A digitális bölcsészet kurzuson tartott tartalomelemzés előadásom diái.

1. Tartalomelemzés
Varjú Zoltán, Precognox
2014. 10.14

2. @zoltanvarju
Szógyakoriság RT és elmlítések

3. Mit árul el rólam
a Twitter?
 Férfi
 Harmincas
 Minimum középiskolai
végzettség
 Big Five – nyitottság,
extrovertált, analitikus

4. Tartalomelemzés
A szógyakorisági
vizsgálatokkal valós
trendekre
következtethetünk
Leírhatunk jelenségeket
Predikciókat tehetünk

5. Miért
számoljunk
szavakat?
Túl sok tartalom
keletkezik
Nem tudunk mindent
elolvasni
Filter bubble
Objektivitás hiánya

6. Egyszerű szógyakoriság
R-index, Google Ngram, GoogleTrends

7. R-index
 The Economist/
EIU
 „recession”
gyakorisága az FT
és WSJ lapokban

8. Google
Ngram
Viewer
• https://books.google.c
om/ngrams
• Google Books
korpuszon alapul
• Nyilvánosan elérhető
API-n keresztül, ill. le
is tölthető

9. GoogleTrends
 http://www.google.co.h
u/trends/
 A keresési kifejezések
idősorait akár meg is
jeleníti nekünk
 Lehetőség van területi
szűrésre is

10. Magyar
R-index
 Index.hu cikkek
 KSH GDP adatok
 Nielsen fogyasztói
bizalmi index

11. GoogleTrends
adatok és
Nielsen index

12. Wikipedia havi
oldalletöltések
és Nielsen
index

13. Összkép

14. Szentiment

15. Szentiment- és
emócióelemzés
Drawin és a nyelvtechnológia találkozása

16. Szentimentelemzés
vagy polaritásmérés
Példák a Neticle
(http://www.neticle.hu/)
rendszeréből

17. Szentimentelemzés
Negatív szótár Pozitív szótár

18. Szentimentelemzés
Shifterek: Pl. „ez nagyon jó” vs „ez
nagyon nem jó”
Irónia „No, jól megcsinálták ezt a
telót!”
Scoring: „A kijelző nagyon jó,
ellenben a hang lehetne jobb is”
Target: „A Samsung nagyon gyors,
ellenben az Apple sokkal szebb
telefonokat gyárt.”

19. Emócióelemzés
 Darwing: The
Expression of
Emotions in Man and
Animals (1872)
 6 alapvető
érzelemnek biológiai
alapjai vannak

20. Ekman és
az
emóciók
 Bánat
 Düh
 Félelem
 Meglepődés
 Öröm
 Undor

21. Emóciószótárak

22. A tökéletes rap sláger
nyomában
Lexikai diverzitás, szentiment- és emócióelemzés

23. Lexikai
diverzitás
Type/
Token
arány

24. Szentiment

25. Emóciók -
bánat

26. Emóciók -
düh

27. Emóciók -
meglepődés

28. Mi a különbség a
szentiment és az
emóció között?

29. A kategóriák
függetlenek
egymástól
Az egyes kategóriák között
nincs korreláció általában,
de
Pozitív és a öröm értékek
között +0.78
Negatív és düh értékek
között +0.65

30. Bánat és
lexikai
diverzitás

31. Félelem és
lexikai
diverzitás

32. Undor és
lexikai
diverzitás

33. Predikció

34. Főpolgármester
-jelöltek a
Twitteren

35. Jelenbecslés
1.
NFSZ nyilvántartott álláskeresők
2013

36. Jelenbecslés
2.
A Jobmonitor keresési adatai (az y
tengelyen nem véletlenül maradtak
le a számok)

37. Jelenbecslés 3.
 ha 1%-kal nő a jobmonitoros
keresések mértéke, 44,17%-kal
csökken a nyilvántartott
álláskeresők száma
 jelezni tudta a januári-februári
tendenciabeli változást
 megerősíti a GoogleTrends
irodalom azon megállapítását,
hogy a keresésekkel kiegészített
modellek előbb előrejelzik a
trendbeli változásokat

38. http://precognox.hu/
http://kereses.blog.hu/
http://www.meetup.com/Hungarian-nlp/