• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Найдены 3 публикации
Сортировка:
по названию
по году
Статья
Bondarev A., Bondarenko A., Galaktionov V. и др. Научная визуализация. 2016. Т. 8. № 3. С. 1-24.

Работа рассматривает вопросы визуального анализа кластерных структур в многомерных объемах текстовой информации. Для анализа кластерных структур в многомерном объеме текстовых данных используются технологии построения упругих карт, представляющие собой методы отображения точек исходного многомерного пространства на вложенные в это пространство многообразия меньшей размерности. Варьируя поверхность упругой карты за счет последовательного уменьшения коэффициентов упругости, можно добиться лучшей аппроксимации картой многомерного облака данных. Применение технологий построения упругих карт для решения задач кластерного анализа не предполагает никакой априорной информации об изучаемых данных и не зависит от их природы, происхождения и т.п. Схожими свойствами обладает близкий по идеологии вероятностный подход к снижению размерности t-SNE. Данная работа содержит описание результатов построения упругих карт и применения подхода t-SNE для визуального анализа кластерных структур в многомерных объемах текстовой информации. Для упругих карт подробно описан и проиллюстрирован прием «квази-зум», позволяющий существенно улучшить результаты в области сгущения точек изучаемого многомерного пространства. Для обоих подходов (построение упругих карт и t-SNE) показана их работоспособность и применимость для решения задач кластеризации терминов естественного языка.

Добавлено: 15 сентября 2016
Статья
Клышинский Э. С., Калачев Я. Б. Научная визуализация. 2014. Т. 6. № 3. С. 96-104.

В статье рассматривается метод визуального контроля полноты технической документации, изучаемой в ходе ее приемки. Полнота отчетной документации проверяется по тексту технического задания. Для построения визуального представления используются как цветные точечные диаграммы, так и статистическая информация о степени соответствия текстов, полученная с использованием предлагаемого метода.

Добавлено: 25 марта 2015
Статья
Рябинин К. В., Белоусов К. И., Чуприна С. И. и др. Научная визуализация. 2018. Т. 10. № 4. С. 82-99.

Статья посвящена вопросам применения методов и средств визуальной аналитики для систематизации результатов многопараметрического описания пользователей социальных интернет-сервисов. В данной статье под многопараметрическим описанием понимается описание языковых характеристик письменной речи пользователей социальных интернет-сервисов, извлекаемых из написанных ими комментариев и сообщений, а также психологические и социальные характеристики, извлекаемые из указанных в их профилях сведений, и из результатов пройденных ими социологических и психологических опросов. Предлагаются методы и средства визуальной аналитики, которые позволяют, во-первых, наглядно представить выявленные взаимосвязи между разными параметрами пользователей, а во-вторых, без повторения исходного эксперимента выдвинуть и проверить гипотезы с использованием исключительно средств визуального интерактивного анализа и, как следствие, обнаружить новые закономерности в данных. В качестве системы сбора и предварительной обработки исследуемых данных предлагается использовать информационную систему для лингвистических исследований Семограф, а в качестве программного средства визуальной аналитики – построенную на методах онтологического инжиниринга адаптивную мультиплатформенную систему научной визуализации SciVi. В основе описываемых средств визуальной аналитики лежит использование графовой модели представления данных, ввиду того, что исследуемые данные обладают высокой степенью связности. Реализованы два варианта графов – круговой и граф свободной структуры. Для обоих видов графов разработаны соответствующие модули визуализации в составе системы SciVi, обеспечивающие необходимую функциональность наглядного представления и анализа данных. В статье описаны основные интерактивные возможности взаимодействия с визуальным представлением указанных графов и особенности их реализации. В частности, описаны различные способы фильтрации вершин и связей графов, а также возможность переключения между различными срезами данных посредством дискретных шкал состояний. Разработанные средства визуальной аналитики протестированы на реальных данных – результатах психологического опроса пользователей социальной сети ВКонтакте и результатах анализа их речевого поведения.  

Добавлено: 13 ноября 2018