотношение позитивных упоминаний к негативным: 10:0. Преобладают нейтральные (63%) и позитивные (36%) упоминаний, негативных упоминаний оказалось всего 1% от общего количества. Общее количество упоминаний: 206. Преобладает видеоконтент (35%) и статусы (35%). Ключевые слова дают понять, что упоминания Юры Борисова связаны с его ролью в фильме «Анора» и номинацией за роль второго плана . По всей видимости, его упоминают в постах о номинантах и победителях премии Оскар. 3. Timothee Chalamet Соотношение позитивных упоминаний к негативным: 4:1. Преобладают нейтральные (66%) и позитивные (28%) упоминаний.  Общее количество ...
Далее...