МФЖ-101. Современные технологии поиска и обработки информации. Практическое задание №7. Структурный sentiment анализ информации с моделями MDS, ACM и оценкой дисперсии

 

Модель	Текст 1	Текст 2
MDS-модель эмоциональной нагрузки текста	Анализируя представленные цвета, становится понятно, что статья несет скорее негативный характер. Большая часть поля – синего оттенка, остальные поля и маленькие островки – зеленого, что тоже не самый положительный результат.	Тут мы видим, что поле все так же синего цвета, однако, в отличие от первого текста, островков с зеленым и желтым оттенком больше. И это верно, так как второй текст менее негативный.
Модели MDS и ACM (тональность)	Почти все поле синего цвета, что говорит о негативной окраске текста. И это верно. Предложения с упоминанием аварии и смерти привлекли внимание, поэтому заняли большую часть.	В этой же модели ситуация совсем иная. Все поле желтого цвет и всего одно предложение создает остров синего оттенка. Это странно, так как текст все же негативный и такое количество желтого – не верно. Предложения со словосочетаниями: «о диком происшествии», « пострадавшим оказывается помощь», «сын попал под машину», «пострадал» и т.д., попали в желтую зону, что так же подтверждает ошибки в графике.
Модель эмоциональных полей	На этой карте видно, как инструмент объединил абзацы на группы, анализируя, какой эмоциональный тон используется в том или ином предложении. Опять же, можно наблюдать такой же результат, как и на прошлой схеме. У нас имеется одна сторона сгруппированных негативных абзацев и с противоположной стороны малое количество положительных.	Эта схема идентична предыдущей и так же показывает больше позитивного, чем негативного. Я не согласен с представленными данными.
График Feature Statistics	Данная таблица так же хорошо справилась. На графике видно, как показатели идут по нарастающей. Так же и в тексте вся информация дается от общих сведений к деталям (где в деталях упоминаются пострадавшие, алкогольное опьянение водителя, смерти и т.д.)	В этот раз график так же хорошо справился и выдал верные данные. Показатели идут от меньшего к большему (вся информация дается от общих сведений к деталям), далее данные графика дублируются несколько раз, как раз на этом моменте в тексте рассказываются разные негативные подробности аварии.

 

Текст 1: https://74.ru/text/incidents/2024/06/14/73707635/

Текст 2: https://74.ru/text/incidents/2024/11/25/74373896/

Вывод: У обоих текстов негативный посыл. Модель MDS хорошо определяет это. Именно эта модель показывает нам всю картину целиком, помогая определить с помощью цветных областей, какой эмоциональный фон превалирует. Возможно, этот метод не самый идеальный, однако MDS лучше с этим справляется, чем тот же АСМ, который во втором тексте показал совершено иные, не верные показатели. График Feature Statistics в данной ситуации хорош в поиске конкретно негативных областей в тексте.