Balogh Kitti - Szűcs Krisztina - Varjú Zoltán: TechTea: Szövegvizualizációk a szófelhőkön túl

Szövegvizualizációk a Szófelhőkön túl

Szűcs Krisztina data visualization designer

@szucsi

Balogh Kitti statisztikus, adatelemző

Varjú Zoltán sszámítógépes nyelvész

TarTalom

Ha túl SoK a SZöVeg - topiK ViZualiZáció

egymáSBa gaBalyodVa- a magyar politiKai BlogSZféra aZ érZelmeK HálójáBan

a nyelV HálóZati megKöZelítéSBen - SZemantiKa, SZóaSSZociáció, nyelVfejlődéS

a KulcSSZaVaKtól a diSZlexiáig

Szeretem a narancsot és az almát.

Reggelire müzlit és almát készítek.

A lamantinok és a kutyák aranyosak.

A kutyám tegnap megevett egy narancsot a tállal együtt.

Nézd azt az aranyos sünit, hogyan rágcsálja az almát!

narancsalmareggeli

0.180.150.09

kutya aranyos lamantin

...

0.260.150.12

TOPIK 1

TOPIK 2

TOPIK K

Ha Túl sok a szöveg - Topik vizualizáció

látenS diricHlet alloKáció (lda)

outputinput dokumentumok témaeloszlásatémák szóeloszlása

dokumentumok szavaitémák száma (k)

topikok/témák kinyerése


látenS diricHlet alloKáció (lda)


a Kuruc.info cigányBűnöZéS roVatánaK témái

gyűlöletbeszéd

romaellenes diskurzus, médiabeli romareprezentáció

10.304 db cikk, 27 romaellenes téma

szociológiai szakirodalommal összeegyeztethető témastruktúra (messing – Bernáth)


a Kuruc.info cigányBűnöZéS roVatánaK témái

a cikkek témái 2006-2015 (1-9. téma)

2008 2010 2012

0

topikarányok összege az időszak cikkeiben

10

20

30

40

50

2014

2008 2010 2012

0


10

20

30

2014

40

50

2008 2010 2012

0


10

20

2014

40

50

30

2008 2010 2012

0


10

20

30

40

50

2014

SZOCIÁLIS SEGÉLY, KÖZMUNKA

2008 2010 2012

0


10

20

30

40

50

2014


2008 2010 2012

0


10

20

30

40

50

2014


Kolompár Orbán bírósági ügye

2008/09

Katapult Mentorprogramnál történt szabálytalanságok

2009/03

Kolompár Orbán és társainak bírósági ügye2009/07

Kolompár Orbán és társainak bírósági ügye2009/10

ROMA ÖNKORMÁNYZAT, ÖNSZERVEZŐDÉS

2008 2010 20120

10

20

30

40

50

2014

Cozma-gyilkosság2009/02

ROMA-NEM ROMA TÁRSADALMI PROBLÉMÁK, ELŐÍTÉLETESSÉG

2008 2010 20120

10

20

30

40

50

2014

Szebb Jövőért Polgárőr Egyesület

elkezd járőrözni Gyöngyöspatán

2011/03

Roma-nem roma konfliktusok Gyöngyöspatán2011/04

SZEBB JÖVŐÉRT POLGÁRŐR EGYESÜLET ÉS GYÖNGYÖSPATA

2008 2010 20120

10

20

30

40

50

2014

labs.precognox.com/kurucinfo_adatviz/

Ha túl sok a szöveg - topik vizualizáció

egymáSBa gaBalyodVa- a magyar politiKai BlogSZféra aZ érZelmeK HálójáBan

politikai blogok és híroldalak egymástól nem független kommunikációja

kiindulás: kb. 70 magyar politikai blog

szövegek legyűjtése

szövegekben lévő linkeken továbbhaladva kirajzolódó hálózat

egymásba gabalyodva- a magyar poliTikai blogszféra az érzelmek Hálójában

a KiSVilág-tulajdonSág








emócióK

érzelmek racionalitása

szentiment- és emóciószótárak


emócióK


emócióK


emócióK


emócióK


emócióK


emócióK


emócióK


emócióK

Ha túl sok a szöveg - topik vizualizáció

a nyelV HálóZati megKöZelítéSBen - SZemantiKa, SZóaSSZociáció, nyelVfejlődéS

szöveg: szavak hálózata

Zipf-eloszlás

kisvilág-tulajdonság

a nyelv HálózaTi megközelíTésben - szemanTika, szóasszociáció, nyelvfejlődés

SZógráf példa

Zoli nagyon örül, mert nóri elvitte végre krumplilángost enni. a krumplilángos Zoli számára a legfinomabb kaja a világon és reméli, hogy nórinak is ízlett. Zoli és nóri legközelebb nem krumplilángost fog enni, hanem elmennek megnézni az új avengers filmet.

zoli nagyon örül mert nóri vinni végre krumplilángos enni a krumplilángos zoli számára a finom kaja a világon és reméli hogy nóri is ízleni zoli és nóri közel nem krumplilángos fog enni hanem menni nézni az új avengers film

zoli nagyonnagyon örülörül mertstb.


SZógráf példa


SZógráf példa - WiKipedia


SZógráf példa - WiKipedia


SZemantiKa

magyar Wordnet

lexikális szemantikai adatbázis

skálafüggetlen, kisvilág


SZóaSSZociáció

agykapocs

többnyelvű, szóasszociációs adatbázis

skálafüggetlen, kisvilág

kognitív modell


nyelVfejlődéS

cHildeS, magyar nyelvű adatok, 17-36 hónapos kor

5 gyermek nyelvi gráfjai

szótárméret, fokszám, nyelvi diverzitás az egymást követő hónapokban

KulcSSZó-KinyeréS

a kulcsszavakTól a diszlexiáig

szövegből készült szógráf legfontosabb elemei → szöveg kulcsszavai

textrank módosított változata

emberi értékelés: 7.6% teljesen releváns, 46.4% inkább releváns, 32.4% valamelyest releváns, 13.2% inkább irreleváns, 0.4% teljesen irreleváns

diSZlexia


kulcsszavak kiemelése

szövegértés növelése olvasási nehézségekkel küzdőknek

szóhálózat: diszlexiások által is használt mind-maphez hasonlít

diSZlexia


kulcsszókinyerő alkalmazás

böngésző plug-in kifejlesztése

eye-tracking kísérletek

kereses.blog.hu precognox.com

[email protected] [email protected]

@zoltanvarju/@varjuzoli

krisztinaszucs.com

Technology

Balogh Kitti - Szűcs Krisztina - Varjú Zoltán: TechTea: Szövegvizualizációk a szófelhőkön túl