Медиаэкономика

Практическое задание №6. Графический анализ Для анализа я взяла фото улиц из разных стран мира.   На мой взгляд,   Image Grid более наглядная чем MDS-модель, так как показывает сами изображения, что позволяет легче распределить их в группы. Так как были выбраны фотографии улиц, разделение произошло по нескольким критериям: красочность фотографии, время суток, схожесть элементов (высотные здания). Я согласна с таким разделением, за исключением одной фотографии Санкт-Петербурга, которую можно было отнести к группе выше(высоткам).

  Практическое задание №5. Автоматизированный кластерный анализ        Для анализа я взяла 10 текстов, которые рассказывают истории женщин-политиков. Тексты разделились на три группы.  Основной критерий для разделения-география. Голубая группа- политики в России, оранжевая группа- истории политиков из стран Азии и Ближнего Востока, зеленая группа связана с форматом статьи(интервью).  Я считаю, такое разделение получилось из-за того, что в заголовках статей есть названия стран или городов, в которых работают политики.  При изменении уровня кластеризации, число групп менялось: при перемещении разделителя в левую сторону, групп становилось меньше, а при перемещении в правую сторону - больше.

  Практическое задание №4. Автоматизированный контент-анализ с моделью текста Для анализа я взяла два текста с сайта https://74.ru/. Оба текста посвящены недвижимости, а точнее застройке Челябинска. 1)  "На пустыре за промзоной в Челябинске собираются строить жилой район" https://74.ru/text/gorod/2025/03/16/75186788/ 2)  «Появится стена перед окнами»: жители домов у стадиона «Локомотив» взбунтовались против строительства двух многоэтажек  https://74.ru/text/realty/2025/03/17/75215993/ На мой взгляд, метод Topic modelling удобнее, так как выделяет слова, которые имеют эмоциональную окраску, в то время, как World cloud делает акцент на частоте использования, поэтому в середине картинки больше предлогов, чем важных для анализа слов.

  Практическое задание №3. Sentiment Analysis в социальных медиа 1. Vivienne Westwood Соотношение позитива и негатива 9:1. По сравнению с другими, этот бренд меньше подвергается критике. чаше встречаются фотографии и статусы. Ключевые слова связаны с создательницей бренда и показами.  2) Versace Соотношение 4:1. В основном встречаются фото и ссылки. В ключевых словах часто встречается имя Элтона Джона, как друга модельеров и главного фаната бренда. 3)Yeeze  Соотношение 7:3. Большое количество публикаций это фото или видео. Ключевые запросы связаны либо с определенными моделями, либо с персоной Канье Веста. Вывод: все анализируемые бренды имеют позитивную окраску. Им характерен фото и видеоконтент, а ключевые слова не несут эмоциональной нагрузки.

Практическое задание №2. Структурный sentiment анализ информации с моделями MDS, ACM и оценкой дисперсии 1) 2) вывод: первый текст выглядит эмоциональнее по всем показателям. На мой взгляд, метод pca является удобнее остальных, так как визуализации позволяют легко интерпретировать данные и выявлять взаимосвязи.