Vizualizácia dát L09 (2025)

Zhrnutie prednášky

Prednáška sa venuje vizualizácii textových dát ako doplnkovej téme k predchádzajúcim typom netypických dát (mapy, grafy, časové rady). Vysvetľuje sa základné predspracovanie textu – odstránenie stopslov a lematizácia/steming – s odkazom na knižnicu NLTK, ktorá sa využije v domácej úlohe. Predstavuje sa Word Cloud ako populárny, no odborníkmi kritizovaný spôsob vizualizácie frekvencie slov, na príklade wikipediových článkov o dátovej vede, informatike a bioinformatike sa demonštrujú jeho nevýhody – skreslenie veľkosťou podľa dĺžky slova a náročné porovnávanie medzi dokumentmi. Ako alternatíva sa ukazujú stĺpcové/čiarové grafy porovnávajúce frekvencie rovnakých pojmov naprieč viacerými textami, ilustrované aj na analýze prejavov amerických prezidentov. Na záver sa spomína prepojenie textovej analýzy s geografickými dátami na príklade tzv. tag cloud mapy koncoviek nemeckých miest.

• - Textové dáta sú náročné na vizualizáciu kvôli gramatike, kontextu a synonymám.
• - Predspracovanie textu zahŕňa odstránenie stopslov a lematizáciu/steming, na čo slúži knižnica NLTK.
• - Word Cloud je populárny, ale odborníkmi kritizovaný nástroj – skresľuje frekvenciu dĺžkou slov a sťažuje porovnávanie medzi dokumentmi.
• - Na príklade článkov o dátovej vede, informatike a bioinformatike sa ukázali obmedzenia Word Cloudu.
• - Ako lepšia alternatíva na porovnávanie frekvencie slov naprieč dokumentmi sa odporúčajú stĺpcové/čiarové grafy.
• - Príklad analýzy prezidentských prejavov (State of the Union) ukazuje vývoj používania tém v čase.
• - Textová analýza sa dá prepojiť s geografickými dátami, napr. tag cloud mapa koncoviek názvov miest v Nemecku.

Zhrnutie pripravené s pomocou AI z prepisu videa.