Поле цифровой дидактики - Вклад [ru]

Описательная статистика R Климова

2026-06-16T06:31:36Z

Арина Климова:

== Использование R в описательной статистике ==
Проанализируем очищенный от служебного текста текст статьи из Википедии, посвящённой аниме. https://ru.wikipedia.org/wiki/Аниме

== Код программы ==
<syntaxhighlight lang="R" line>
library(tidyverse)
library(tidytext)
library(ggplot2)

cat("Загрузка данных из файла...\n")
text <- readLines("Аниме.txt", encoding = "UTF-8") %>%
paste(collapse = "\n")

if (!grepl("[.!?]$", text)) {
text <- paste0(text, ".")
}

cat("✅ Статья загружена\n")
cat("Размер текста:", nchar(text), "символов\n")
cat("Количество строк:", str_count(text, "\n") + 1, "\n\n")

tokens_df <- data.frame(text = text) %>%
unnest_tokens(word, text) %>%
# Убираем стоп-слова
anti_join(data.frame(word = stopwords::stopwords("ru")), by = "word") %>%
# Убираем числа и слишком короткие слова (1-2 символа)
filter(!str_detect(word, "^[0-9]+$"), str_length(word) > 2)

cat("=== 1. ОБЩАЯ СТАТИСТИКА ===\n")
total_tokens <- nrow(tokens_df)
unique_tokens <- n_distinct(tokens_df$word)
ttr <- unique_tokens / total_tokens * 100

cat("Всего слов (токенов):", total_tokens, "\n")
cat("Уникальных слов:", unique_tokens, "\n")
cat(sprintf("Type-Token Ratio (TTR): %.2f%%\n\n", ttr))

word_freq <- tokens_df %>%
count(word, sort = TRUE) %>%
mutate(percentage = n / sum(n) * 100)

cat("=== 2. ТОП-30 САМЫХ ЧАСТОТНЫХ СЛОВ ===\n")
print(word_freq %>% head(30))

p1 <- ggplot(word_freq %>% head(20), aes(x = reorder(word, n), y = n)) +
geom_bar(stat = "identity", fill = "steelblue") +
coord_flip() +
labs(title = "Топ-20 самых частотных слов в статье «Аниме»",
x = "Слово", y = "Частота") +
theme_minimal()
print(p1)

bigrams_df <- data.frame(text = text) %>%
unnest_tokens(bigram, text, token = "ngrams", n = 2) %>%
separate(bigram, c("word1", "word2"), sep = " ") %>%
filter(!word1 %in% stopwords::stopwords("ru"),
!word2 %in% stopwords::stopwords("ru"),
str_length(word1) > 2, str_length(word2) > 2) %>%
count(word1, word2, sort = TRUE)

cat("\n=== 3. ТОП-20 БИГРАММ ===\n")
print(bigrams_df %>% head(20))

sentences_df <- data.frame(text = text) %>%
mutate(sentences = str_split(text, "[.!?;]+")) %>%
unnest(sentences) %>%
mutate(
sentence = trimws(sentences),
word_count = str_count(sentence, "\\S+")
) %>%
filter(word_count > 0)

cat("\n=== 4. СТАТИСТИКА ДЛИНЫ ПРЕДЛОЖЕНИЙ ===\n")
cat(sprintf("Средняя длина предложения: %.2f слов\n", mean(sentences_df$word_count)))
cat(sprintf("Медианная длина предложения: %.0f слов\n", median(sentences_df$word_count)))
cat(sprintf("Минимальная длина: %d слов\n", min(sentences_df$word_count)))
cat(sprintf("Максимальная длина: %d слов\n", max(sentences_df$word_count)))
cat(sprintf("Стандартное отклонение: %.2f\n", sd(sentences_df$word_count)))

p2 <- ggplot(sentences_df, aes(x = 1, y = word_count)) +
geom_boxplot(fill = "lightblue") +
labs(title = "Распределение длины предложений в статье «Аниме»",
x = "", y = "Количество слов в предложении") +
theme_minimal() +
theme(axis.text.x = element_blank())
print(p2)

p3 <- ggplot(sentences_df, aes(x = word_count)) +
geom_histogram(binwidth = 5, fill = "steelblue", color = "white") +
labs(title = "Гистограмма длины предложений",
x = "Длина предложения (слова)", y = "Частота") +
theme_minimal()
print(p3)

cat("\n=== АНАЛИЗ ЗАВЕРШЕН! ===\n")
</syntaxhighlight>

== Вывод программы ==
[[Файл:Гистограмма длины предложений в статье Аниме.png|мини]]
Загрузка данных из файла...
✅ Статья загружена
Размер текста: 40503 символов
Количество строк: 1

=== 1. ОБЩАЯ СТАТИСТИКА ===
Всего слов (токенов): 3955
Уникальных слов: 2455
Type-Token Ratio (TTR): 62.07%

=== 2. ТОП-30 САМЫХ ЧАСТОТНЫХ СЛОВ ===

1 аниме 149 3.7673831
2 обычно 34 0.8596713
3 персонажей 23 0.5815424
4 также 19 0.4804046
5 сериала 18 0.4551201
6 серий 16 0.4045512
7 например 15 0.3792668
8 произведения 15 0.3792668
9 серии 15 0.3792668
10 японии 15 0.3792668
11 ova 14 0.3539823
12 анимации 14 0.3539823
13 году 14 0.3539823
14 аудитории 13 0.3286979
15 сериалов 12 0.3034134
16 часто 12 0.3034134
17 волосы 11 0.2781290
18 могут 11 0.2781290
19 сериал 11 0.2781290
20 часть 11 0.2781290
21 являются 11 0.2781290
22 англ 10 0.2528445
23 используется 10 0.2528445
24 манги 10 0.2528445
25 сериалы 10 0.2528445
26 глаза 9 0.2275601
27 зрителя 9 0.2275601
28 слово 9 0.2275601
29 сюжета 9 0.2275601
30 японской 9 0.2275601

=== 3. ТОП-20 БИГРАММ ===
1 представляет собой 5
2 аниме обычно 4
3 аниме сериалов 4
4 главных героев 4
5 других стран 4
6 слово аниме 4
7 целевой аудитории 4
8 часть аниме 4
9 японской анимации 4
10 animation анимация 3
11 nбольшая часть 3
12 shounen adventure 3
13 the shell 3
14 аниме сериалы 3
15 аниме стал 3
16 имеют глаза 3
17 одной серии 3
18 сейлор мун 3
19 японском языке 3
20 1996 году 2

=== 4. СТАТИСТИКА ДЛИНЫ ПРЕДЛОЖЕНИЙ ===
Средняя длина предложения: 16.63 слов 
Медианная длина предложения: 15 слов 
Минимальная длина: 1 слов 
Максимальная длина: 56 слов 
Стандартное отклонение: 9.31

== Анализ текста статьи ==

=== Общая статистика ===

{| class="wikitable"
|-
! Показатель !! Значение
|-
| Объём текста || 40 503 символа
|-
| Всего слов (токенов) || 3 955
|-
| Уникальных слов || 2 455
|-
| '''Type-Token Ratio (TTR)''' || '''62.07%'''
|}

'''Вывод:''' TTR = 62,07% — очень высокий показатель лексического разнообразия. Для текста объёмом почти 4 000 слов это означает, что статья написана богатым языком с активным использованием разнообразной терминологии, что характерно для энциклопедических статей.

==== Топ-10 самых частотных слов ====

{| class="wikitable"
|-
! Ранг !! Слово !! Частота !! Доля
|-
| 1 || '''аниме''' || 149 || 3,77%
|-
| 2 || обычно || 34 || 0,86%
|-
| 3 || персонажей || 23 || 0,58%
|-
| 4 || также || 19 || 0,48%
|-
| 5 || сериала || 18 || 0,46%
|-
| 6 || серий || 16 || 0,40%
|-
| 7 || например || 15 || 0,38%
|-
| 8 || произведения || 15 || 0,38%
|-
| 9 || серии || 15 || 0,38%
|-
| 10 || японии || 15 || 0,38%
|}

==== Группы характерных слов по темам ====

'''Форматы и структура:'''
* сериала (18), серий (16), серии (15), сериалов (12), сериал (11), сериалы (10)
* OVA (14)
* фильм

'''Персонажи и визуальный стиль:'''
* персонажей (23), персонажи
* волосы (11), глаза (9)
* рисунок

'''Аудитория и восприятие:'''
* аудитории (13), зрителя (9)

'''Временные маркеры:'''
* году (14) — указание на исторические даты

'''Язык и терминология:'''
* англ (10) — англоязычные термины
* слово (9) — лингвистический комментарий

=== Наиболее устойчивые биграммы ===

{| class="wikitable"
|-
! Биграмма !! Частота !! Интерпретация
|-
| представляет собой || 5 || Ввод определений
|-
| аниме обычно || 4 || Обобщающие утверждения
|-
| аниме сериалов || 4 || Указание на формат
|-
| главных героев || 4 || Описание персонажей
|-
| других стран || 4 || Сравнительный контекст
|-
| слово аниме || 4 || Этимологический комментарий
|-
| целевой аудитории || 4 || Маркетинговая/социологическая рамка
|-
| японской анимации || 4 || Уточнение происхождения
|-
| shounen adventure || 3 || Жанровая терминология
|-
| сейлор мун || 3 || Конкретный пример
|}

=== Статистика длины предложений ===

{| class="wikitable"
|-
! Показатель !! Значение !! Интерпретация
|-
| Средняя длина || 16,63 слов || Оптимальная для научно-публицистического текста
|-
| Медианная длина || 15 слов || Половина предложений короче 15 слов
|-
| Минимальная длина || 1 слово || Короткие вставки, восклицания, подписи
|-
| Максимальная длина || 56 слов || Сложные предложения с перечислениями
|-
| Стандартное отклонение || 9,31 || Большой разброс — от очень коротких до длинных
|}

=== Итоговые выводы ===

# '''Тематическое ядро''' статьи составляют слова: ''аниме'', ''сериал'', ''персонажи'', ''Япония'', ''анимация''. Это полностью соответствует теме.

# '''Высокий TTR (62%)''' свидетельствует о:
#* профессиональном, литературном стиле изложения;
#* отсутствии навязчивых повторений;
#* широком охвате темы (история, эстетика, форматы, распространение).

# '''Частотность слов''' ''обычно'', ''например'', ''также'' указывает на:
#* обобщающий, энциклопедический характер;
#* богатую иллюстративную базу (примеры);
#* логически связное изложение.

# '''Биграммы''' показывают, что статья:
#* даёт определения («представляет собой»);
#* сравнивает с другими странами;
#* использует профессиональную жанровую терминологию («shounen adventure»);
#* приводит конкретные примеры («сейлор мун»).

# '''Длина предложений''' (средняя 17 слов, максимум 56) типична для русскоязычного научно-публицистического текста. Наличие как коротких, так и длинных предложений делает текст динамичным, но местами сложным для восприятия.

[[Категория:CompLing Works]]

Описательная статистика R Климова

2026-06-15T09:07:09Z

Арина Климова:

== Использование R в описательной статистике ==
Проанализируем очищенный от служебного текста текст статьи из Википедии, посвящённой интернету вещей. https://ru.wikipedia.org/wiki/Интернет_вещей

== Код программы ==
<syntaxhighlight lang="R" line>
library(tidyverse)
library(tidytext)
library(ggplot2)

cat("Загрузка данных из файла...\n")
text <- readLines("Аниме.txt", encoding = "UTF-8") %>%
paste(collapse = "\n")

if (!grepl("[.!?]$", text)) {
text <- paste0(text, ".")
}

cat("✅ Статья загружена\n")
cat("Размер текста:", nchar(text), "символов\n")
cat("Количество строк:", str_count(text, "\n") + 1, "\n\n")

tokens_df <- data.frame(text = text) %>%
unnest_tokens(word, text) %>%
# Убираем стоп-слова
anti_join(data.frame(word = stopwords::stopwords("ru")), by = "word") %>%
# Убираем числа и слишком короткие слова (1-2 символа)
filter(!str_detect(word, "^[0-9]+$"), str_length(word) > 2)

cat("=== 1. ОБЩАЯ СТАТИСТИКА ===\n")
total_tokens <- nrow(tokens_df)
unique_tokens <- n_distinct(tokens_df$word)
ttr <- unique_tokens / total_tokens * 100

cat("Всего слов (токенов):", total_tokens, "\n")
cat("Уникальных слов:", unique_tokens, "\n")
cat(sprintf("Type-Token Ratio (TTR): %.2f%%\n\n", ttr))

word_freq <- tokens_df %>%
count(word, sort = TRUE) %>%
mutate(percentage = n / sum(n) * 100)

cat("=== 2. ТОП-30 САМЫХ ЧАСТОТНЫХ СЛОВ ===\n")
print(word_freq %>% head(30))

p1 <- ggplot(word_freq %>% head(20), aes(x = reorder(word, n), y = n)) +
geom_bar(stat = "identity", fill = "steelblue") +
coord_flip() +
labs(title = "Топ-20 самых частотных слов в статье «Аниме»",
x = "Слово", y = "Частота") +
theme_minimal()
print(p1)

bigrams_df <- data.frame(text = text) %>%
unnest_tokens(bigram, text, token = "ngrams", n = 2) %>%
separate(bigram, c("word1", "word2"), sep = " ") %>%
filter(!word1 %in% stopwords::stopwords("ru"),
!word2 %in% stopwords::stopwords("ru"),
str_length(word1) > 2, str_length(word2) > 2) %>%
count(word1, word2, sort = TRUE)

cat("\n=== 3. ТОП-20 БИГРАММ ===\n")
print(bigrams_df %>% head(20))

sentences_df <- data.frame(text = text) %>%
mutate(sentences = str_split(text, "[.!?;]+")) %>%
unnest(sentences) %>%
mutate(
sentence = trimws(sentences),
word_count = str_count(sentence, "\\S+")
) %>%
filter(word_count > 0)

cat("\n=== 4. СТАТИСТИКА ДЛИНЫ ПРЕДЛОЖЕНИЙ ===\n")
cat(sprintf("Средняя длина предложения: %.2f слов\n", mean(sentences_df$word_count)))
cat(sprintf("Медианная длина предложения: %.0f слов\n", median(sentences_df$word_count)))
cat(sprintf("Минимальная длина: %d слов\n", min(sentences_df$word_count)))
cat(sprintf("Максимальная длина: %d слов\n", max(sentences_df$word_count)))
cat(sprintf("Стандартное отклонение: %.2f\n", sd(sentences_df$word_count)))

p2 <- ggplot(sentences_df, aes(x = 1, y = word_count)) +
geom_boxplot(fill = "lightblue") +
labs(title = "Распределение длины предложений в статье «Аниме»",
x = "", y = "Количество слов в предложении") +
theme_minimal() +
theme(axis.text.x = element_blank())
print(p2)

p3 <- ggplot(sentences_df, aes(x = word_count)) +
geom_histogram(binwidth = 5, fill = "steelblue", color = "white") +
labs(title = "Гистограмма длины предложений",
x = "Длина предложения (слова)", y = "Частота") +
theme_minimal()
print(p3)

cat("\n=== АНАЛИЗ ЗАВЕРШЕН! ===\n")
</syntaxhighlight>

== Вывод программы ==
[[Файл:Гистограмма длины предложений в статье Аниме.png|мини]]
Загрузка данных из файла...
✅ Статья загружена
Размер текста: 40503 символов
Количество строк: 1

=== 1. ОБЩАЯ СТАТИСТИКА ===
Всего слов (токенов): 3955
Уникальных слов: 2455
Type-Token Ratio (TTR): 62.07%

=== 2. ТОП-30 САМЫХ ЧАСТОТНЫХ СЛОВ ===

1 аниме 149 3.7673831
2 обычно 34 0.8596713
3 персонажей 23 0.5815424
4 также 19 0.4804046
5 сериала 18 0.4551201
6 серий 16 0.4045512
7 например 15 0.3792668
8 произведения 15 0.3792668
9 серии 15 0.3792668
10 японии 15 0.3792668
11 ova 14 0.3539823
12 анимации 14 0.3539823
13 году 14 0.3539823
14 аудитории 13 0.3286979
15 сериалов 12 0.3034134
16 часто 12 0.3034134
17 волосы 11 0.2781290
18 могут 11 0.2781290
19 сериал 11 0.2781290
20 часть 11 0.2781290
21 являются 11 0.2781290
22 англ 10 0.2528445
23 используется 10 0.2528445
24 манги 10 0.2528445
25 сериалы 10 0.2528445
26 глаза 9 0.2275601
27 зрителя 9 0.2275601
28 слово 9 0.2275601
29 сюжета 9 0.2275601
30 японской 9 0.2275601

=== 3. ТОП-20 БИГРАММ ===
1 представляет собой 5
2 аниме обычно 4
3 аниме сериалов 4
4 главных героев 4
5 других стран 4
6 слово аниме 4
7 целевой аудитории 4
8 часть аниме 4
9 японской анимации 4
10 animation анимация 3
11 nбольшая часть 3
12 shounen adventure 3
13 the shell 3
14 аниме сериалы 3
15 аниме стал 3
16 имеют глаза 3
17 одной серии 3
18 сейлор мун 3
19 японском языке 3
20 1996 году 2

=== 4. СТАТИСТИКА ДЛИНЫ ПРЕДЛОЖЕНИЙ ===
Средняя длина предложения: 16.63 слов 
Медианная длина предложения: 15 слов 
Минимальная длина: 1 слов 
Максимальная длина: 56 слов 
Стандартное отклонение: 9.31

== Анализ текста статьи ==

=== Общая статистика ===

{| class="wikitable"
|-
! Показатель !! Значение
|-
| Объём текста || 40 503 символа
|-
| Всего слов (токенов) || 3 955
|-
| Уникальных слов || 2 455
|-
| '''Type-Token Ratio (TTR)''' || '''62.07%'''
|}

'''Вывод:''' TTR = 62,07% — очень высокий показатель лексического разнообразия. Для текста объёмом почти 4 000 слов это означает, что статья написана богатым языком с активным использованием разнообразной терминологии, что характерно для энциклопедических статей.

==== Топ-10 самых частотных слов ====

{| class="wikitable"
|-
! Ранг !! Слово !! Частота !! Доля
|-
| 1 || '''аниме''' || 149 || 3,77%
|-
| 2 || обычно || 34 || 0,86%
|-
| 3 || персонажей || 23 || 0,58%
|-
| 4 || также || 19 || 0,48%
|-
| 5 || сериала || 18 || 0,46%
|-
| 6 || серий || 16 || 0,40%
|-
| 7 || например || 15 || 0,38%
|-
| 8 || произведения || 15 || 0,38%
|-
| 9 || серии || 15 || 0,38%
|-
| 10 || японии || 15 || 0,38%
|}

==== Группы характерных слов по темам ====

'''Форматы и структура:'''
* сериала (18), серий (16), серии (15), сериалов (12), сериал (11), сериалы (10)
* OVA (14)
* фильм

'''Персонажи и визуальный стиль:'''
* персонажей (23), персонажи
* волосы (11), глаза (9)
* рисунок

'''Аудитория и восприятие:'''
* аудитории (13), зрителя (9)

'''Временные маркеры:'''
* году (14) — указание на исторические даты

'''Язык и терминология:'''
* англ (10) — англоязычные термины
* слово (9) — лингвистический комментарий

=== Наиболее устойчивые биграммы ===

{| class="wikitable"
|-
! Биграмма !! Частота !! Интерпретация
|-
| представляет собой || 5 || Ввод определений
|-
| аниме обычно || 4 || Обобщающие утверждения
|-
| аниме сериалов || 4 || Указание на формат
|-
| главных героев || 4 || Описание персонажей
|-
| других стран || 4 || Сравнительный контекст
|-
| слово аниме || 4 || Этимологический комментарий
|-
| целевой аудитории || 4 || Маркетинговая/социологическая рамка
|-
| японской анимации || 4 || Уточнение происхождения
|-
| shounen adventure || 3 || Жанровая терминология
|-
| сейлор мун || 3 || Конкретный пример
|}

=== Статистика длины предложений ===

{| class="wikitable"
|-
! Показатель !! Значение !! Интерпретация
|-
| Средняя длина || 16,63 слов || Оптимальная для научно-публицистического текста
|-
| Медианная длина || 15 слов || Половина предложений короче 15 слов
|-
| Минимальная длина || 1 слово || Короткие вставки, восклицания, подписи
|-
| Максимальная длина || 56 слов || Сложные предложения с перечислениями
|-
| Стандартное отклонение || 9,31 || Большой разброс — от очень коротких до длинных
|}

=== Итоговые выводы ===

# '''Тематическое ядро''' статьи составляют слова: ''аниме'', ''сериал'', ''персонажи'', ''Япония'', ''анимация''. Это полностью соответствует теме.

# '''Высокий TTR (62%)''' свидетельствует о:
#* профессиональном, литературном стиле изложения;
#* отсутствии навязчивых повторений;
#* широком охвате темы (история, эстетика, форматы, распространение).

# '''Частотность слов''' ''обычно'', ''например'', ''также'' указывает на:
#* обобщающий, энциклопедический характер;
#* богатую иллюстративную базу (примеры);
#* логически связное изложение.

# '''Биграммы''' показывают, что статья:
#* даёт определения («представляет собой»);
#* сравнивает с другими странами;
#* использует профессиональную жанровую терминологию («shounen adventure»);
#* приводит конкретные примеры («сейлор мун»).

# '''Длина предложений''' (средняя 17 слов, максимум 56) типична для русскоязычного научно-публицистического текста. Наличие как коротких, так и длинных предложений делает текст динамичным, но местами сложным для восприятия.

[[Категория:CompLing Works]]

R-script Климова

2026-06-15T09:06:53Z

Арина Климова:

== Анализ датасета по ядерным взрывам ==
Источник датасета: https://corgis-edu.github.io/corgis/datasets/csv/nuclear_explosions/nuclear_explosions.csv

Датасет содержит записи о ядерных испытаниях.

== Код программы ==

<syntaxhighlight lang="R" line>
library(tidyverse)
library(tidytext)

file_url <- "https://corgis-edu.github.io/corgis/datasets/csv/nuclear_explosions/nuclear_explosions.csv"
data <- read_csv(file_url, show_col_types = FALSE)

glimpse(data)

total_words <- data %>%
filter(!is.na(Data.Purpose)) %>%
unnest_tokens(word, Data.Purpose) %>%
nrow()

cat("\nОбщее количество слов:", total_words, "\n")

top_10_words <- data %>%
filter(!is.na(Data.Purpose)) %>%
unnest_tokens(word, Data.Purpose) %>%
count(word, sort = TRUE) %>%
head(10)

cat("\nТоп-10 самых частотных слов:\n")
print(top_10_words)
</syntaxhighlight>

== Вывод программы ==
Rows: 2,046
Columns: 16
# $ Location.Country <chr> "USA", "USA", "USA", "USA", "USA", "USA", "USA", "USA", "USSR", "USA", "USA", "USA", "USA", "USA", "USA", "USA", "USA", "USA", "USSR", "USSR", "U…
# $ Location.Region <chr> "Alamogordo", "Hiroshima", "Nagasaki", "Bikini", "Bikini", "Enewetak", "Enewetak", "Enewetak", "Semi Kazakh", "Nts", "Nts", "Nts", "Nts", "Nts", …
# $ Data.Source <chr> "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE"…
# $ Location.Coordinates.Latitude <dbl> 32.54, 34.23, 32.45, 11.35, 11.35, 11.30, 11.30, 11.30, 48.00, 37.00, 37.00, 37.00, 37.00, 37.00, 11.30, 11.30, 11.30, 11.30, 48.00, 48.00, 37.00…
# $ Location.Coordinates.Longitude <dbl> -105.57, 132.27, 129.52, 165.20, 165.20, 162.15, 162.15, 162.15, 76.00, -116.00, -116.00, -116.00, -116.00, -116.00, 162.15, 162.15, 162.15, 162.…
# $ Data.Magnitude.Body <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
# $ Data.Magnitude.Surface <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
# $ `Location.Coordinates .Depth` <dbl> -0.100, -0.600, -0.600, -0.200, 0.030, -0.080, -0.080, -0.080, 0.000, -0.350, -0.350, -0.350, -0.400, -0.500, -0.100, -0.100, -0.070, -0.070, 0.0…
# $ Data.Yield.Lower <dbl> 21.0, 15.0, 21.0, 21.0, 21.0, 37.0, 49.0, 18.0, 22.0, 1.0, 8.0, 1.0, 8.0, 22.0, 81.0, 47.0, 225.0, 45.5, 38.0, 42.0, 0.0, 3.5, 14.0, 21.0, 31.0, …
# $ Data.Yield.Upper <dbl> 21.0, 15.0, 21.0, 21.0, 21.0, 37.0, 49.0, 18.0, 22.0, 1.0, 8.0, 1.0, 8.0, 22.0, 81.0, 47.0, 225.0, 45.5, 38.0, 42.0, 0.1, 3.5, 14.0, 21.0, 31.0, …
# $ Data.Purpose <chr> "Wr", "Combat", "Combat", "We", "We", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr",…
# $ Data.Name <chr> "Trinity", "Littleboy", "Fatman", "Able", "Baker", "X-Ray", "Yoke", "Zebra", "Nan", "Able", "Baker", "Easy", "Baker2", "Fox", "Dog", "Easy", "Geo…
# $ Data.Type <chr> "Tower", "Airdrop", "Airdrop", "Airdrop", "Uw", "Tower", "Tower", "Tower", "Surface", "Airdrop", "Airdrop", "Airdrop", "Airdrop", "Airdrop", "Tow…
# $ Date.Day <dbl> 16, 5, 9, 30, 24, 14, 30, 14, 29, 27, 28, 1, 2, 6, 7, 20, 8, 24, 24, 18, 22, 28, 30, 1, 5, 19, 29, 1, 15, 22, 1, 7, 25, 1, 5, 3, 31, 15, 17, 24, …
# $ Date.Month <dbl> 7, 8, 8, 6, 7, 4, 4, 5, 8, 1, 1, 2, 2, 2, 4, 4, 5, 5, 9, 10, 10, 10, 10, 11, 11, 11, 11, 4, 4, 4, 5, 5, 5, 6, 6, 10, 10, 11, 3, 3, 3, 4, 4, 4, 4,…
# $ Date.Year <dbl> 1945, 1945, 1945, 1946, 1946, 1948, 1948, 1948, 1949, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1…

Общее количество слов: 2132

Топ-10 самых частотных слов:
1 wr 1533
2 pne 192
3 we 190
4 se 84
5 fms 41
6 sam 34
7 plo 27
8 v 7
9 sb 5
10 transp 4

== Результаты анализа ==
Можно заметить, что анализ показал среди частотных слов непонятные наборы букв, однако, на самом деле - это коды, обозначающие назначение испытаний.

Принимая это во внимание можно заключить следующее:

=== Абсолютное доминирование военных целей ===
Слово wr (разработка оружия) встречается 1 533 раза — это 72% от всех слов в корпусе. Это подтверждает, что подавляющее большинство ядерных взрывов в истории были военными испытаниями.

=== Мирные взрывы - заметное, но небольшое меньшинство ===
pne (мирные взрывы) - 192 вхождения (9% от всех слов). Это связано с программами СССР и США по использованию ядерных взрывов в мирных целях (создание каналов, водохранилищ, сейсмическое зондирование).

=== Испытания на эффекты оружия ===
we (weapons effects) — 190 вхождений (почти столько же, сколько мирных взрывов). Эти испытания изучали воздействие ядерного взрыва на различные объекты (технику, здания, биологические объекты).

=== Редкие категории ===
se (safety experiment) — 84 взрыва (проверка безопасности, предотвращение случайной детонации)

fms, sam, plo, v, sb, transp — единичные или малочисленные категории, возможно, специфические для отдельных стран или программ

[[Категория:CompLing Works]]

Описательная статистика R Климова

2026-06-15T09:02:07Z

Арина Климова:

Файл:Гистограмма длины предложений в статье Аниме.png

2026-06-15T09:01:23Z

Арина Климова:

Гистограмма длины предложений в статье Аниме

Описательная статистика R Климова

2026-06-15T08:56:51Z

Арина Климова: Новая страница: «== Использование R в описательной статистике == Проанализируем очищенный от служебного текста текст статьи из Википедии, посвящённой интернету вещей. https://ru.wikipedia.org/wiki/Интернет_вещей == Код программы == <syntaxhighlight lang="R" line> library(tidyverse) library(tidytext) library(ggplot2) cat("За...»

== Использование R в описательной статистике ==
Проанализируем очищенный от служебного текста текст статьи из Википедии, посвящённой интернету вещей. https://ru.wikipedia.org/wiki/Интернет_вещей

== Код программы ==
<syntaxhighlight lang="R" line>
library(tidyverse)
library(tidytext)
library(ggplot2)

cat("Загрузка данных из файла...\n")
text <- readLines("Аниме.txt", encoding = "UTF-8") %>%
paste(collapse = "\n")

if (!grepl("[.!?]$", text)) {
text <- paste0(text, ".")
}

cat("✅ Статья загружена\n")
cat("Размер текста:", nchar(text), "символов\n")
cat("Количество строк:", str_count(text, "\n") + 1, "\n\n")

tokens_df <- data.frame(text = text) %>%
unnest_tokens(word, text) %>%
# Убираем стоп-слова
anti_join(data.frame(word = stopwords::stopwords("ru")), by = "word") %>%
# Убираем числа и слишком короткие слова (1-2 символа)
filter(!str_detect(word, "^[0-9]+$"), str_length(word) > 2)

cat("=== 1. ОБЩАЯ СТАТИСТИКА ===\n")
total_tokens <- nrow(tokens_df)
unique_tokens <- n_distinct(tokens_df$word)
ttr <- unique_tokens / total_tokens * 100

cat("Всего слов (токенов):", total_tokens, "\n")
cat("Уникальных слов:", unique_tokens, "\n")
cat(sprintf("Type-Token Ratio (TTR): %.2f%%\n\n", ttr))

word_freq <- tokens_df %>%
count(word, sort = TRUE) %>%
mutate(percentage = n / sum(n) * 100)

cat("=== 2. ТОП-30 САМЫХ ЧАСТОТНЫХ СЛОВ ===\n")
print(word_freq %>% head(30))

p1 <- ggplot(word_freq %>% head(20), aes(x = reorder(word, n), y = n)) +
geom_bar(stat = "identity", fill = "steelblue") +
coord_flip() +
labs(title = "Топ-20 самых частотных слов в статье «Аниме»",
x = "Слово", y = "Частота") +
theme_minimal()
print(p1)

bigrams_df <- data.frame(text = text) %>%
unnest_tokens(bigram, text, token = "ngrams", n = 2) %>%
separate(bigram, c("word1", "word2"), sep = " ") %>%
filter(!word1 %in% stopwords::stopwords("ru"),
!word2 %in% stopwords::stopwords("ru"),
str_length(word1) > 2, str_length(word2) > 2) %>%
count(word1, word2, sort = TRUE)

cat("\n=== 3. ТОП-20 БИГРАММ ===\n")
print(bigrams_df %>% head(20))

sentences_df <- data.frame(text = text) %>%
mutate(sentences = str_split(text, "[.!?;]+")) %>%
unnest(sentences) %>%
mutate(
sentence = trimws(sentences),
word_count = str_count(sentence, "\\S+")
) %>%
filter(word_count > 0)

cat("\n=== 4. СТАТИСТИКА ДЛИНЫ ПРЕДЛОЖЕНИЙ ===\n")
cat(sprintf("Средняя длина предложения: %.2f слов\n", mean(sentences_df$word_count)))
cat(sprintf("Медианная длина предложения: %.0f слов\n", median(sentences_df$word_count)))
cat(sprintf("Минимальная длина: %d слов\n", min(sentences_df$word_count)))
cat(sprintf("Максимальная длина: %d слов\n", max(sentences_df$word_count)))
cat(sprintf("Стандартное отклонение: %.2f\n", sd(sentences_df$word_count)))

p2 <- ggplot(sentences_df, aes(x = 1, y = word_count)) +
geom_boxplot(fill = "lightblue") +
labs(title = "Распределение длины предложений в статье «Аниме»",
x = "", y = "Количество слов в предложении") +
theme_minimal() +
theme(axis.text.x = element_blank())
print(p2)

p3 <- ggplot(sentences_df, aes(x = word_count)) +
geom_histogram(binwidth = 5, fill = "steelblue", color = "white") +
labs(title = "Гистограмма длины предложений",
x = "Длина предложения (слова)", y = "Частота") +
theme_minimal()
print(p3)

cat("\n=== АНАЛИЗ ЗАВЕРШЕН! ===\n")
</syntaxhighlight>

== Вывод программы ==
Загрузка данных из файла...
✅ Статья загружена
Размер текста: 40503 символов
Количество строк: 1

=== 1. ОБЩАЯ СТАТИСТИКА ===
Всего слов (токенов): 3955
Уникальных слов: 2455
Type-Token Ratio (TTR): 62.07%

=== 2. ТОП-30 САМЫХ ЧАСТОТНЫХ СЛОВ ===

1 аниме 149 3.7673831
2 обычно 34 0.8596713
3 персонажей 23 0.5815424
4 также 19 0.4804046
5 сериала 18 0.4551201
6 серий 16 0.4045512
7 например 15 0.3792668
8 произведения 15 0.3792668
9 серии 15 0.3792668
10 японии 15 0.3792668
11 ova 14 0.3539823
12 анимации 14 0.3539823
13 году 14 0.3539823
14 аудитории 13 0.3286979
15 сериалов 12 0.3034134
16 часто 12 0.3034134
17 волосы 11 0.2781290
18 могут 11 0.2781290
19 сериал 11 0.2781290
20 часть 11 0.2781290
21 являются 11 0.2781290
22 англ 10 0.2528445
23 используется 10 0.2528445
24 манги 10 0.2528445
25 сериалы 10 0.2528445
26 глаза 9 0.2275601
27 зрителя 9 0.2275601
28 слово 9 0.2275601
29 сюжета 9 0.2275601
30 японской 9 0.2275601

=== 3. ТОП-20 БИГРАММ ===
1 представляет собой 5
2 аниме обычно 4
3 аниме сериалов 4
4 главных героев 4
5 других стран 4
6 слово аниме 4
7 целевой аудитории 4
8 часть аниме 4
9 японской анимации 4
10 animation анимация 3
11 nбольшая часть 3
12 shounen adventure 3
13 the shell 3
14 аниме сериалы 3
15 аниме стал 3
16 имеют глаза 3
17 одной серии 3
18 сейлор мун 3
19 японском языке 3
20 1996 году 2

=== 4. СТАТИСТИКА ДЛИНЫ ПРЕДЛОЖЕНИЙ ===
Средняя длина предложения: 16.63 слов 
Медианная длина предложения: 15 слов 
Минимальная длина: 1 слов 
Максимальная длина: 56 слов 
Стандартное отклонение: 9.31

== Анализ текста статьи ==

=== Общая статистика ===

{| class="wikitable"
|-
! Показатель !! Значение
|-
| Объём текста || 40 503 символа
|-
| Всего слов (токенов) || 3 955
|-
| Уникальных слов || 2 455
|-
| '''Type-Token Ratio (TTR)''' || '''62.07%'''
|}

'''Вывод:''' TTR = 62,07% — очень высокий показатель лексического разнообразия. Для текста объёмом почти 4 000 слов это означает, что статья написана богатым языком с активным использованием разнообразной терминологии, что характерно для энциклопедических статей.

=== Наиболее характерные слова ===

==== Топ-10 самых частотных слов ====

{| class="wikitable"
|-
! Ранг !! Слово !! Частота !! Доля
|-
| 1 || '''аниме''' || 149 || 3,77%
|-
| 2 || обычно || 34 || 0,86%
|-
| 3 || персонажей || 23 || 0,58%
|-
| 4 || также || 19 || 0,48%
|-
| 5 || сериала || 18 || 0,46%
|-
| 6 || серий || 16 || 0,40%
|-
| 7 || например || 15 || 0,38%
|-
| 8 || произведения || 15 || 0,38%
|-
| 9 || серии || 15 || 0,38%
|-
| 10 || японии || 15 || 0,38%
|}

==== Группы характерных слов по темам ====

'''Форматы и структура:'''
* сериала (18), серий (16), серии (15), сериалов (12), сериал (11), сериалы (10)
* OVA (14)
* фильм

'''Персонажи и визуальный стиль:'''
* персонажей (23), персонажи
* волосы (11), глаза (9)
* рисунок

'''Аудитория и восприятие:'''
* аудитории (13), зрителя (9)

'''Временные маркеры:'''
* году (14) — указание на исторические даты

'''Язык и терминология:'''
* англ (10) — англоязычные термины
* слово (9) — лингвистический комментарий

=== Наиболее устойчивые биграммы ===

{| class="wikitable"
|-
! Биграмма !! Частота !! Интерпретация
|-
| представляет собой || 5 || Ввод определений
|-
| аниме обычно || 4 || Обобщающие утверждения
|-
| аниме сериалов || 4 || Указание на формат
|-
| главных героев || 4 || Описание персонажей
|-
| других стран || 4 || Сравнительный контекст
|-
| слово аниме || 4 || Этимологический комментарий
|-
| целевой аудитории || 4 || Маркетинговая/социологическая рамка
|-
| японской анимации || 4 || Уточнение происхождения
|-
| shounen adventure || 3 || Жанровая терминология
|-
| сейлор мун || 3 || Конкретный пример
|}

=== Статистика длины предложений ===

{| class="wikitable"
|-
! Показатель !! Значение !! Интерпретация
|-
| Средняя длина || 16,63 слов || Оптимальная для научно-публицистического текста
|-
| Медианная длина || 15 слов || Половина предложений короче 15 слов
|-
| Минимальная длина || 1 слово || Короткие вставки, восклицания, подписи
|-
| Максимальная длина || 56 слов || Сложные предложения с перечислениями
|-
| Стандартное отклонение || 9,31 || Большой разброс — от очень коротких до длинных
|}

=== Итоговые выводы ===

# '''Тематическое ядро''' статьи составляют слова: ''аниме'', ''сериал'', ''персонажи'', ''Япония'', ''анимация''. Это полностью соответствует теме.

# '''Высокий TTR (62%)''' свидетельствует о:
#* профессиональном, литературном стиле изложения;
#* отсутствии навязчивых повторений;
#* широком охвате темы (история, эстетика, форматы, распространение).

# '''Частотность слов''' ''обычно'', ''например'', ''также'' указывает на:
#* обобщающий, энциклопедический характер;
#* богатую иллюстративную базу (примеры);
#* логически связное изложение.

# '''Биграммы''' показывают, что статья:
#* даёт определения («представляет собой»);
#* сравнивает с другими странами;
#* использует профессиональную жанровую терминологию («shounen adventure»);
#* приводит конкретные примеры («сейлор мун»).

# '''Длина предложений''' (средняя 17 слов, максимум 56) типична для русскоязычного научно-публицистического текста. Наличие как коротких, так и длинных предложений делает текст динамичным, но местами сложным для восприятия.

API Sandbox Климова

2026-06-15T07:50:03Z

Арина Климова: Новая страница: «== Описание выбранной категории == Выбирались статьи из категории "Аниме". === Страницы, содержание которых запрашивалось === Через запросы к API получено содержание страниц: https://ru.wikipedia.org/wiki/Аниме https://ru.wikipedia.org/wiki/Ани-манга https://ru.wikipedia.org/wiki/Ня https://ru.wikipedia.org/wik...»

== Описание выбранной категории ==
Выбирались статьи из категории "Аниме".

=== Страницы, содержание которых запрашивалось ===
Через запросы к API получено содержание страниц:
https://ru.wikipedia.org/wiki/Аниме
https://ru.wikipedia.org/wiki/Ани-манга
https://ru.wikipedia.org/wiki/Ня
https://ru.wikipedia.org/wiki/Тирания_вооруженных_девушек

== API-запрос ==
Для извлечения данных использовался запрос https://ru.wikipedia.org/w/api.php?action=query&titles=Аниме%7CНя%7CАни-манга%7CТирания_вооружённых_девушек&prop=revisions&rvprop=comment%7Cuser%7Ccontent&format=json&formatversion=2

=== Результат API-запроса ===
В ответе содержится полный текст каждой страницы

<syntaxhighlight lang="R" line>
{
"batchcomplete": true,
"query": {
"normalized": [
{
"fromencoded": false,
"from": "Тирания_вооружённых_девушек",
"to": "Тирания вооружённых девушек"
}
],
"pages": [
{
"ns": 0,
"title": "Тирания вооружённых девушек",
"missing": true
},
{
"pageid": 8153,
"ns": 0,
"title": "Аниме",
"revisions": [
{
"user": "Wanwa",
"contentformat": "text/x-wiki",
"contentmodel": "wikitext",
"content": "{{значения|Аниме (значения)}}\n[[Файл:Wikipe-tan full length.svg|thumb|234px|[[Википедия:Википе-тан|Википе-тан]] — неофициальный [[маскот]] Википедии, выполненный в аниме-стиле]]\n{{Слушать статью|26|6|2011|Аудио-версия статьи \"Аниме\".ogg|oldid=35612928}}\n'''Аниме́''' ([{{IPA|ɐnʲɪ'mɛ}}] ''[[средний род|ср.]], [[несклоняемые слова|нескл.]]'', {{lang-ja|}}{{Audio|Ja-Anime.oga|アニメ}} [{{IPA|anʲime}}], от {{lang-en|animation}} — «анимация»\u003Cref name=\"Bould118\"\u003E{{книга|автор=Bould, Mark.|заглавие=The Routledge Companion to Science Fiction|ссылка=https://archive.org/details/routledgecompani00boul|издательство=[[Routledge]]|год=2009|страниц=576 |страницы = [https://archive.org/details/routledgecompani00boul/page/118 118]|isbn=041545378X}}\u003C/ref\u003E) — [[Япония|японская]] [[мультипликация]]{{sfn|Иванов|2001|с=8, 230}}. В отличие от [[мультфильм]]ов других стран, предназначенных в основном для детской аудитории, бо́льшая часть выпускаемого аниме рассчитана на [[подросток|подростковую]] и [[взрослый|взрослую]] [[Публика|аудитории]], и во многом за счёт этого имеет большую популярность в мире\u003Cref\u003E{{Cite web |url=http://www.oecd.org/dataoecd/42/33/34825949.pdf |title=«Breaking The „Rules“: The Transmission Of Japanese Culture In The Age Of Globalization». Susan Napier Mitsubishi Professor of Japanese Studies, University of Texas, USA. 2005 |access-date=2008-02-24 |archive-date=2006-02-09 |archive-url=https://web.archive.org/web/20060209041735/http://www.oecd.org/dataoecd/42/33/34825949.pdf |url-status=live }}\u003C/ref\u003E. Аниме отличается характерной манерой отрисовки персонажей и фонов\u003Cref name=\"Bould118\"/\u003E. Выпускается в форме [[телесериал|телевизионных сериалов]], а также [[фильм]]ов, распространяемых на видеоносителях или предназначенных для кинопоказа\u003Cref\u003E{{cite web|url=http://www.ldoceonline.com/dictionary/anime|title=an‧i‧me|author=|date=|work=|publisher=''[[Longman English Dictionary Online]]''|access-date=2013-03-28|archive-url=https://www.webcitation.org/6Fbye08i8?url=http://www.ldoceonline.com/dictionary/anime|archive-date=2013-04-03}}\u003C/ref\u003E. Сюжеты отличаются большим разнообразием персонажей, времён, [[Жанр|жанров]] и стилей\u003Cref name=\"Bould118\"/\u003E.\n\nИсточниками для сюжета аниме-сериалов чаще всего являются: [[манга]] (японские [[комикс]]ы){{sfn|MacWilliams|2008|p=6}}, [[ранобэ]] (лайт-новел) или компьютерные игры (как правило, в жанре «[[визуальный роман]]»){{sfn|Иванов|2001|с=148}}. При экранизации обычно сохраняется графический стиль и другие особенности оригинала. Реже используются другие источники, например, произведения классической литературы. Есть также аниме, имеющие полностью оригинальный сюжет (в этом случае уже само аниме может послужить источником для создания по нему книжных и манга-версий). Значение термина «аниме» может варьироваться в зависимости от контекста{{sfn|Brown|2006|p=7}}. В западных странах аниме является объектом исследования учёных-культурологов, [[Социология|социологов]] и [[Антропология|антропологов]] — Эри Идзавы, [[Макклауд, Скотт|Скотта Маклауда]], Сьюзан Напьер, Шерон Кинселлы и других\u003Cref name=\"choovisev\"\u003E{{статья |автор = Choo, Kukhee. |заглавие = Visual Evolution across the Pacific: The Influence of Anime and Video Games on US Film Media |ссылка = https://www.questia.com/article/1G1-200723438/visual-evolution-across-the-pacific-the-influence |язык = en |издание = Post Script |тип = журнал |год = 2009 |том = 28 |номер = 2 |страницы = |doi = |archive-date = 2015-04-02 |archive-url = https://web.archive.org/web/20150402125203/https://www.questia.com/article/1G1-200723438/visual-evolution-across-the-pacific-the-influence }}\u003C/ref\u003E.\n\n== Этимология ==\nСлово «аниме» происходит от английского слова animation ({{lang-ja|アニメーション}} ''[анимэ: сён]'', {{lang-ru|«анимация»}}) и имеет с ним одинаковый [[Корень (лингвистика)|корень]]\u003Cref name=\"Bould118\"/\u003E{{sfn|Катасонова|2012|с=106}}. В японской транскрипции слово animation произносится трудно и длинно, в связи с чем было заменено на более короткое и привычное для японцев слово «аниме», состоящее из закрытых [[Фонема|фонем]]. Существует и другое объяснение, согласно которому японцы заменили слово animation, которое можно перевести с английского языка как «одушевление», на «аниме», более близкое к латинскому корню anima ({{lang-ru|«душа»}}). В настоящее время термин «аниме» уже вошёл в международный лексикон{{sfn|Катасонова|2012|с=106}}. Некоторые источники утверждают, что слово «аниме» происходит от французского выражения ''dessin animé'' («мультипликация»)\u003Cref name=\"manga!\" /\u003E\u003Cref\u003E{{cite web|url=http://www.etymonline.com/index.php?term=anime|title=anime (n.)|author=|date=|work=|publisher=''[[Online Etymology Dictionary]]''|access-date=2013-03-29|archive-url=https://www.webcitation.org/6Fbyhdg9w?url=http://www.etymonline.com/index.php?term=anime|archive-date=2013-04-03}}\u003C/ref\u003E, однако данный вопрос является спорным\u003Cref\u003E{{cite web|url = http://www.animenewsnetwork.com/encyclopedia/lexicon.php?id=45|title = Anime|author = |date = |work = |publisher = ''[[Anime News Network]]''|access-date = 2013-03-29|archive-date = 2018-11-14|archive-url = https://web.archive.org/web/20181114092306/https://www.animenewsnetwork.com/encyclopedia/lexicon.php?id=45|url-status = live}}\u003C/ref\u003E. В [[Японский язык|японском языке]] слово «аниме» обозначает любую анимацию, вне зависимости от её стиля и страны производства\u003Cref\u003E{{cite web|url=http://www.bellaonline.com/articles/art4260.asp|title=What is Anime?|publisher=Bellaonline|access-date=2007-10-28|lang=en|archive-url=https://www.webcitation.org/617dLyapu?url=http://www.bellaonline.com/articles/art4260.asp|archive-date=2011-08-22}}\u003C/ref\u003E\u003Cref\u003E{{cite web|url=http://www.artgallery.nsw.gov.au/__data/page/9842/Tezuka_Kit_1.pdf|title=Tezuka: The Marvel of Manga - Education Kit|date=2007|publisher=Art Gallery New South Wales|access-date=2007-10-28|archive-url=https://www.webcitation.org/617dMZvFL?url=http://archive.artgallery.nsw.gov.au/__data/page/9842/Tezuka_Kit_1.pdf|archive-date=2011-08-22}}\u003C/ref\u003E. До середины 1970-х годов вместо него использовался термин «манга-эйга» («кино-комиксы»)\u003Cref name=\"am-what\"\u003E{{cite web|url=http://animemanga.ru/Articles/what.shtml|title=Что такое аниме и манга?|last=Иванов|first=Борис|publisher=Аниме и манга в России|lang=ru|access-date=2010-06-14|archive-url=https://www.webcitation.org/617dND5X6?url=http://animemanga.ru/Articles/what.shtml|archive-date=2011-08-22|url-status=live}}\u003C/ref\u003E. По мере распространения японской анимации за пределы Японии слово стало входить в другие языки, включая [[Русский язык|русский]], в качестве обозначения анимации, произведённой в Японии или имеющие характерные для неё стилистические признаки{{sfn|MacWilliams|2008|p=48}}.\n\nВ японском языке полностью отсутствует свойственное русскому силовое [[ударение]], поэтому японские слова, заимствованные в русский язык, обычно получают ударение в зависимости от традиций произношения слов на русском языке. В русском слове «аниме» зафиксировано ударение на последнем слоге\u003Cref\u003E{{АКАДЕМОС|аниме}}\u003C/ref\u003E\u003Cref\u003E{{книга\n | часть = аниме\n | заглавие = Русский орфографический словарь: около {{число|200000|слов}}\n | ответственный = Под ред. {{nobr|[[Лопатин, Владимир Владимирович|В. В. Лопатина]]}}, {{nobr|[[Иванова, Ольга Евгеньевна|О. Е. Ивановой]]}}\n | издание = Изд. 4-е, испр. и доп\n | место = М.\n | издательство = [[Российская академия наук]]. [[Институт русского языка имени В. В. Виноградова РАН|Институт русского языка им. В. В. Виноградова]]\n | год = 2013\n | страниц = 896\n | страницы = 18\n | isbn = 978-5-462-01272-3\n}}\u003C/ref\u003E.\n\nСуществует два альтернативных русских написания слова: «анимэ» — [[транслитерация]] ({{lang-ja|アニメ}}) по правилам [[киридзи]] и «аниме» — более распространённая форма, зафиксированная в орфографических словарях и соответствующая традиции написания уже освоенных русским языком иностранных слов, содержащих звук ''[э]'' после твёрдого согласного (похожее изменение претерпел термин «[[карате]]»). Оба варианта произносятся одинаково: ''[анимэ]''.\n\nВ русском языке слово «аниме» имеет средний род, никогда не склоняется. Слово иногда используется как первая часть составных слов, таких как «аниме-режиссёр» или «аниме-сериал». В [[сленг|разговорной речи]] встречаются образованные от «аниме» слова «анимешник», «анимешный» и т. п.\n\n== История ==\n{{main|История аниме}}\n\nИстория аниме берёт начало в [[XX век]]е, когда японские [[кинорежиссёр]]ы начинают первые эксперименты с техниками мультипликации, изобретёнными на [[Западная цивилизация|Западе]]\u003Cref name=\"manga!\"\u003E{{книга|автор = Schodt, Frederik L. |заглавие = Manga! Manga!: The World of Japanese Comics |ссылка =https://archive.org/details/mangamanga00fred|ответственный = |место = |издательство = [[Коданся|Kodansha International]] |год = 1986 |том = |страниц = 260 |страницы = |isbn = 9780870117527}}\u003C/ref\u003E. Старейшая из известных сохранившихся японских анимаций — «[[Katsudo Shashin]]» длится всего 3 секунды\u003Cref\u003E{{cite web|url=http://www.animenewsnetwork.com/news/2005-08-07/oldest-anime-found|title=Oldest Anime Found|date=2005-08-07|access-date=2013-04-26|archive-date=2019-01-07|archive-url=https://web.archive.org/web/20190107011310/https://www.animenewsnetwork.com/news/2005-08-07/oldest-anime-found|url-status=live}}\u003C/ref\u003E. Одним из самых первых аниме стал продемонстрированный в 1917 году двухминутный комедийный фильм «[[Namakura Gatana]]», в котором самурай собирается испытать свой новый меч, но терпит поражение от горожанина\u003Cref\u003E{{cite web|url = http://imprinttalk.com/?p=1557|title = Japan’s oldest animation films|author = |date = 2008-03-31|work = |publisher = ''[[ImprintTALK]]''|access-date = 2013-03-29|archive-url = https://web.archive.org/web/20080402061131/http://imprinttalk.com/?p=1557|archive-date = 2008-04-02}}\u003C/ref\u003E\u003Cref\u003E{{cite web|url = http://www.hdrjapan.com/japan/japan-news/historic-91%11year%11old-anime-discovered-in-osaka/|title = Historic 91-year-old anime discovered in Osaka|author = |date = 2008-03-30|work = |publisher = ''[[HDR Japan]]''|access-date = 2013-03-29|archive-url = https://web.archive.org/web/20080402012234/http://www.hdrjapan.com/japan/japan-news/historic-91%11year%11old-anime-discovered-in-osaka/|archive-date = 2008-04-02}}\u003C/ref\u003E. Первопроходцами в области японской мультипликации стали {{iw|Симокава Отэн|Симокава Отэн|en|Ōten Shimokawa}}, Дзюнъити Коти и {{iw|Сэитаро Китаяма|Сэитаро Китаяма|en|Seitarou Kitayama}}\u003Cref\u003E{{книга|автор = Katsunori Yamaguchi |заглавие = Nihon animēshon eigashi |ссылка = |ответственный = |место = |издательство = Yūbunsha |год = 1977 |том = |страниц = |страницы = 8—11 |isbn =}}\u003C/ref\u003E. Одним из наиболее популярных и доступных методов на тот момент была техника вырезной анимации, её применяли такие аниматоры, как Санаэ Ямамото, {{iw|Ясудзи Мурата|Ясудзи Мурата|en|Yasuji Murata}} и {{iw|Офудзи, Нобуро|Нобуро Офудзи|en|Noburō Ōfuji}}. Позднее распространилась также техника аппликационной анимации\u003Cref\u003E{{cite web|url=http://www.midnighteye.com/features/pioneers-of-japanese-animation-at-pifan-part-1/|title=Pioneers of Japanese Animation at PIFan – Part 1|author=|date=2004-09-23|work=|publisher=''[[Midnight Eye]]''|access-date=2013-03-30|archive-url=https://www.webcitation.org/6FbyedaMl?url=http://www.midnighteye.com/features/pioneers-of-japanese-animation-at-pifan-part-1/|archive-date=2013-04-03}}\u003C/ref\u003E. Успеха в развитии техники анимации добились и другие мультипликаторы, такие как [[Масаока, Кэндзо|Кэндзо Масаока]] и {{iw|Сэо, Мицуё|Мицуё Сэо||Mitsuyo Seo}}, использовавшие, в частности, анимационные фильмы в образовательных и [[Пропаганда|пропагандистских]] целях\u003Cref\u003E{{книга|автор = Katsunori Yamaguchi |заглавие = Nihon animēshon eigashi |ссылка = |ответственный = |место = |издательство = Yūbunsha |год = 1977 |том = |страниц = |страницы = 26—37 |isbn =}}\u003C/ref\u003E. Первым [[Звуковое кино|звуковым]] аниме стал снятый Масаокой в 1933 году короткометражный фильм {{iw|Chikara to Onna no Yo no Naka}}\u003Cref\u003E{{книга|автор = Baricordi, Andrea |заглавие = Anime: A Guide to Japanese Animation (1958-1988) |ссылка = |ответственный = |место = |издательство = Protoculture Inc. |год = 2000 |том = |страниц = 311 |страницы = 12 |isbn =9782980575907}}\u003C/ref\u003E\u003Cref\u003E{{книга|автор = |заглавие = Japan: An Illustrated Encyclopedia |ссылка =https://archive.org/details/japanillustrated02koda|ответственный = |место = |издательство = Kodansha |год = 1993 |том = |страниц = 1924 |страницы = |isbn = 9784062064897}}\u003C/ref\u003E. К 1940 году начали образовываться организации мультипликаторов и художников, такие как Shin Mangaha Shudan и Shin Nippon Mangaka. В то время аниме активно использовалось в качестве средства государственной пропаганды\u003Cref\u003E{{cite web|url=http://www.animestatic.com/articles/what-is-anime/|title=What is Anime?|author=|date=|work=|publisher=''[[Animestatic]]''|access-date=2013-04-01|archive-url=https://www.webcitation.org/6FbyfEDPb?url=http://www.animestatic.com/articles/what-is-anime/|archive-date=2013-04-03}}\u003C/ref\u003E. Одним из первых полнометражных анимационных фильмов стал снятый Мицуё Сэо в 1945 году «[[Momotarou: Umi no Shinpei]]»; спонсорскую поддержку при создании фильма оказал [[Императорский флот Японии]]\u003Cref\u003EOfficial booklet, ''The Roots of Japanese Anime'', DVD, Zakka Films, 2009\u003C/ref\u003E.\n\nОсновоположником традиций современного аниме стал [[Тэдзука, Осаму|Осаму Тэдзука]] — он заложил основы того, что позднее преобразовалось в современные аниме-сериалы. Например, Тэдзука заимствовал у [[Уолт Дисней|Диснея]] и развил манеру использования больших глаз персонажей для передачи эмоций; именно под его руководством возникали первые произведения, которые можно отнести к ранним аниме\u003Cref\u003E{{cite web|url=http://www.corneredangel.com/amwess/papers/history.html|title=A Brief History of Anime|author=O'Connell, Michael|date=|work=Otakon 1999 program book|publisher=|access-date=2013-04-02|archive-url=https://www.webcitation.org/6Fbyg1iJh?url=http://www.corneredangel.com/amwess/papers/history.html|archive-date=2013-04-03}}\u003C/ref\u003E. Первой работой Тэдзуки стала манга «[[Shin Takarajima]]». Впоследствии он создал мангу под названием [[Tetsuwan Atomu]] (Astro Boy), которая и принесла ему успех\u003Cref\u003E{{cite web|url=https://novaonline.nvcc.edu/eli/evans/his135/Events/Anime62/Anime62.html|title=The History of Anime & Manga|author=Zagzoug, Marwah|date=|work=|publisher=''[[Northern Virginia Community College]]''|access-date=2013-04-02|archive-url=https://www.webcitation.org/6FbygSn3F?url=https://novaonline.nvcc.edu/eli/evans/his135/Events/Anime62/Anime62.html|archive-date=2013-04-03}}\u003C/ref\u003E. К 1970-м годам популярность манги заметно возросла, многие произведения были анимированы. Тэдзуку благодаря его работам часто называли «легендой»\u003Cref\u003E{{cite web|url = http://www.asahi.com/english/Herald-asahi/TKY200605110157.html|title = 5 missing manga pieces by Osamu Tezuka found in U.S.|author = Zagzoug, Marwah|date = 2006-11-05|work = |publisher = ''[[Asahi Shimbun]]''|access-date = 2013-04-02|archive-url = https://web.archive.org/web/20060520053910/http://www.asahi.com/english/Herald-asahi/TKY200605110157.html|archive-date = 2006-05-20}}\u003C/ref\u003E и «богом манги и аниме»\u003Cref\u003E{{cite web|url=http://www.abcb.com/ency/t/tezuka_osamu.htm|title=Tezuka, Dr. Osamu|author=|date=|work=|publisher=''The Anime Encyclopedia''|access-date=2013-04-02|archive-url=https://www.webcitation.org/6Fbyh45uB?url=http://www.abcb.com/ency/t/tezuka_osamu.htm|archive-date=2013-04-03}}\u003C/ref\u003E\u003Cref\u003E{{cite web|url = http://www.paulgravett.com/articles/006_tezuka/006_tezuka.htm|title = Osamu Tezuka: The God of Manga|author = Gravett, Paul|date = 2006-11-05|work = |publisher = ''[[Asahi Shimbun]]''|access-date = 2013-04-02|archive-url = https://web.archive.org/web/20071231013227/http://www.paulgravett.com/articles/006_tezuka/006_tezuka.htm|archive-date = 2007-12-31}}\u003C/ref\u003E.\n\nЗа почти вековую историю аниме прошло долгий путь развития от первых экспериментов в анимации, фильмов [[Тэдзука, Осаму|Тэдзуки]] до нынешней огромной популярности по всему миру. С годами сюжеты аниме, первоначально рассчитанного на детей, становились всё сложнее, обсуждаемые проблемы всё серьёзней.\n\nПоявились аниме-сериалы, рассчитанные на [[подросток|подростковую]] аудиторию — юношей и девушек старше четырнадцати лет. Эти сериалы нашли поклонников и среди взрослых, в редких случаях вплоть до преклонных лет. В своём развитии аниме немного отставало от [[манга|манги]], которая зародилась на несколько лет раньше и к тому времени уже завоевала популярность среди всех кругов населения Японии.\n\nСегодня аниме представляет собой уникальный культурный пласт, объединяющий как сериалы для детей (жанр [[кодомо]]) — аниме в его изначальном понимании, так и подростковые произведения, зачастую, достаточно серьёзные и для просмотра взрослыми — [[сёнэн]] (аниме для юношей), [[сёдзё (аниме)|сёдзё]] (аниме для девушек) и даже полноценное «взрослое» аниме ([[сэйнэн]] и [[дзёсэй]]){{sfn|Иванов|2001|с=184}}. В отдельное направление выделились [[хентай]] — аниме [[порнография|порнографической]] направленности, [[яой]] и [[Юри (жанр)|юри]] — аниме, повествующее об отношениях (как правило романтических) между людьми одного пола — мужчинами либо женщинами соответственно.\n\nВершиной аниме принято считать работы режиссёра [[Миядзаки, Хаяо|Хаяо Миядзаки]]. Его «[[Унесённые призраками]]» стали первым и единственным анимационным фильмом, получившим премию [[Берлинский кинофестиваль|Берлинского кинофестиваля]], как «Лучший фильм», а не «Лучший мультфильм»\u003Cref name=\"mirf\" /\u003E.\n\n== Особенности ==\nАнимация Японии отличается от анимации других стран, в первую очередь, тем, что представляет собою развивающийся замкнутый культурный пласт, включающий в себя множество уникальных сюжетных и идейных символов, шаблонов, стереотипов и типажей. Простейшими примерами могут служить специфические для аниме [[жанры аниме|жанры]], вроде [[меха (аниме)|меха]], живущие по своим собственным законам, или находящие частое отражение в аниме элементы японской культуры\u003Cref name=\"gajieva\"\u003E{{книга |автор = Гаджиева Е. А. |часть = Глава 4.Япония. XX век. Города и городские жители. Анимэ |заглавие = Страна Восходящего Солнца. История и культура Японии |ссылка = http://bibliotekar.ru/japan/69.htm |место = [[Ростов-на-Дону]] |издательство = Феникс |год = 2006 |том = |страницы = |страниц = 256 |серия = Золотой фонд |isbn = 5-222-09014-0 |тираж = 5000 |archive-date = 2010-06-03 |archive-url = https://web.archive.org/web/20100603161159/http://bibliotekar.ru/japan/69.htm }}\u003C/ref\u003E.\n\nАниме выделяется среди мультипликации других стран своей востребованностью в японском обществе\u003Cref name=\"mirf\"\u003E{{статья| автор = Антон Карелин| заглавие = Шагнуть в распахнутые окна. Место аниме в мире фантастики| ссылка = http://mirf.ru/Articles/art141.htm| язык = ru| год = 2004| номер = 8| archive-date = 2010-03-12| archive-url = https://web.archive.org/web/20100312014825/http://www.mirf.ru/Articles/art141.htm}}\u003C/ref\u003E. Это обуславливает и общая направленность определённой доли произведений на более взрослую аудиторию, что выражается в большем внимании к философской и идеологической составляющим, преобладании «взрослых» мотивов в тематике, и, в том числе, меньшей табуированностью тем секса и насилия в культуре в целом.\n\nБольшая часть аниме создаётся с расчётом на конкретную, временами довольно узкую [[целевая аудитория|целевую аудиторию]]. [[критерий|Критериями]] деления могут являться пол, возраст, психологический тип зрителя. Выбранный таким образом [[метажанр]] задаёт общую направленность произведения, влияя на его сюжет, идеи и даже манеру изображения. Детское ([[кодомо]]) аниме составляет большую часть от всей анимационной продукции, выпускаемой на территории Японии, но за пределами страны популярны более «взрослые» произведения\u003Cref\u003E{{cite web|url=http://animemanga.ru/Articles/journal.shtml|title=Советы журналисту, пишущему об аниме и манге|last=Иванов|first=Борис|publisher=Аниме и манга в России|lang=ru|access-date=2010-06-14|archive-url=https://www.webcitation.org/617dNtVJk?url=http://animemanga.ru/Articles/journal.shtml|archive-date=2011-08-22|url-status=live}}\u003C/ref\u003E.\n\n=== Рисунок ===\n[[Файл:Monster tv.jpg|thumb|250px|«Реалистичный» рисунок в аниме «[[Monster (аниме)|Monster]]»]]\nОдна из основных особенностей рисунка аниме — неестественно большие глаза персонажей{{sfn|Иванов|2001|с=125}}\u003Cref\u003E{{cite web|url=http://search.japantimes.co.jp/print/fl20060528x1.html|title=Do Japan's world-conquering cartoons have to be created by Japanese to be the real deal?|publisher=Japan Time|access-date=2007-05-14|lang=en|archive-url=https://www.webcitation.org/617dOTLAY?url=http://search.japantimes.co.jp/print/fl20060528x1.html|archive-date=2011-08-22}}\u003C/ref\u003E. Существующий стиль возник под сильным влиянием западных традиций мультипликации — Осаму Тэдзука, считающийся основоположником данного стиля, был вдохновлён персонажами американских мультипликационных фильмов, такими как [[Бетти Буп]], [[Микки Маус]] и [[Бэмби]]\u003Cref name=\"manga!\" /\u003E\u003Cref\u003E{{книга|автор = Schodt, Frederik L. |заглавие = Dreamland Japan: Writings on Modern Manga |ссылка =https://archive.org/details/liang.dreamlandjapanwr0001scho|ответственный = |место = |издательство = Stone Bridge Press, Inc. |год = 1996 |том = |страниц = 360 |страницы = |isbn = 9781880656235}}\u003C/ref\u003E. Аниме-персонажи выделяются не столько размером глаз, сколько вниманием, уделённым детализации глаз по отношению ко всему остальному лицу. [[Нос]] и [[рот]] обычно изображаются несколькими волнистыми линиями, за исключением моментов, когда персонаж говорит{{sfn|Иванов|2001|с=204}}. Тем не менее существуют произведения, в которых используется «реалистичный» рисунок — нос, рот и [[скулы]] равно с прочими деталями лица изображаются и затеняются с большей точностью{{sfn|Иванов|2001|с=209}}, например, в аниме-фильме [[1998 год]]а «[[Оборотни (аниме)|Оборотни]]» («Jin Roh: The Wolf Brigade»).\n[[Файл:Hitohira.jpg|thumb|left|200px|Персонажи аниме «[[Hitohira]]», характер каждого персонажа, в буквальном смысле, написан на его лице]]\nПри рисовании глаз обычно одновременно применяются светлые и тёмные оттенки\u003Cref\u003E{{cite web|url=http://www.biorust.com/tutorials/detail/141/en/|title=Basic Anime Eye Tutorial|author=|date=|work=|publisher=''[[Biorust.com]]''|access-date=2013-04-03|archive-url=https://www.webcitation.org/6Fbyi6vZq?url=http://www.biorust.com/tutorials/detail/141/en/|archive-date=2013-04-03}}\u003C/ref\u003E. По глазам часто можно сделать вывод о персонаже в целом. Они обычно отражают возраст, степень открытости персонажа, а также его эмоциональное состояние\u003Cref name=\"choovisev\"/\u003E\u003Cref name=\"am-symb\"\u003E{{cite web|url=http://animemanga.ru/Articles/images.shtml|title=Символика аниме и манги|last=Иванов|first=Борис|publisher=Аниме и манга в России|lang=ru|access-date=2010-06-14|archive-url=https://www.webcitation.org/6HXPEUao2?url=http://animemanga.ru/Articles/images.shtml|archive-date=2013-06-21|url-status=live}}\u003C/ref\u003E. Положительные, весёлые, дружелюбные главные герои часто изображаются с большими, блестящими, полными жизни глазами; замкнутые, мрачные или отрицательные имеют глаза суженные, иногда полузакрытые или оттенённые чёлкой — часто их рисуют похожими на глаза какой-нибудь зоркой хищной птицы или змеи; хитрые или подчёркнуто-вежливые персонажи имеют глаза лисицы — как бы всё время закрытые, будто персонаж постоянно улыбается, однако примерно такие же по форме могут иметь и обыкновенные сони; если персонаж не является романтическим, но при этом не злой, хитрый или замкнутый, художники могут снабдить его достаточно большими глазами, но с маленькими зрачками-точками; кроме того, если персонажа вдруг лишают магическим способом воли или даже души, его глаза теряют блеск и становятся безжизненными — из них исчезают все блики. У детей глаза обычно изображены очень большими, старики же (за крайне редким исключением) имеют глаза маленькие, с маленьким зрачком. Очки являются дополнительным средством выразительности, являясь непременным атрибутом эрудитов (в противовес эксцентричным гениям), различных скромниц или парней-[[отаку]]. Очки чёрные, цветные или нарочито-блестящие, всевозможных форм и размеров, украшают лица, пожалуй, одной четверти всех известных аниме-персонажей, являясь их самой изюминкой.\n\nО характере персонажа обычно свидетельствуют и другие атрибуты внешности, например, одежда и волосы\u003Cref\u003E{{книга|автор = Brenner, Robin E. |заглавие = Understanding Manga and Anime |ссылка = |ответственный = |место = |издательство = Greenwood Publishing Group |год = 2007 |allpages = 356 |pages = 28 |isbn = 978-0-31-309448-4}}\u003C/ref\u003E. [[Волосы]] в аниме обычно состоят из прядей. [[Причёска|Причёски]] персонажей могут иметь самые разные, порой диковинные формы и цвета. Волосы, а также детали одежды персонажей, зачастую подчиняют ветру или инерции, заставляя их несинхронно двигаться при перемещениях персонажа. Волосы различных цветов изначально были способом «персонифицировать» героев, сделать их заметно различными. Сегодня, когда образы персонажей прорабатываются вплоть до мельчайших деталей лица и манер поведения, разноцветные волосы не являются необходимостью, скорее — традицией. Кроме того, цвет волос часто отражает характер персонажа\u003Cref name=\"am-symb\" /\u003E. К примеру, рыжие волосы являются характерным индикатором вспыльчивости ([[Аска Лэнгли Сорью|Аска]] из сериала «[[Евангелион]]», Лина Инверс из сериала «[[Рубаки]]»). Светлые волосы также указывают на иностранное происхождение героя, поскольку большинство японцев имеют тёмные волосы\u003Cref name=\"hair\"\u003EСм. также [http://www.umich.edu/~anime/info_haircolor.html эссе] {{Wayback|url=http://www.umich.edu/~anime/info_haircolor.html |date=20080303164035 }}{{ref|en}} на ''Umichu.edu'', посвящённое цвету волос персонажей в аниме.\u003C/ref\u003E. Отдельно стоит упомянуть [[блондирование|осветлённые]] волосы, как часть стереотипа хулигана или эксцентрика — выше уже упоминалось, что абсолютное большинство японцев имеет тёмные волосы, и осветление — это наиболее эффективный способ для кого-то выделиться из общей массы в школе и на улице. Обычно при создании аниме применяется не более 250 основных цветов{{sfn|Иванов|2001|с=204—205}}.\n\nПоскольку аниме-сериалы обычно демонстрируются на [[телевидение|телевидении]] с частотой около серии в неделю, для их создания задействуют штат из [[сценарист]]а, [[режиссёр]]а, дизайнера и нескольких десятков [[аниматор]]ов. Кроме того, чтобы укладываться в график выхода, по возможности, без потери качества, используются так называемые «[[ограниченная анимация|приёмы ограниченной анимации]]». Они включают в себя перерисовку отдельных частей рисунка с сохранением бо́льшей части картинки неизменной, статические задние планы, упрощённые формы передачи эмоций.\n\n[[Файл:Manga emotions-RU.jpg|thumb|Таблица эмоций]]\nПередача [[эмоции|эмоций]] в аниме является поводом для отдельного разговора. Помимо традиционных для аниме видов проявления чувств персонажем — изменением выражения лица или тона его голоса, используется ряд других приёмов. Эмоции могут изображаться подчёркнуто нереалистично, гипертрофированно — персонажи говорят с закрытыми глазами, чтобы передать безапелляционность, или принимают картинно демонический вид, когда проявляют [[гнев]]. В комедийных ситуациях, с целью показать несерьёзность чувства, применяются пиктограммы, такие, как картинка «капельки пота» или «вздувшихся вен», возникающие поверх головы героя, либо в рамочке над ней.\n\nПомимо «серьёзного» рисунка существует также популярный стиль «[[тиби]]» или «super-deformed» (SD), в котором персонажи изображаются упрощённо, с непропорционально большими головами и глазами в пол-лица. Обычно стиль SD применяется в комедийных ситуациях, поскольку выдаёт явную несерьёзность, пародийность происходящего. Тем не менее, существуют сериалы, целиком сделанные в такой манере; здесь подобный стиль используется, чтобы создать симпатию к «маленьким и пушистым» главным героям. Так, например, в комедийном сериале «[[Yamato Nadeshiko Shichi Henge]]» главная героиня 90 % экранного времени проводит в своей тиби-форме, ведя себя так, словно совершенно не от мира сего. Другие же персонажи, являясь более адекватными, изображены, соответственно, вполне обычными.\n\nАналитик компании [[AnimeNation]] Джон Опплинджер подчёркивал, что способ изображения персонажа позволяет зрителю мгновенно определить его важность. Он также считал, что во многих аниме-сериалах, где есть запоминающиеся персонажи, созданные известными дизайнерами, часто присутствуют случаи неудачного исполнения, тогда как другие сериалы, где нет чёткой разницы между героями, стали очень популярны. По мнению аналитика, хотя общий дизайн персонажей со временем развивается, чтобы соответствовать вкусам зрительской аудитории, отличительное оформление встречается в единичных случаях\u003Cref\u003E{{cite web|url=http://www.animenation.net/blog/2012/08/13/ask-john-why-is-current-character-design-so-static/|title=Ask John: Why is Current Character Design So Static?|author=Opplinger, John|date=2012-08-13|work=|publisher=''[[AnimeNation]]''|access-date=2013-04-04|archive-url=https://www.webcitation.org/6FdKt1UqN?url=http://www.animenation.net/blog/2012/08/13/ask-john-why-is-current-character-design-so-static/|archive-date=2013-04-04}}\u003C/ref\u003E.\n\n=== Сюжет ===\n{{Нет ссылок в разделе|дата=2011-05-12}}\nКак и в любом другом виде [[кинематограф]]а, разнообразие сюжетов аниме ограничено только фантазией сценариста. Для персонажей нередко указываются их дни рождения и группы крови, по которым, как считается в Японии, возможно определить характер{{sfn|Иванов|2001|с=204}}. Наряду с аниме, рассказывающими о параллельных реальностях и космосе, существуют аниме, описывающие исторические события, или даже воссоздающие повседневную жизнь главных героев в самом обычном [[Токио]]. Тем не менее различные жанры накладывают различные отпечатки на сюжеты аниме и зачастую определяют общую манеру построения или ключевые вехи сюжетной линии сериала.\n\nТак, например, произведения, называемые «сёнэн-адвенчер» (''shounen-adventure'' — ''приключения для парней'') зачастую имеют предсказуемый канонический вид: большую часть сериала главный герой собирает команду сторонников и учится новым приёмам ведения боя, преодолевая при этом мелкие возникающие проблемы, чтобы в конце концов победить превосходящего по силам противника. После этого сериал либо заканчивается, либо возвращается к началу: обозначается более сильный, более опасный враг. Один такой цикл иногда называют ''аркой'' (от {{lang-en|arc}}). Примером классической ''shounen-adventure'' может служить «[[Rurouni Kenshin]]» — [[эпос]] о [[Химура Кэнсин|Химуре Кэнсине]], самурае времён [[Реставрация Мэйдзи|реставрации Мэйдзи]], умеющем, но не желающем больше убивать.\n\nРаспространено также нестандартное скрещивание привычных шаблонов. Например, комедия/боевик «[[Стальная тревога]]» повествует о молодом, но бравом вояке Сагаре Сосукэ\u003C!--Именительный падеж — Сагара Сосукэ--\u003E, которого определили на учёбу в школу — охранять потенциальную жертву. Гармоничное переплетение школьных комедийных сценок и серьёзного военизированного сюжета компенсирует недостатки обеих линий по отдельности.\n\nНесмотря на обилие сериалов, сделанных по канонам жанра, не убывает и количество оригинальных, не поддающихся точной классификации произведений. Примером сериала с нестандартной сюжетной линией может служить «[[GANTZ]]» — боевик, главные герои которого — Кэй Куроно и Масару Като — погибли под колёсами поезда метро, но были воскрешены неподвижным чёрным шаром, занимающим половину комнаты в токийской гостинице — для того, чтобы участвовать в жестокой игре на выживание, выйти из которой можно, лишь заработав 100 очков.\n\nВселенные, в которых происходит действие сериалов, могут принимать любые формы, от классических [[фэнтези]]-миров до популяризованных американскими авторами [[киберпанк]]а («[[Ghost in the Shell]]», «[[Serial Experiments Lain]]» режиссёра [[Накамура, Рютаро|Рютаро Накамура]]) или [[стимпанк]]а («[[Fullmetal Alchemist]]», «[[Стимбой]]»). Истории фантастических миров могут серьёзно отличаться от привычной нам: так, в аниме «[[Fullmetal Alchemist]]» вместо физики развито искусство алхимии, в Аниме «[[Trigun]]» действие происходит в далёком будущем, на пустынной планете, среди останков потерянных технологий. Сериал «[[Волчий дождь]]» рисует [[постапокалиптика|постапокалиптический]] мир, в котором люди однажды проиграли сами себе и оставили огромные поля сражений, усеянные скелетами боевых механизмов.\n\nБольшая часть аниме-сериалов обладает ярко выраженным эмоциональным и идейным подтекстом и служит не просто для развлечения\u003Cref name=\"mirf\" /\u003E. Режиссёр образами создаёт подходящий эмоциональный фон для передачи своих мыслей. Популярными идеями являются: идея стойкости, нежелания сдаваться сколь угодно могущественным людям или обстоятельствам, идеи самоопределения и выбора жизненного пути, мораль человека. Различный возраст целевой аудитории зачастую влияет на идейный подтекст произведения: ''shounen-adventure'', обычно адресуемые юношам старше двенадцати лет, чаще содержат «простой» эмоциональный ряд (не сдаваться, защищать друзей, и т. д.) с меньшей проработкой деталей, чем философские или психологические произведения для взрослых. «Простота», однако, не означает, что идеи таких сериалов «детские» или даже «наивные», «максималистские» — или что такие сериалы не рассчитаны на старшее поколение. В более серьёзных сериалах рассматриваются вопросы смысла жизни, морали, проблемы [[эскапизм]]а, одиночества и разделённости людей, [[религия|религии]].\n\nЧасто сюжет и стилистика аниме заимствуются из экранизируемого произведения, обычно — манги или «[[Лёгкая новелла|лёгкой новеллы]]». Иногда при этом сюжет аниме может достаточно сильно отличаться от сюжета экранизируемой манги: так, в аниме могут быть добавлены герои, отсутствующие в манге, изменена концовка и тому подобное.\n\n=== Музыка и звук ===\n{{Нет ссылок в разделе|дата=2011-05-12}}\nДля передачи эмоциональных оттенков и управления настроением зрителя в аниме, как и в кино, активно используется звуковая и музыкальная составляющие. Аудиодиски с музыкальным сопровождением после выхода сериала издаются отдельно, и зачастую могут конкурировать по популярности с обычными [[музыкальный альбом|альбомами]] певцов. Поэтому исполнением песен и созданием музыки для аниме обычно занимаются известнейшие и талантливейшие певцы, группы и композиторы.\n\nАктивнее всего в аниме используется так называемая «атмосферная музыка» — тематические композиции, используемые для задания тона сцены. Например, в сериале «[[Евангелион]]» композиция «Decisive Battle» («Решающее сражение»), звучащая во время подготовки персонажей к битве, представляет собой активную, пафосную, с глухим узорным ритмом барабанного боя, мелодию, подготавливающую зрителя к предстоящей схватке.\n\n[[Аниме#Структура серий|Открывающая и закрывающая песни]] обычно исполняются известными [[поп-звезда|поп-звёздами]] или музыкальными группами и являются неотъемлемой частью аниме-сериала. Открывающая композиция создаёт у зрителя нужное настроение для просмотра сериала, восстанавливает в памяти его общий настрой. Закрывающая композиция может подчёркивать ключевые моменты аниме, его идеи в целом, и обычно заметно спокойней, чем открывающая. Обе композиции являются в некотором роде «визитной карточкой» аниме: первая знакомит зрителя с сериалом, а вторая подводит итоги серии.\n\n[[Актёр]]ы, озвучивающие роли в аниме, называются японским словом «[[сэйю]]». Профессия сэйю популярна и развита в Японии, благодаря чему озвучка аниме-сериалов выгодно отличается от аналогичных работ других стран. Многие сэйю по совместительству также являются эстрадными исполнителями — например, сэйю [[Хаясибара, Мэгуми|Мэгуми Хаясибара]], участвовавшая в создании более чем полусотни сериалов, невероятно популярна и как певица. Она же и записывала тематические песни для некоторых из снятых при её участии аниме.\n\nКроме обычных [[саундтрек|альбомов]] («OST», {{lang-en|Original Soundtrack}}) с музыкой из сериала, сэйю иногда издают коллекционные наборы дисков, посвящённых конкретным персонажам, так называемые «альбомы персонажей». В них включаются композиции, посвящённые в аниме этим персонажам, песни этого исполнителя и аудиовставки — благодаря которым у зрителя складывается впечатление, что песни исполняет сам персонаж. Также издаются «диски с аудиопостановками», содержащие небольшие аудио-дополнения к сериалу, обычно не связанные с главной сюжетной линией или пародийной направленности.\n\n== Производство аниме ==\nАниме обычно создаётся на небольших анимационных студиях, а его производство финансируется за счёт более крупных компаний. На создание телесериалов обычно отводятся небольшие сроки, поэтому мелкие ошибки аниматорами не учитываются. При создании полнометражной анимации имеет место более серьёзный контроль качества, но сроки на производство при этом более свободны{{sfn|Иванов|2001|с=209}}. Заказ на определённое аниме формируют продюсеры{{sfn|Иванов|2001|с=212}}. Режиссёр аниме обычно отвечает за художественное оформление мультфильма, в его обязанности также входят подбор актёров озвучивания и создание режиссёрской раскадровки, графически описывающей ключевые моменты. В проектах обычно участвует режиссёр-аниматор, который координирует работу групп аниматоров. Образом персонажей аниме занимается дизайнер персонажей, часто являющийся одновременно главным аниматором{{sfn|Иванов|2001|с=214—215}}. Частота кадров японских мультсериалов обычно составляет от 8 до 12 кадров в секунду, но более совершенные анимационные фильмы могут сниматься с частотой 24 кадра в секунду{{sfn|Иванов|2001|с=216—217}}. При работе с графикой студиями активно используются компьютерные технологии{{sfn|Иванов|2001|с=229}}. Как только завершается работа над анимационным рядом, начинают работу [[Сэйю|актёры озвучивания]]{{sfn|Иванов|2001|с=216—217}}.\n\nВ Японии находится более 430 аниме-студий. К наиболее крупным из них относятся [[Bones]], [[Gainax]], [[Gonzo]], [[Madhouse]], [[Studio Pierrot]], [[Toei Animation]] и др. В целях повышения эффективности работы над сложными проектами студии иногда работают вместе\u003Cref\u003E{{книга|автор = Brenner, Robin E. |заглавие = Understanding Manga and Anime |ссылка = |ответственный = |место = |издательство = Greenwood Publishing Group |год = 2007 |allpages = 356 |pages = 17 |isbn = 978-0-31-309448-4}}\u003C/ref\u003E. Если аниме претендует на мировую известность, то его выход в свет практически всегда сопровождается выпуском различной сопутствующей продукции: игрушек, предметов одежды с изображениями героев и т. п. Именно продажа сопутствующих товаров зачастую приносит производителям больше прибыли, чем непосредственно прокат аниме{{sfn|Катасонова|2012|с=110}}.\n\n== Жанры аниме ==\n{{main|Жанры аниме и манги}}\nДеление аниме на жанры очень размыто. Аниме делят:\n* По целевой аудитории ([[кодомо|дети]], [[сёнэн|юноши]], [[сёдзё|девушки]], [[сэйнэн|мужчины]], [[дзёсэй|женщины]]){{sfn|Иванов|2001|с=232}};\n* По стилям повествования ([[комедия]], [[Драма (жанр)|драма]], [[триллер]], [[романтика]], и т. д.);\n* По антуражу и [[технология]]м ([[меха (аниме)|ме́ха]], [[киберпанк]], [[Ситуационная комедия|школьная история]], [[фэнтези]], [[стимпанк]], и т. д.);\n* По психологии, целям и характеру отношений персонажей ([[сэнтай]], [[спокон]], [[махо-сёдзё]], [[гарем (жанр)|гарем]]);\n* По наличию и детализации сексуальных сцен ([[этти]], [[хентай]], [[яой]], [[Юри (жанр)|юри]]).\n\nОбычно главными героями аниме являются персонажи пола и возраста, которые соответствуют целевой аудитории{{sfn|Иванов|2001|с=185}}.\n\n== Форматы аниме ==\nАниме, как и прочая видеопродукция, создаётся с расчётом на какой-либо конкретный способ распространения\u003Cref name=\"releaseformats\"\u003E{{Cite web |url=http://www.umich.edu/~anime/info_releaseformats.html |title=Anime Project General Information\u003C!-- Заголовок добавлен ботом --\u003E |access-date=2007-04-23 |archive-date=2008-01-27 |archive-url=https://web.archive.org/web/20080127060907/http://www.umich.edu/~anime/info_releaseformats.html |url-status=live }}\u003C/ref\u003E\u003Cref\u003E{{Cite web |url=http://www.understandinganime.com/anime.php |title=The Search Engine that Does at InfoWeb.net\u003C!-- Заголовок добавлен ботом --\u003E |access-date=2007-04-23 |archive-url=https://web.archive.org/web/20080303153119/http://www.understandinganime.com/anime.php |archive-date=2008-03-03 |url-status=dead }}\u003C/ref\u003E. Эти способы включают в себя показ по телевидению, в кинотеатрах, продажу на видеоносителях, распространение через [[Интернет]]. Выбранный метод накладывает свой отпечаток на произведение, так как существенно разнятся и производственные процессы, и бюджеты, и условия просмотра. Наиболее популярными форматами для аниме служат [[телесериал]] и [[OVA]], в силу природы которых в них можно уместить значительно более подробный рассказ и лучше раскрыть персонажей, чем в фильме\u003Cref name=\"mirf\" /\u003E, однако это обуславливает и несклонность [[аниматор]]ов к техническим экспериментам и преобладающую роль дизайнеров при создании аниме\u003Cref name=\"am-what\" /\u003E.\n\nЕсли произведение оказалось успешным, то иногда выходят его продолжения или переиздания в других форматах. Например, известный сериал «[[Tenchi Muyo]]» сначала вышел как OVA из нескольких серий. Впоследствии появились несколько фильмов, три сезона телесериала по 26 серий каждый, а также несколько дополнительных историй ({{lang-en|«spinoff»}}).\n\nВне зависимости от исходного формата, любое аниме рано или поздно выходит на видеоносителях, обычно — на [[DVD]]\u003Cref\u003E{{Cite web |url=http://www.animenewsnetwork.com/encyclopedia/lexicon.php?id=29 |title=Digital Versatile Disc (DVD) — Anime News Network\u003C!-- Заголовок добавлен ботом --\u003E |access-date=2007-04-23 |archive-date=2008-02-14 |archive-url=https://web.archive.org/web/20080214201846/http://www.animenewsnetwork.com/encyclopedia/lexicon.php?id=29 |url-status=live }}\u003C/ref\u003E.\n\n=== Телесериал ===\n[[Телесериал]] (TV) — аниме, состоящее из множества коротких серий, предназначенное для показа по телевидению с определённой периодичностью. Это наиболее распространённый формат для аниме\u003Cref name=\"mirf\" /\u003E{{sfn|Иванов|2001|с=193}}. Для японских телеканалов характерно транслировать аниме определённого жанра в установленное время суток, которое обычно не меняется, что связано с рейтинговой политикой{{sfn|Иванов|2001|с=195}}. Как правило, длительность одной серии составляет 23—25 минут, что вместе с рекламой образует стандартный блок в программе вещания — полчаса\u003Cref name=\"am-tv\" /\u003E. Данный формат был разработан в 1960-е годы Осаму Тэдзукой{{sfn|Иванов|2001|с=66}}. Иногда встречаются серии по 12 минут — для показа сразу двух серий блоком. Ещё реже можно встретить пяти- и трёхминутные серии\u003Cref name=\"am-tv\" /\u003E. Обычно телесериалы являются экранизациями популярной манги{{sfn|Иванов|2001|с=193}}.\n\nПродолжительность сериала обычно кратна сезону, состоящему из 12—13 серий, поскольку в длительность календарного сезона укладывается 12—13 недель, а аниме обычно транслируются по одной серии в неделю\u003Cref name=\"am-tv\"\u003E{{cite web|url=http://animemanga.ru/Articles/tv-series.shtml|title=Строение ТВ-сериалов|last=Иванов|first=Борис|publisher=Аниме и Манга в России|lang=ru|access-date=2010-06-19|archive-url=https://www.webcitation.org/617dQZqFZ?url=http://animemanga.ru/Articles/tv-series.shtml|archive-date=2011-08-22|url-status=live}}\u003C/ref\u003E. Наиболее распространены сериалы из 24—26 серий\u003Cref name=\"mirf\" /\u003E, хотя существуют как значительно более длинные, за сотню серий ([[Fairy Tail]], [[One Piece]], [[Naruto]], [[Блич|Bleach]]), так и короткие («[[Хеллсинг]]», «[[Беспокойные сердца]]»). Последние, впрочем, встречаются реже, чем 26-серийные, поэтому часто под «сезоном» понимают именно полугодичные наборы серий\u003Cref\u003E{{Cite web |url=http://www.animenewsnetwork.com/answerman/2001-10-26 |title=Answerman: Cthulhu Made Me Do It! — Anime News Network\u003C!-- Заголовок добавлен ботом --\u003E |access-date=2007-04-23 |archive-date=2008-03-13 |archive-url=https://web.archive.org/web/20080313001223/http://www.animenewsnetwork.com/answerman/2001-10-26 |url-status=live }}\u003C/ref\u003E. Например, сериал «[[Ранма ½]]» из более чем 160 серий (семь сезонов), в «[[Сейлор Мун]]» 200 серий (5 сезонов), в «[[Покемон (аниме)|Покемоне]]» — более 700. Рекордным же является аниме «[[Дораэмон]]», состоящее из более 2000 серий, а дольше всего длится показ ''[[Sazae-san]]'' — с 1969 года и до сих пор, хотя количество серий в нём меньше\u003Cref\u003E{{cite web|url=http://www.animenewsnetwork.com/encyclopedia/anime.php?id=870&page=22|title=Sazae-san Trivia|publisher=[[Anime News Network]]|lang=ru|access-date=2010-06-19|archive-date=2011-05-17|archive-url=https://web.archive.org/web/20110517233758/http://www.animenewsnetwork.com/encyclopedia/anime.php?id=870&page=22|url-status=live}}\u003C/ref\u003E. На продолжительность сериала может влиять его популярность{{sfn|Иванов|2001|с=66}}.\n\nИногда к телесериалам выпускают дополнительные или бонусные серии (спешлы, TV-special). Часто они длиннее обычных и не связаны напрямую с базовым сюжетом телесериала, хотя и основаны на нём. История в них представляется ответвлением основного сюжета или сменой точки зрения на события, но совершенно не меняет текущее положение вещей в сериале. Обычно дополнительные серии создаются к праздникам, сменам сезона телесериала, иногда выходят после завершения показа аниме на телевидении.\n\nПри организации структуры аниме-сериала обычно применяются три основные схемы: концептуальная, сюжетная и концептуально-сюжетная. Для концептуальной схемы характерны сюжетные мотивы, повторяющиеся на протяжении всего сериала, отсутствие развития характеров персонажей и наличие конфликта, который на протяжении всего сериала остаётся неразрешённым. Обычно такая схема применяется в [[Кодомо|детском аниме]]. В сюжетной схеме наличествует единая история, которая разбита на части (серии), и каждая новая серия начинается после окончания предыдущей. Она характерна для небольших телесериалов. В концептуально-сюжетной схеме серии организованы по концептуальному принципу, однако в сюжете присутствуют «ключевые» события, в результате которых жизнь главных героев изменяется. Такая схема характерна для длинных сериалов и, в частности, для аниме жанра [[махо-сёдзё]]. В иных случаях каждая серия может иметь самостоятельный сюжет и персонажей, которые объединены только общей эстетикой{{sfn|Иванов|2001|с=196—199}}.\n\n=== OVA ===\n[[OVA]] ('''''O'''riginal '''V'''ideo '''A'''nimation'') «Анимация, созданная для продажи на видео» — аниме, созданное специально для выпуска на видеоносителях, таких как видеокассеты или [[DVD]]. Обычно OVA представляет собой фильм или короткий сериал — от двух до шести серий, который создаётся без расчёта на показ по телевидению. Тем не менее случается, что популярный OVA-сериал всё-таки попадает на телеэкраны. В настоящее время стандартная продолжительность одной серии OVA — 23—25 минут, практически как и телевизионной. В [[1980-е]] же и в начале [[1990-е|1990-х]] выпускались часовые и более длинные OVA.\n\nOVA часто используется для проверки потенциальной аудитории сериала — многие известные произведения начинались с коротких и дешёвых удачно распроданных OVA, а затем заново переснимались в полноценный сериал для показа на телевидении (например, «[[Моя Богиня!]]», получившая продолжение в виде двух сезонов после успеха OVA). С другой стороны, многие популярные телесериалы обзаводятся OVA-дополнениями, но в этом случае на средствах не экономят и выпускают продукт, не уступающий по качеству телесериалу\u003Cref name=\"releaseformats\"/\u003E\u003Cref name=\"ann-formats\"\u003E{{Cite web |url=http://www.animenewsnetwork.com/encyclopedia/lexicon.php?id=35 |title=Original Animation Video (OAV/OVA) — Anime News Network\u003C!-- Заголовок добавлен ботом --\u003E |access-date=2007-04-23 |archive-date=2008-02-15 |archive-url=https://web.archive.org/web/20080215085311/http://www.animenewsnetwork.com/encyclopedia/lexicon.php?id=35 |url-status=live }}\u003C/ref\u003E. Также в формате OVA выпускают своё творчество малоизвестные или небогатые студии.\nЗачастую OVA версии оказываются интересней и насыщеннее последующих TV версий — авторам приходится «растягивать» OVA-сюжет на формат сериала.\n\nИногда для вышедших сразу на DVD OVA-сериалов используется обозначение [[OAD]] ('''''O'''riginal '''A'''nime '''D'''VD'')\u003Cref name=\"ann-formats\" /\u003E.\n\n=== Фильм ===\n[[Фильм]] — аниме, предназначенное для показа в кинотеатре. Как правило, это [[полнометражный фильм|полнометражные]] (от 60 минут) фильмы{{sfn|Иванов|2001|с=232}}\u003C!--Устарела книжка, снимают уже и за два часа--\u003E, отличающиеся более высоким по сравнению с другими форматами качеством анимации и, соответственно, более высокими затратами на производство\u003Cref name=\"releaseformats\"/\u003E. Полнометражные аниме представлены как самостоятельными произведениями, так и дополнениями к популярным телесериалам. В более редких случаях после успешной демонстрации полнометражного фильма выпускается телесериал. Примером такого может служить лента «[[Ghost in the Shell]]», после выхода которой был создан сериал «[[Ghost in the Shell: Stand Alone Complex]]».\n\n=== ONA ===\n[[ONA]] ('''''O'''riginal '''N'''etwork '''A'''nimation'') «анимация, созданная для сети Интернет» — аниме, специально созданное для распространения в [[Интернет]]е. Произведения, созданные как ONA, пока ещё очень редки, и обычно их продолжительность невелика. Примером такого формата может служить 4-минутное дополнение к сериалу «[[Azumanga Daioh]]»: «Azumanga WEB Daioh»\u003Cref\u003E[http://www.animenewsnetwork.com/encyclopedia/lexicon.php?id=37 ONA в энциклопедии Anime News Network] {{Wayback|url=http://www.animenewsnetwork.com/encyclopedia/lexicon.php?id=37 |date=20170621010140 }}{{ref|en}}\u003C/ref\u003E.\n\n== Структура серий ==\nСерии большинства аниме-сериалов имеют следующую структуру\u003Cref name=\"am-tv\" /\u003E:\n# вступление\n# [[вступительная заставка|начальная заставка]] ({{lang-en|opening}}, опенинг)\n# краткое содержание предыдущей части\n# первая часть аниме\n# интермедия\n# вторая часть аниме\n# финальный ролик ({{lang-en|ending}}, эндинг)\n# кадры из следующей серии\n\nНе все части структуры обязательно присутствуют во всех сериалах. Например, часто обходятся без вступления — короткой завязки сюжета серии, хотя, когда она есть, в ней происходит что-то необычное, способное заинтересовать зрителя, например, совершается преступление, которое будет расследоваться в ходе серии\u003Cref name=\"am-tv\" /\u003E. К таким же необязательным частям относится и краткое содержание предыдущих серий: пересказ сюжета используется лишь в произведениях с линейным развитием событий. Одной из его форм является рассказ о событиях от лица одного из персонажей\u003Cref name=\"am-tv\" /\u003E. Кадры из следующей серии обычно оформляются в стиле завлекательного «рекламного ролика»\u003Cref name=\"am-tv\" /\u003E.\n\n=== Начальная заставка ===\n{{main|Вступительная заставка}}\nНачальный ролик, или ''опенинг'' (от {{lang-en|opening}}, сокр. ''OP''), как правило, представляет собой анимацию, изображающую главных героев аниме и отражающую его стиль\u003Cref name=\"am-tv\" /\u003E. В течение всего времени ролика демонстрируются титры — имена создателей аниме, композитора, автора сюжета, реже имена [[сэйю]], озвучивающих главных героев, и другая информация, связанная с производством или сюжетом аниме. Большинство заставок представляют собой клипы на написанные специально к аниме песни\u003Cref name=\"am-tv\" /\u003E. В некоторых случаях заставка не показывается в первых/первой сериях аниме, если по замыслу авторов не планируется сразу раскрывать внешний облик персонажей или какие-либо элементы сюжета.\n\n=== Финальный ролик ===\nФинальный ролик, или ''эндинг'' (от {{lang-en|ending}} — «концовка», сокр. ''ED'') представляет собой практически то же самое, что и начальная заставка, только имеет существенно более скромную анимацию, более спокойную музыку\u003Cref name=\"am-tv\" /\u003E. Титры тоже более подробны\u003Cref name=\"am-tv\" /\u003E. Если задача опенинга — настроить зрителя на восприятие сериала, сообщить ему соответствующее настроение, то эндинг должен вывести зрителя из этого состояния, что особенно актуально для сериалов с динамичным или психологичным сюжетом\u003Cref name=\"am-tv\" /\u003E.\n\n=== Заставка ===\nЗаставка ({{lang-en|eye-catch}}) — очень короткая сцена, продолжительностью около двух секунд, обычно весёлая, служит сигналом начала и окончания рекламы\u003Cref name=\"am-tv\" /\u003E. Иногда вообще отсутствует, иногда сливается с основным повествованием сериала, то есть на конец части А и начало части Б накладывается некоторый текст или эффект, что и сигнализирует о конце первой части и начале второй.\n\n== Распространение ==\n{{глобализировать|дата=2010-01-11}}\nАниме и манга являются частью японской популярной культуры. Начиная с 1950-х годов, когда в Японии активно вводились в эксплуатацию домашние телевизоры, анимационные сериалы стали неотъемлемой частью телепрограмм японских каналов. Первым таким сериалом стал созданный Осаму Тэдзукой ''[[Tetsuwan Atom]]''. В Японии ежегодно выпускается около 50 новых аниме, а по японскому телевидению еженедельно их транслируется около 80 {{sfn|MacWilliams|2008|p=13}}\u003Cref\u003E{{книга|автор = Brenner, Robin E. |заглавие = Understanding Manga and Anime |ссылка = |ответственный = |место = |издательство = Greenwood Publishing Group |год = 2007 |allpages = 356 |pages = 16 |isbn = 978-0-31-309448-4}}\u003C/ref\u003E. Зрительской аудиторией выступает большинство населения Японии независимо от пола, возраста, образования и социального класса. Кроме того, начиная с 1990-х годов{{sfn|Иванов|2001|с=179}}, аниме широко распространилось по всему миру{{sfn|MacWilliams|2008|p=13}} и составляет около 60 % от всех мультипликационных телесериалов{{sfn|Brown|2006|p=6}}{{sfn|Катасонова|2012|с=7}}. За пределами Японии для обозначения фанатов аниме и манги используется слово «[[отаку]]». Основная часть поклонников аниме на его родине — старшие школьники и младшие студенты. В других странах возраст отаку старше, но чем более распространены японские мультфильмы в стране, тем он ближе к японскому\u003Cref name=\"am-otaku\"\u003E{{cite web|url=http://animemanga.ru/Articles/otaku.shtml|title=Кто такие отаку?|last=Иванов|first=Борис|publisher=Аниме и манга в России|lang=ru|access-date=2010-06-14|archive-url=https://www.webcitation.org/617dR8Yh1?url=http://animemanga.ru/Articles/otaku.shtml|archive-date=2011-08-22|url-status=live}}\u003C/ref\u003E. Кроме общения в среде отаку распространено создание любительских произведений по мотивам любимых серий: манги — [[додзинси]], музыкальных клипов с использованием видеоряда аниме — [[AMV]] ({{lang-en|Anime Music Video}}), рассказов — [[фанфик]]и. Также распространены разнообразные масштабные мероприятия — [[аниме-фестиваль|аниме-фестивали]] и переодевание в любимых героев — [[косплей]]\u003Cref name=\"am-otaku\" /\u003E.\n\n=== Аниме в России ===\nВ [[СССР]] показ кино и анимации капиталистических стран был ограничен небольшим количеством отобранных по идеологическим критериям фильмов. В 1970 по центральному телевидению впервые был показан полнометражный анимационный фильм «Солнечный Принц» ([[Принц Севера]]). В 1971 году на экраны кинотеатров вышел «[[Кот в сапогах (аниме)|Кот в сапогах]]»{{sfn|Иванов|2001|с=64}}, в 1972 — «[[Кот в сапогах на Диком Западе]]», в 1976 — «[[Кругосветное путешествие Кота в сапогах]]». В прокате шли фильмы «[[Летающий корабль-призрак]]»\u003Cref\u003E[http://www.bcdb.com/bcdb/cartoon.cgi?film=63153&cartoon=Soratobi%20Yurei%20Kan «Корабль-призрак» в Big Cartoon Database (англ.)]\u003C/ref\u003E, «[[Али-Баба и сорок разбойников]]», «[[Джек в Стране чудес]]», «[[Принцесса подводного царства]]», «[[Принцы-лебеди]]», «[[Дюймовочка (аниме)|Дюймовочка]]», а также «[[Двенадцать месяцев (аниме)|Двенадцать месяцев]]» и «[[Приключения пингвинёнка Лоло]]», созданные совместно с советскими мультипликаторами.\n\nЗнакомство российской аудитории с мейнстримом аниме состоялось во время «видеобума» конца [[1980-е|1980-х]] — начала [[1990-е|1990-х]] годов, когда обладателям [[видеомагнитофон]]ов стало доступно аниме (в основном фильмы, уже ставшие популярными на Западе, и [[хентай]]), распространяемое «видеопиратами» или переписываемое в частном порядке. Наибольшую популярность в это время приобрели показанные по телевидению «[[Роботек]]», «[[Макрон-1]]» и «[[Ведьма Салли]]»{{sfn|Иванов|2001|с=222, 224—225}}\u003Cref name=\"am-russia\"\u003E{{cite web|url=http://animemanga.ru/Articles/russia.shtml|title=Аниме в России|last=Иванов|first=Борис|publisher=Аниме и манга в России|lang=ru|access-date=2010-06-14|archive-url=https://web.archive.org/web/20070202165707/http://animemanga.ru/Articles/russia.shtml|archive-date=2007-02-02|url-status=live}}\u003C/ref\u003E. Телеканал «[[2х2]]» показал первое аниме в России — «[[Грендайзер]]»\u003Cref\u003E{{cite web|url=https://2x2tv.ru/search/?q=Грендайзер|title=Поиск \"Грендайзер\"|publisher=2x2tv.ru|date=|access-date=2022-05-29|archive-date=2022-03-24|archive-url=https://web.archive.org/web/20220324215825/https://2x2tv.ru/search/?q=Грендайзер|url-status=live}}\u003C/ref\u003E.\n\nВ 1996 году всё на том же «2x2» был показан нестандартный для аудитории проект — «[[Сейлор Мун]]»\u003Cref\u003E{{cite web|url=https://2x2tv.ru/blog/sailor-moon-25/|title=\"СЕЙЛОР МУН\" 25 ЛЕТ: ЗА ЧТО МЫ ЛЮБИМ \"ЛУНУ В МАТРОСКЕ\"|publisher=2x2tv.ru|date=2017.03.07|access-date=2020-12-24|archive-date=2021-01-25|archive-url=https://web.archive.org/web/20210125082704/https://2x2tv.ru/blog/sailor-moon-25/|url-status=live}}\u003C/ref\u003E. В отличие от большинства западных стран, в России он практически не цензурировался, что увеличивает интерес публики. Поколение, начавшее своё знакомство с аниме с «Сейлор Мун», среди отаку принято называть «муняшками»\u003Cref name=\"am-russia\" /\u003E. К этому же времени относится массовое появление отаку{{sfn|Иванов|2001|с=224}}, которые начали организовывать собственные клубы. Первым таким клубом стал клуб R.An.Ma («Российская ассоциация аниме и манги»), основанный в 1996 году\u003Cref name=\"am-otaku\" /\u003E. К концу 1990-х годов развитие интернета и цифровых технологий, позволяющих быстро скачивать и передавать информацию, влияет и на популяризацию аниме\u003Cref name=\"am-russia\" /\u003E{{sfn|Иванов|2001|с=225}}.\n\nНачиная с [[2000 год]]а на российском телевидении демонстрировался известный детский аниме-сериал «[[Покемон (аниме)|Покемон]]». До этого времени термин «аниме» использовался редко, произведения обозначались просто как «японские мультфильмы». Новой волны отаку сериал не создал из-за небольшого возраста целевой аудитории, но его показ вызвал большой отклик в прессе\u003Cref name=\"am-russia\" /\u003E. В том же году в [[Воронеж]]е проводится первый в России [[аниме-фестиваль в Воронеже|аниме-фестиваль]].\n\nВ [[2002 год]]у в журнале «[[Страна игр]]» появляется рубрика «Банзай!», самая компетентная серия статей о японской массовой культуре на территории России, и интернет-журнал ''[[Сакура-пресс|AnimeMagazine]]''\u003Cref name=\"am-russia\" /\u003E.\n\nНаконец появляются официальные распространители аниме на видеокассетах и DVD: в 2002 году была создана компания [[МС Entertainment]]. Также лицензиями аниме занялись компании «[[Видеосервис]]» и «[[CP Digital]]»\u003Cref name=\"am-russia\" /\u003E. В [[2003]] и [[2004 год]]ах издаётся журнал ''anime*magazine'', печатная версия сетевого ''AnimeMagazine''. Чуть позже появляется и второй журнал, полностью посвящённый аниме и манге, — «[[АнимеГид]]»\u003Cref name=\"am-russia\" /\u003E.\n\nА дальше аниме-движение приобретает всё больший охват. Появляются новые издатели аниме: в [[2005 год]]у [[XL Media]], в [[2006]] — «Мега-Аниме», а в [[2007]] — [[Reanimedia]]. В 2005 году начинается активная трансляция аниме на телеканалах: «[[Jetix#Jetix в СНГ|Jetix]]»\u003Cref\u003E{{cite web|url=http://tvp.netcollect.ru/prog.php?id=150448#Jetix_2|title=Jetix (расписание за 2005 год)|publisher= tvp.netcollect.ru |date=2019.12.01|access-date=2020-12-24|archive-date=2021-06-01|archive-url=https://web.archive.org/web/20210601180625/http://tvp.netcollect.ru/prog.php?id=150448#Jetix_2|url-status=live}}\u003C/ref\u003E, «[[MTV Россия]]» и «[[Муз-ТВ]]». Постоянно организуются [[аниме-фестиваль|аниме-фестивали]], в том числе [[Всероссийский фестиваль японской анимации]] в [[Воронеж]]е, северо-западный фестиваль любителей манги и аниме «[[М.Ани.Фест]]» в [[Санкт-Петербург]]е, южно-российский фестиваль японской анимации «Танибата» в [[Ростов-на-Дону|Ростове-на-Дону]] и [[Московский аниме-фестиваль]].\n\nПопулярность аниме затронула и российских музыкантов: в 2003 году студия [[Production I.G]] создала аниме-видеоклип на песню [[Линда (певица)|Линды]] «Цепи и кольца»\u003Cref\u003E[http://www.productionig.com/contents/works/08_/000137.html Production I.G — Chains & Rings] {{Wayback|url=http://www.productionig.com/contents/works/08_/000137.html |date=20070927214003 }}{{ref|en}}\u003C/ref\u003E, а в [[2005]] [[Studio 4 °C]] был выпущен клип «[[Первый отряд]]» на композицию [[Лигалайз]]а. Группа «[[Тату (группа)|Тату]]» выпустила композицию «Gomenasai», один из клипов к которой был сделан в аниме-стиле. В [[2009 год]]у вышел совместный проект японских аниматоров и российских сценаристов — «[[Первый отряд]]», включающий в себя, кроме полнометражного аниме, [[манга|мангу]] и [[Повесть|повести]].\n\n== Фэндом ==\n{{Main|Фэндом аниме и манги}}\n\n== Критика аниме ==\nВ мире отношение к японской анимации неоднозначно{{sfn|Катасонова|2012|с=122}}. Параллельно росту популярности аниме за пределами Японии, растёт и число противников этого жанра мультипликации. Наиболее серьёзную критику вызывает чрезмерное, по мнению многих, количество [[насилие|насилия]] и [[эротика|эротики]] в аниме\u003Cref\u003E{{cite web|url=http://www.sgzt.com/sgzt/archive/content/2010/05/018/sections/S004/articles/P07A0007P00|title=Мульт-личности|last=Верещагина|first=Евгения.|publisher=Сегодняшняя Газета - новости Красноярска|access-date=2010-06-02|archive-date=2013-06-01|archive-url=https://web.archive.org/web/20130601195500/http://www.sgzt.com/sgzt/archive/content/2010/05/018/sections/S004/articles/P07A0007P00|url-status=live}}\u003C/ref\u003E, неадекватное поведение людей, увлекающихся просмотром и коллекционированием аниме — [[отаку]], — выливающееся порой в патологические формы (уход от реальности, агрессивность, близкая к [[наркотик|наркотической]] зависимости)\u003Cref\u003E{{статья|автор=Mescallado, Ray.|заглавие=''Otaku'' Nation|ссылка=https://www.jstor.org/pss/4240855|издание=Science Fiction Studies|издательство=SF-TH Inc|год=2000|том=27}}\u003C/ref\u003E. В [[Европейский союз|европейских странах]] и [[США]] японская мультипликационная продукция проходит предварительную оценку, с определением возрастной аудитории; иногда, с целью уменьшить возрастную планку, издатель вырезает из произведения слишком откровенные или жестокие кадры\u003Cref\u003EАмериканские издания аниме [[Tenchi Muyo!]], [[Dragon Ball Z]], [[Sailor Moon]].\u003C/ref\u003E.\n\nМногим не нравится аниме на эмоциональном уровне: некоторые считают, что мультфильмы создают только для детской аудитории, они ожидают и соответствующего развития сюжета, и либо испытывают дискомфорт от просмотра аниме, рассчитанного на юношескую или взрослую аудитории, либо, отказываясь от просмотра, создают заочное негативное мнение о произведении\u003Cref name=\"ivanov\"\u003E{{Cite web |url= http://animemanga.ru/Articles/faq.shtml |title=FAQ для нелюбителей аниме на сайте Бориса Иванова, который отражает основные аргументы противников|access-date=2007-04-30 |archive-date=2008-02-14 |archive-url= https://web.archive.org/web/20080214134747/http://www.animemanga.ru/Articles/faq.shtml |url-status=live }}\u003C/ref\u003E. Также часто зрителям не нравится графическое решение в аниме — «большие глаза», или голоса персонажей, из-за непривычного для европейца звучания слов и выражения эмоций в японском языке\u003Cref name=\"ivanov\"/\u003E.\n\nБольшая часть критики, высказываемой в адрес аниме, также справедлива и по отношению к любой ветви современной массовой (особенно визуальной) культуры, к таким как игры, музыка, современные телесериалы, современные кинофильмы\u003Cref\u003EКритика американских фильмов — [http://www.agentura.ru/press/about/jointprojects/lemondediplomatique/uscinema/ Всплыв темы терроризма после 11 сентября, который так же присутствовал и в Аниме] {{webarchive|url=https://web.archive.org/web/20070510035933/http://www.agentura.ru/press/about/jointprojects/lemondediplomatique/uscinema/ |date=2007-05-10 }}, [http://usinfo.state.gov/journals/itgic/0206/ijgr/gienowhecht.htm Американские фильмы как средство пропаганды] {{webarchive|url= https://web.archive.org/web/20070510014836/http://usinfo.state.gov/journals/itgic/0206/ijgr/gienowhecht.htm |date=2007-05-10 }}.\u003C/ref\u003E.\n\nВнутри Японии стиль прорисовки аниме и манга-персонажей подвергается критике из-за их излишней нереалистичности, в частности «красивым» персонажам придают выраженные европеоидные черты лица и тела, например светлые волосы/глаза, узкие нос и губы, высокий рост и т. д. Это, по мнению критиков, закрепляет внутри японского общества ещё сильнее стереотип, что быть белым — быть априори красивым, и становится причиной того, что многие молодые японцы страдают комплексами из-за своей внешности и стремятся изменить себя, прибегая с разным косметическим или даже операционным изменениям, чтобы больше быть похожими на персонажей из аниме\u003Cref\u003E{{Cite web |url=http://kotaku.com/5627268/why-do-japanese-characters-look-white |title=Who’s White and Who’s Japanese in Anime? Once Again, the Internet Compares. |access-date=2017-04-13 |archive-date=2017-04-13 |archive-url=https://web.archive.org/web/20170413235051/http://kotaku.com/5627268/why-do-japanese-characters-look-white |url-status=live }}\u003C/ref\u003E.\n\n== См. также ==\n* [[Ночной показ аниме]]\n\n== Примечания ==\n{{примечания}}\n\n== Литература ==\n'''Книги на русском языке'''\n* {{публикация|книга|автор=[[Иванов, Борис Андреевич|Иванов Б. А.]]|заглавие=Введение в японскую анимацию|основной автор=Б. А. Иванов|издание=2-е изд|место= М.|издательство=Фонд развития кинематографии|издательство2=РОФ «Эйзенштейновский центр исследований кинокультуры»|год= 2001|страниц=336|isbn=5-901631-01-3|ref=Иванов}}\n* {{публикация|книга|автор=[[Катасонова, Елена Леонидовна|Катасонова Е. Л.]]|заглавие=Японцы в реальном и виртуальном мирах|подзаголовок=Очерки современной японской массовой культуры|место=М.|издательство=Восточная литература РАН|год=2012|страниц=357|isbn=978-5-02-036522-3|ref=Катасонова}}\n\n'''Книги на английском языке'''\n* {{публикация|книга|ответственный=Edited by S. T. Brown |заглавие=Cinema Anime: Critical Engagements with Japanese Animation|издательство=[[Palgrave Macmillan]]|год=2006|allpages=248|isbn=978-1-40-397060-2|язык=en|ref=Brown}}\n* {{публикация|книга |автор=[[Клементс, Джонатан|Clements J.]] |заглавие=Anime: A History |издательство=[[Bloomsbury Publishing]] |год=2023 |isbn=978-1-83902-512-9 |язык=en |издание=2nd edition |allpages=456}}\n* {{публикация|книга|автор=[[Клементс, Джонатан|Clements J.]], [[Маккарти, Хелен (писательница)|McCarthy H.]]|заглавие=The Anime Encyclopedia|подзаголовок=A Guide to Japanese Animation Since 1917|издательство=Stone Bridge Press|год=2001|язык=en|allpages=545|isbn=978-1-933330-10-5}}\n* {{публикация|книга|автор=Drazen P.|заглавие=Anime Explosion! The What? Why? & Wow! Of Japanese Animation|издательство=Stone Bridge Press|год=2002|язык=en|allpages=369|isbn=978-1-8806-5672-3}}\n* {{публикация|книга |автор=Lamarre T. |заглавие=The Anime Machine: A Media Theory of Animation |издательство=[[University of Minnesota Press]] |год=2009 |isbn=978-0-8166-5155-9 |язык=en |allpages=408}}\n* {{публикация|книга|автор=MacWilliams M. W.|заглавие=Japanese Visual Culture|подзаголовок=Explorations in the World of Manga and Anime|издательство=M.E. Sharpe|год=2008|язык=en|allpages=352|isbn=978-0-76-561602-9|ref=MacWilliams}}\n* {{публикация|книга|автор=Napier S. J.|заглавие=Anime from Akira to Princess Mononoke|подзаголовок=Experiencing Contemporary Japanese Animation|издательство=Palgrave Macmillan|год=2001|язык=en|allpages=311|isbn=0-312-23863-0}}\n* {{публикация|книга |автор=Suan S. |заглавие=Anime's Identity: Performativity and Form beyond Japan |издательство=[[University of Minnesota Press]] |год=2021 |isbn=978-1-5179-1177-5 |язык=en |allpages=384}}\n\n'''Статьи на английском языке'''\n* {{публикация|статья |автор=Bryce M., Barber C., Kelly J., Kunwar S., Plumb A. |заглавие=Manga and Anime: Fluidity and Hybridity in Global Imagery |ссылка=http://www.japanesestudies.org.uk/articles/2010/Bryce.html |архив=https://web.archive.org/web/20141114051017/http://www.japanesestudies.org.uk/articles/2010/Bryce.html |архив дата=2014-11-14 |издание=The Electronic Journal of Contemporary Japanese Studies |год=2010 |месяц=1 |день=29 |volume=10 |issue=1 |язык=en}}\n* {{публикация|статья |автор=Denison R. |заглавие=''Gekijōban'' (theatrical version) anime as feature films in anime franchising |издание=[[Japan Forum]] |издательство=[[Taylor & Francis]] |год=2023 |volume=35 |номер=1 |pages=98—119 |язык=en |doi=10.1080/09555803.2021.2013300 |ref=Denison}}\n* {{публикация|статья |автор=Tanaka M. |заглавие=Trends of Fiction in 2000s Japanese Pop Culture |ссылка=http://www.japanesestudies.org.uk/ejcjs/vol14/iss2/tanaka.html |архив=https://web.archive.org/web/20141102002243/http://www.japanesestudies.org.uk/ejcjs/vol14/iss2/tanaka.html |архив дата=2014-11-02 |издание=The Electronic Journal of Contemporary Japanese Studies |год=2014 |месяц=7 |день=30 |volume=14 |issue=2 |язык=en}}\n\n== Ссылки ==\n{{Навигация\n|Викицитатник=Аниме\n|Портал=Аниме и манга\n}}\n* [https://www.animemangastudies.com Anime and Manga Studies]{{ref|en}}\n* {{dmoz|World/Russian/Искусство/Анимация/Аниме/|Аниме}}\n\u003C!-- \n* [https://web.archive.org/web/20080509092720/http://www.animeresearch.com/ AnimeResearch]{{ref-en}} — каталог научных статей об аниме.\n* [http://www.corneredangel.com/amwess/ Online Bibliography of Anime and Manga Research]{{ref-en}}\n* [http://www.animemagazine.ru/ Online аниме-журнал Animemaniacs]\n* [https://web.archive.org/web/20081002162313/http://www.aniguide.ru/ Сайт журнала «Аниме Гид»]\n--\u003E\n\n{{Внешние ссылки}}\n{{Аниме и манга}}\n{{Японские социальные аспекты}}\n\n[[Категория:Аниме| ]]\n[[Категория:Изобретения Японии]]",
"comment": "Сброшены настройки стабильной версии для «Аниме»: более не избранная статья; полузащита справляется с наплывами вандализма"
}
]
},
{
"pageid": 613474,
"ns": 0,
"title": "Ня",
"revisions": [
{
"user": "Dmitry Fomin",
"contentformat": "text/x-wiki",
"contentmodel": "wikitext",
"content": "{{другие значения|НЯ}}\n{{орисс|дата=30 мая 2024}}\n'''Ня''' ({{lang-ja|ニャー}}) — [[Японский язык|японское]] звукоподражание мяуканию кошки (аналог русского «{{D-l|мяу}}»). Также [[Интернационализм (лексика)|интернациональное]] междометие японского происхождения, комментирующее наличие [[Миловидность|милоты]] или используемое как специфическое приветствие.\n\n== О звукоподражании ==\nИспользуется в [[аниме]] в качестве одного из [[Атрибут (философия)|атрибутов]] при отыгрывании ролей [[девушка-кошка|нэкосёдзё]]\u003C!-- {{Нет АИ|21|7|2013}} -- это название. --\u003E. Также используется для подчёркивания [[кавай]]ности персонажа, чаще всего женских или детских ролей (персонаж произносит «ня» в определённой ситуации или в произвольной фразе, обозначая свою схожесть с [[кошка|кошкой]] или нежный, милый, игривый образ поведения).\n\nВ качестве характерных примеров употребления слова «ня» в речи персонажей аниме можно рассматривать аниме-[[сериал]]ы «[[Mahou Shoujo Neko Taruto|Магическая девочка-кошка Таруто]]» и «[[Di Gi Charat|Ди-Ги Карат]]».\n\n== В русском языке ==\nЯпонизм «ня» стал прародителем неологизма «[[няша]]» — это ласковое прозвище для кого-то чрезвычайно милого и приятного пришло в русский язык из жаргона поклонников [[аниме]]\u003Cref\u003E{{cite web|url=http://www.karavan.tver.ru/gazeta/7687\u003C!--http://www.etver.ru/novosti/79538/--\u003E|title=Няша, узбагойся! Топ-5 самых популярных слов Рунета|work=Караван+Я|date=2014-04-23|archive-url=https://web.archive.org/web/20140430040516/http://www.karavan.tver.ru/gazeta/7687|archive-date=2014-04-30|access-date=2017-10-11}}\u003C/ref\u003E\u003Cref\u003E{{cite web|url=https://www.056.ua/news/948907|title=Молодежный сленг Днепропетровска: а ты в теме?|date=2015-09-04|access-date=2017-10-11|archive-date=2017-10-12|archive-url=https://web.archive.org/web/20171012043656/https://www.056.ua/news/948907|url-status=live}}\u003C/ref\u003E\u003Cref\u003E{{cite web|url=https://www.kommersant.ru/doc/3177776|title=«На самом деле никакого единого языка в интернете нет»|work=[[Коммерсантъ]]|date=2016-12-30|access-date=2017-10-11|archive-date=2017-10-12|archive-url=https://web.archive.org/web/20171012043559/https://www.kommersant.ru/doc/3177776|url-status=live}}\u003C/ref\u003E. Многие [[отаку]] и просто любители аниме или [[манга|манги]] добавляют «ня» на [[веб-форум|интернет-форумах]] и в сетевых [[Чат (программа)|чат]]ах практически к каждой фразе в своих сообщениях, по поводу и без такового. Можно считать, что слово «ня» является атрибутом обобщённой [[Каваий|кавайности]] лица, его использующего, или ситуации, в которой оно использовано. Повсеместное использование слова «ня» получило название «някать», то есть добавлять «ня» ко всем высказываниям.\n\n== См. также ==\n{{Викисловарь}}\n* [[Няша]]\n* [[Девушка-кошка]]\n* [[Мяу]]\n* [[Каваий]]\n\n== Литература ==\n* {{публикация|статья|автор=Габдуллина А. Х.|заглавие=Лексические заимствования из японского языка в русский: когнитивно-прагматические особенности и процесс ассимиляции|издание=Вестник Челябинского государственного университета|год=2012|номер=2|issn=1994-2796|ссылка=http://cyberleninka.ru/article/n/leksicheskie-zaimstvovaniya-iz-yaponskogo-yazyka-v-russkiy-kognitivno-pragmaticheskie-osobennosti-i-protsess-assimilyatsii}}\n* {{публикация|книга|автор=Хайдарова В. Ф.|заглавие=Краткий словарь интернет-языка|часть=Ня|место=М.|издательство=Флинта|год=2013|isbn=978-5-9765-1187-3|страницы=155|страниц=326|тираж=1000}}\n\n== Примечания ==\n{{примечания}}\n\n[[Категория:Аниме]]\n[[Категория:Культура Японии]]\n[[Категория:Японский язык]]\n[[Категория:Сленг отаку]]",
"comment": ""
}
]
},
{
"pageid": 3823212,
"ns": 0,
"title": "Ани-манга",
"revisions": [
{
"user": "Alex NB OT",
"contentformat": "text/x-wiki",
"contentmodel": "wikitext",
"content": "{{другие значения|Кинокомикс}}\n[[Файл:Filmscomics1.jpg|thumb|Обложка ани-манги [[Di Gi Charat]]]]\n{{Нихонго|'''Кинокомикс'''|フィルムコミック|фируму комикку}}, или {{Нихонго|'''аниме-комикс'''|アニメコミックス|анимэ комиккусу}}, известные так же как '''аниманга''' или '''фильм-комикс''' — [[комикс]], при создании которого используются кадры из [[фильм]]а или [[мультфильм]]а/[[аниме]] вместо обычных рисованных [[панель комикса|панелей]]\u003Cref\u003E{{cite web|url=http://www.animemagazine.ru/35.04/tema.php|title=Искусство Манга. Часть 1|author=Антон Ленников.|date=2006|publisher=«АниМаг»|access-date=2015-01-01|archive-url=https://www.webcitation.org/617dZhjsC?url=http://www.animemagazine.ru/35.04/tema.php|archive-date=2011-08-22|url-status=live}}\u003C/ref\u003E. Обычно полностью повторяет сюжет и диалоги оригинального произведения. Как правило, выпускается в книжном формате, но иногда и в [[Электронная книга (документ)|электронном виде]]. В последнем случае называются е-манга, ''электронная манга''.\n\nПодобные кинокомиксы используют многие компании, например, [[Walt Disney|Disney]], а в основе может лежать даже фильм с живыми актёрами\u003Cref\u003E«[http://www.animenewsnetwork.com/press-release/2004-04-06/tokyopop-and-disney-expand-on-cinemanga-success Tokyopop and Disney expand on Cinemanga Success] {{Wayback|url=http://www.animenewsnetwork.com/press-release/2004-04-06/tokyopop-and-disney-expand-on-cinemanga-success |date=20121022154227 }}». [[Anime News Network]]. 6 апреля 2004. Accessed 20 July 2007.\u003C/ref\u003E.\n\nКомпании ''[[Tokyopop]]'' и ''[[Viz Media|Viz]]'' используют для обозначения таких комиксов термины ''cine-manga'' и ''ani-manga'' соответственно. Некоторые кинокомиксы продавались тиражом более 500 000 экземпляров\u003Cref\u003E«[http://www.icv2.com/articles/home/8740.html 'Avatar Cine-Manga' Tops 500k] {{Wayback|url=http://www.icv2.com/articles/home/8740.html |date=20120517042314 }}». ICv2. May 25, 2006. Accessed 20 July 2007.\u003C/ref\u003E.\n\n== Примечания ==\n{{примечания}}\n\n{{Комиксы}}\n{{Anime-theme-stub}}\n\n[[Категория:Кинематограф Японии]]\n[[Категория:Аниме]]\n[[Категория:Японская массовая культура]]\n[[Категория:Манга]]",
"comment": "замена имён и значений устаревшего неподдерживаемого InternetArchiveBot формата параметров доступности ссылок (1), замена устаревших имён параметров (3)"
}
]
}
]
}
}
</syntaxhighlight>

== Выводы ==
Используя API Sandbox мы смогли получить тексты нескольких статей Википедии, что доказывает полезность этого метода для извлечения данных.

[[Категория:CompLing Works]]

R-script Климова

2026-06-15T07:29:21Z

Арина Климова: /* Мирные взрывы — заметное, но небольшое меньшинство */

R-script Климова

2026-06-15T07:28:42Z

Арина Климова: Новая страница: «== Анализ датасета по ядерным взрывам == Источник датасета: https://corgis-edu.github.io/corgis/datasets/csv/nuclear_explosions/nuclear_explosions.csv Датасет содержит записи о ядерных испытаниях. == Код программы == <syntaxhighlight lang="R" line> library(tidyverse) library(tidytext) file_url <- "https://corgis-edu.github.io/corgis/datasets/csv/nuclear_explo...»

== Анализ датасета по ядерным взрывам ==
Источник датасета: https://corgis-edu.github.io/corgis/datasets/csv/nuclear_explosions/nuclear_explosions.csv

Датасет содержит записи о ядерных испытаниях.

== Код программы ==

<syntaxhighlight lang="R" line>
library(tidyverse)
library(tidytext)

file_url <- "https://corgis-edu.github.io/corgis/datasets/csv/nuclear_explosions/nuclear_explosions.csv"
data <- read_csv(file_url, show_col_types = FALSE)

glimpse(data)

total_words <- data %>%
filter(!is.na(Data.Purpose)) %>%
unnest_tokens(word, Data.Purpose) %>%
nrow()

cat("\nОбщее количество слов:", total_words, "\n")

top_10_words <- data %>%
filter(!is.na(Data.Purpose)) %>%
unnest_tokens(word, Data.Purpose) %>%
count(word, sort = TRUE) %>%
head(10)

cat("\nТоп-10 самых частотных слов:\n")
print(top_10_words)
</syntaxhighlight>

== Вывод программы ==
Rows: 2,046
Columns: 16
# $ Location.Country <chr> "USA", "USA", "USA", "USA", "USA", "USA", "USA", "USA", "USSR", "USA", "USA", "USA", "USA", "USA", "USA", "USA", "USA", "USA", "USSR", "USSR", "U…
# $ Location.Region <chr> "Alamogordo", "Hiroshima", "Nagasaki", "Bikini", "Bikini", "Enewetak", "Enewetak", "Enewetak", "Semi Kazakh", "Nts", "Nts", "Nts", "Nts", "Nts", …
# $ Data.Source <chr> "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE", "DOE"…
# $ Location.Coordinates.Latitude <dbl> 32.54, 34.23, 32.45, 11.35, 11.35, 11.30, 11.30, 11.30, 48.00, 37.00, 37.00, 37.00, 37.00, 37.00, 11.30, 11.30, 11.30, 11.30, 48.00, 48.00, 37.00…
# $ Location.Coordinates.Longitude <dbl> -105.57, 132.27, 129.52, 165.20, 165.20, 162.15, 162.15, 162.15, 76.00, -116.00, -116.00, -116.00, -116.00, -116.00, 162.15, 162.15, 162.15, 162.…
# $ Data.Magnitude.Body <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
# $ Data.Magnitude.Surface <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
# $ `Location.Coordinates .Depth` <dbl> -0.100, -0.600, -0.600, -0.200, 0.030, -0.080, -0.080, -0.080, 0.000, -0.350, -0.350, -0.350, -0.400, -0.500, -0.100, -0.100, -0.070, -0.070, 0.0…
# $ Data.Yield.Lower <dbl> 21.0, 15.0, 21.0, 21.0, 21.0, 37.0, 49.0, 18.0, 22.0, 1.0, 8.0, 1.0, 8.0, 22.0, 81.0, 47.0, 225.0, 45.5, 38.0, 42.0, 0.0, 3.5, 14.0, 21.0, 31.0, …
# $ Data.Yield.Upper <dbl> 21.0, 15.0, 21.0, 21.0, 21.0, 37.0, 49.0, 18.0, 22.0, 1.0, 8.0, 1.0, 8.0, 22.0, 81.0, 47.0, 225.0, 45.5, 38.0, 42.0, 0.1, 3.5, 14.0, 21.0, 31.0, …
# $ Data.Purpose <chr> "Wr", "Combat", "Combat", "We", "We", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr", "Wr",…
# $ Data.Name <chr> "Trinity", "Littleboy", "Fatman", "Able", "Baker", "X-Ray", "Yoke", "Zebra", "Nan", "Able", "Baker", "Easy", "Baker2", "Fox", "Dog", "Easy", "Geo…
# $ Data.Type <chr> "Tower", "Airdrop", "Airdrop", "Airdrop", "Uw", "Tower", "Tower", "Tower", "Surface", "Airdrop", "Airdrop", "Airdrop", "Airdrop", "Airdrop", "Tow…
# $ Date.Day <dbl> 16, 5, 9, 30, 24, 14, 30, 14, 29, 27, 28, 1, 2, 6, 7, 20, 8, 24, 24, 18, 22, 28, 30, 1, 5, 19, 29, 1, 15, 22, 1, 7, 25, 1, 5, 3, 31, 15, 17, 24, …
# $ Date.Month <dbl> 7, 8, 8, 6, 7, 4, 4, 5, 8, 1, 1, 2, 2, 2, 4, 4, 5, 5, 9, 10, 10, 10, 10, 11, 11, 11, 11, 4, 4, 4, 5, 5, 5, 6, 6, 10, 10, 11, 3, 3, 3, 4, 4, 4, 4,…
# $ Date.Year <dbl> 1945, 1945, 1945, 1946, 1946, 1948, 1948, 1948, 1949, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1951, 1…

Общее количество слов: 2132

Топ-10 самых частотных слов:
1 wr 1533
2 pne 192
3 we 190
4 se 84
5 fms 41
6 sam 34
7 plo 27
8 v 7
9 sb 5
10 transp 4

== Результаты анализа ==
Можно заметить, что анализ показал среди частотных слов непонятные наборы букв, однако, на самом деле - это коды, обозначающие назначение испытаний.

Принимая это во внимание можно заключить следующее:

=== Абсолютное доминирование военных целей ===
Слово wr (разработка оружия) встречается 1 533 раза — это 72% от всех слов в корпусе. Это подтверждает, что подавляющее большинство ядерных взрывов в истории были военными испытаниями.

=== Мирные взрывы — заметное, но небольшое меньшинство ===
pne (мирные взрывы) — 192 вхождения (9% от всех слов). Это связано с программами СССР и США по использованию ядерных взрывов в мирных целях (создание каналов, водохранилищ, сейсмическое зондирование).

=== Испытания на эффекты оружия ===
we (weapons effects) — 190 вхождений (почти столько же, сколько мирных взрывов). Эти испытания изучали воздействие ядерного взрыва на различные объекты (технику, здания, биологические объекты).

=== Редкие категории ===
se (safety experiment) — 84 взрыва (проверка безопасности, предотвращение случайной детонации)

fms, sam, plo, v, sb, transp — единичные или малочисленные категории, возможно, специфические для отдельных стран или программ

Voyant Tools Климова

2026-06-15T07:04:27Z

Арина Климова: Новая страница: «Страница создана Климовой Ариной, ИНФА-221. == Введение == Для анализа была выбрана статья про Аниме с Википедии. Текст извлекался путём отправки запроса к API. Текст запроса: https://ru.wikipedia.org/w/api.php?action=query&titles=Аниме&prop=extracts&explaintext=1&format=json&formatversion=2 == Визуализаци...»

Страница создана Климовой Ариной, ИНФА-221.

== Введение ==

Для анализа была выбрана статья про Аниме с Википедии.
Текст извлекался путём отправки запроса к API.
Текст запроса: https://ru.wikipedia.org/w/api.php?action=query&titles=Аниме&prop=extracts&explaintext=1&format=json&formatversion=2

== Визуализация корпуса в Voyant Tools ==

=== Облако слов (Cirrus) ===
{{#widget:iframe
|url=https://voyant-tools.org/?corpus=20098f92c8bf7585aefe32de9421da79&view=Cirrus
|width=1200
|height=600
}}

=== График трендов (Trends) ===
{{#widget:iframe
|url=https://voyant-tools.org/?corpus=20098f92c8bf7585aefe32de9421da79&query=аниме&query=обычно&query=более&query=персонажей&query=также&mode=document&view=Trends
|width=1200
|height=600
}}

=== Таблица частот (CorpusTerms) ===
{{#widget:iframe
|url=https://voyant-tools.org/?corpus=20098f92c8bf7585aefe32de9421da79&view=CorpusTerms
|width=1200
|height=600
}}

=== Сеть терминов (TermsBerry) ===
{{#widget:iframe
|url=https://voyant-tools.org/?corpus=20098f92c8bf7585aefe32de9421da79&view=TermsBerry
|width=1200
|height=600
}}

=== Сводная статистика корпуса ===
{{#widget:iframe
|url=https://voyant-tools.org/?corpus=20098f92c8bf7585aefe32de9421da79&view=Summary
|width=1200
|height=600
}}

[[Категория:CompLing Works]]

Анализ статей википедии об ИИ

2025-12-19T12:46:16Z

Арина Климова: Новая страница: «'''Анализатор статей Википедии об искусственном интеллекте''' — это Python-скрипт для автоматизированного сбора, обработки и сравнительного анализа статей из русскоязычной Википедии по тематике искусственного интеллекта и смежных областей. Программа ре...»

'''Анализатор статей Википедии об искусственном интеллекте''' — это Python-скрипт для автоматизированного сбора, обработки и сравнительного анализа статей из русскоязычной Википедии по тематике искусственного интеллекта и смежных областей. Программа реализует простой, но эффективный подход к анализу текстового контента с использованием публичного API Википедии.

==Обзор==
Скрипт представляет собой консольное приложение, которое последовательно:
#Собирает статьи из указанных категорий Википедии
#Извлекает и анализирует текстовое содержимое статей
#Проводит сравнительный анализ по нескольким метрикам
#Выявляет общие темы и терминологические паттерны
#Формирует структурированный отчёт о результатах анализа

==Архитектура и принцип работы==
===Основные компоненты===
Класс SimpleWikiAnalyzer
Центральный класс, содержащий всю логику анализа. Основные методы:

get_articles_in_category() — получает список статей из указанной категории через API Википедии

get_article_content() — загружает полный текст статьи с метаданными (количество слов, размер, URL)

analyze_text() — выполняет лингвистический анализ текста (частотность слов, статистика)

compare_articles() — сравнивает статьи по ключевым метрикам

find_common_themes() — выявляет общие термины и темы

===API взаимодействие===
Программа использует официальное API Википедии (https://ru.wikipedia.org/w/api.php) с параметрами:

action=query — основной метод запроса

list=categorymembers — получение списка статей категории

prop=extracts|info — получение содержимого и метаданных статей

explaintext=True — получение текста без разметки

===Аналитические функции===
'''Статистический анализ'''
#Подсчёт общего количества слов в статье
#Подсчёт уникальных слов (лексическое разнообразие)
#Частотный анализ слов (топ-10 наиболее употребляемых)
#Исключение стоп-слов (служебных и малозначимых слов)

'''Сравнительный анализ'''
#Ранжирование статей по объёму
#Выявление самых больших и самых маленьких статей
#Анализ распределения терминологии между статьями
#Тематический анализ
#Поиск и подсчёт ключевых терминов ИИ в текстах
#Выявление статей с наибольшей концентрацией профильной терминологии
#Анализ пересекающихся тематик

===Алгоритм работы===
'''Этап 1: Сбор данных'''.

'''Определение целевых категорий:'''.
#Искусственный интеллект
#Машинное обучение
#Нейронные сети
#Обработка естественного языка

'''Получение списка статей:'''
#Для каждой категории запрашивается до 8 статей
#Извлекаются заголовки и идентификаторы статей

'''Загрузка контента:'''
#Для каждой статьи загружается текст (первые 1500 символов)
#Собираются метаданные: количество слов, размер в KB, URL

'''Этап 2: Обработка текста.'''
'''Очистка текста:'''
#Удаление вики-разметки [ссылок]
#Приведение к нижнему регистру

'''Токенизация:'''
#Разбивка текста на слова с помощью регулярных выражений
#Фильтрация коротких слов (<3 символов)

'''Частотный анализ:'''
#Подсчёт встречаемости каждого слова
#Исключение предопределённого списка стоп-слов

'''Этап 3: Анализ и визуализация'''
#Сравнительная статистика:
#Общее количество проанализированных слов
#Средний размер статьи
#Рейтинг статей по объёму

'''Терминологический анализ:'''
#Поиск 18 ключевых терминов ИИ
#Анализ их распределения по статьям
#Выявление статей с наибольшей терминологической насыщенностью

'''Формирование отчёта:'''
#Консольный вывод структурированных результатов
#Сохранение полных данных в JSON-формат

===Особенности реализации===
#инималистичная архитектура
#Единственная внешняя зависимость — библиотека requests
#Локальное хранение промежуточных данных
#Отсутствие сложных структур данных

===Устойчивость к ошибкам===
Обработка исключений при сетевых запросах
#Проверка наличия запрашиваемых статей
#Задержки между запросами для соблюдения правил API

===Расширяемость===
#Модульная структура класса
#Возможность добавления новых категорий для анализа
#Легко модифицируемые списки ключевых терминов

===Метрики анализа===
#Количественные метрики
#Объём текста: количество слов, размер в килобайтах
#Лексическое разнообразие: отношение уникальных слов к общему количеству
#Терминологическая плотность: частота ключевых терминов ИИ

===Качественные метрики===
#Тематическая релевантность: концентрация профильной терминологии

#Информационная насыщенность: соотношение значимых и служебных слов

#Тематическое пересечение: общие термины между статьями разных категорий

===Технические ограничения===
'''Ограничения API Википедии'''
#Максимальное количество статей за один запрос — 500
#Ограничение на частоту запросов
#Частичное извлечение текста (первые 1500 символов)
#Лингвистические ограничения
#Простой алгоритм выделения слов (регулярные выражения)
#Фиксированный список стоп-слов
#Отсутствие морфологического анализа

==Код на Python==
<syntaxhighlight lang="python">
"""
Минималистичный анализ статей Википедии об искусственном интеллекте
Зависимости: только requests (установить: pip install requests)
"""

import requests
import time
from datetime import datetime
import re
from collections import Counter
import json

class SimpleWikiAnalyzer:
def __init__(self):
self.base_url = "https://ru.wikipedia.org/w/api.php"
self.session = requests.Session()
self.session.headers.update({
"User-Agent": "SimpleWikiAnalyzer/1.0"
})

def get_articles_in_category(self, category, limit=20):
"""Получить статьи из категории"""
print(f"\n📚 Собираю статьи из категории: {category}")

articles = []
params = {
"action": "query",
"format": "json",
"list": "categorymembers",
"cmtitle": f"Категория:{category}",
"cmlimit": limit,
"cmtype": "page"
}

try:
response = self.session.get(self.base_url, params=params)
data = response.json()

for item in data.get("query", {}).get("categorymembers", []):
articles.append({
"title": item["title"],
"pageid": item["pageid"]
})

print(f"✅ Найдено статей: {len(articles)}")
return articles[:limit]

except Exception as e:
print(f"❌ Ошибка при сборе статей: {e}")
return []

def get_article_content(self, title):
"""Получить содержание статьи"""
params = {
"action": "query",
"format": "json",
"titles": title,
"prop": "extracts|info",
"explaintext": True,
"inprop": "url|size|wordcount"
}

try:
response = self.session.get(self.base_url, params=params)
data = response.json()
pages = data.get("query", {}).get("pages", {})

for page_id, page_data in pages.items():
if 'missing' in page_data:
return None

return {
"title": page_data.get("title", ""),
"word_count": page_data.get("wordcount", 0),
"url": page_data.get("fullurl", ""),
"content": page_data.get("extract", "")[:1500], # Первые 1500 символов
"size_kb": page_data.get("length", 0) / 1024
}

except Exception as e:
print(f"❌ Ошибка при получении статьи '{title}': {e}")
return None

def analyze_text(self, text):
"""Простой анализ текста"""
# Убираем технические символы
text_clean = re.sub(r'\[.*?\]', '', text) # Убираем ссылки в квадратных скобках

# Считаем слова
words = re.findall(r'\b[а-яА-Яa-zA-Z]{3,}\b', text_clean.lower())

# Популярные слова для исключения (стоп-слова)
stop_words = {'это', 'что', 'который', 'также', 'очень', 'может', 'более', 'очень',
'the', 'and', 'for', 'with', 'that', 'this', 'from', 'have'}

# Считаем частоту слов (исключая стоп-слова)
word_freq = Counter([w for w in words if w not in stop_words])

return {
"total_words": len(words),
"unique_words": len(set(words)),
"top_words": word_freq.most_common(10)
}

def compare_articles(self, articles_data):
"""Сравнить статьи по ключевым метрикам"""
print("\n" + "="*60)
print("📊 СРАВНИТЕЛЬНЫЙ АНАЛИЗ СТАТЕЙ")
print("="*60)

# Основная статистика
total_words = sum([a.get("analysis", {}).get("total_words", 0) for a in articles_data])
avg_words = total_words / len(articles_data) if articles_data else 0

print(f"\n📈 Общая статистика:")
print(f" • Всего статей проанализировано: {len(articles_data)}")
print(f" • Общее количество слов: {total_words:,}")
print(f" • Средний размер статьи: {avg_words:.0f} слов")

# Самые большие/маленькие статьи
sorted_by_size = sorted(articles_data,
key=lambda x: x.get("analysis", {}).get("total_words", 0),
reverse=True)

print(f"\n📏 Размер статей:")
print(f" • Самая большая: '{sorted_by_size[0]['title']}' - {sorted_by_size[0]['analysis']['total_words']:,} слов")
print(f" • Самая маленькая: '{sorted_by_size[-1]['title']}' - {sorted_by_size[-1]['analysis']['total_words']:,} слов")

# Самые популярные слова во всех статьях
all_top_words = Counter()
for article in articles_data:
for word, count in article.get("analysis", {}).get("top_words", []):
all_top_words[word] += count

print(f"\n🔠 Топ-15 самых частых слов во всех статьях:")
for i, (word, count) in enumerate(all_top_words.most_common(15), 1):
print(f" {i:2d}. {word:<15} — {count} раз")

def find_common_themes(self, articles_data):
"""Найти общие темы/термины"""
print("\n" + "="*60)
print("🎯 ОБЩИЕ ТЕМЫ И ТЕРМИНЫ")
print("="*60)

# Термины ИИ для поиска
ai_terms = [
'искусственный', 'интеллект', 'нейрон', 'сеть', 'машинный', 'обучение',
'алгоритм', 'данные', 'анализ', 'глубокий', 'ai', 'ml', 'нейросеть',
'прогноз', 'модель', 'робот', 'автоматизация', 'компьютерный'
]

term_frequency = {}

for term in ai_terms:
count = 0
for article in articles_data:
content = article.get("content", "").lower()
count += content.count(term)
if count > 0:
term_frequency[term] = count

print("\n📋 Частота ключевых терминов ИИ:")
for term, freq in sorted(term_frequency.items(), key=lambda x: x[1], reverse=True):
print(f" • {term:<15} — упоминается {freq} раз")

# Найти статьи с наибольшим количеством терминов
print("\n🏆 Статьи с наибольшим количеством терминов ИИ:")
article_term_counts = []

for article in articles_data:
count = 0
content_lower = article.get("content", "").lower()
for term in ai_terms:
count += content_lower.count(term)
article_term_counts.append((article["title"], count))

for title, count in sorted(article_term_counts, key=lambda x: x[1], reverse=True)[:5]:
print(f" • {title:<40} — {count} терминов")

def run_analysis(self):
"""Запустить полный анализ"""
print("="*60)
print("🤖 АНАЛИЗ СТАТЕЙ ВИКИПЕДИИ ОБ ИСКУССТВЕННОМ ИНТЕЛЛЕКТЕ")
print("="*60)

# Категории для анализа
categories = [
"Искусственный интеллект",
"Машинное обучение",
"Нейронные сети",
"Обработка естественного языка"
]

all_articles_data = []

for category in categories:
print(f"\n{'━'*40}")
print(f"Категория: {category}")
print(f"{'━'*40}")

# Получить статьи из категории
articles = self.get_articles_in_category(category, limit=8)

if not articles:
print(" Пропускаем...")
continue

# Собрать данные по каждой статье
for i, article in enumerate(articles, 1):
print(f" {i}. Анализирую: {article['title']}")

data = self.get_article_content(article["title"])
if data and data.get("content"):
# Анализ текста
analysis = self.analyze_text(data["content"])
data["analysis"] = analysis
all_articles_data.append(data)

# Краткая информация о статье
print(f" ✓ {data['word_count']:,} слов | {data['size_kb']:.1f} KB")

time.sleep(0.2) # Вежливая задержка

if not all_articles_data:
print("\n❌ Не удалось собрать данные для анализа")
return

# Провести сравнительный анализ
self.compare_articles(all_articles_data)

# Найти общие темы
self.find_common_themes(all_articles_data)

# Вывести краткую информацию по каждой статье
print("\n" + "="*60)
print("📄 КРАТКАЯ ИНФОРМАЦИЯ ПО СТАТЬЯМ")
print("="*60)

for i, article in enumerate(all_articles_data, 1):
print(f"\n{i}. {article['title']}")
print(f" 📝 Слов: {article['analysis']['total_words']:,}")
print(f" 🔤 Уникальных слов: {article['analysis']['unique_words']}")
print(f" 🔗 Ссылка: {article['url'][:80]}...")

# Топ-3 слова из статьи
top_words = article['analysis']['top_words'][:3]
words_str = ", ".join([f"{word}({count})" for word, count in top_words])
print(f" 🏷️ Ключевые слова: {words_str}")

# Итоговая статистика
print("\n" + "="*60)
print("✅ АНАЛИЗ ЗАВЕРШЕН")
print("="*60)
print(f"📅 Время анализа: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
print(f"📚 Всего проанализировано статей: {len(all_articles_data)}")

# Сохранить результаты в JSON (опционально)
try:
with open("wiki_ai_analysis.json", "w", encoding="utf-8") as f:
json.dump(all_articles_data, f, ensure_ascii=False, indent=2)
print(f"💾 Результаты сохранены в wiki_ai_analysis.json")
except:
print("💡 Результаты не сохранены в файл")

def main():
"""Основная функция"""
print("Запуск анализа Википедии...")

analyzer = SimpleWikiAnalyzer()

try:
analyzer.run_analysis()
except KeyboardInterrupt:
print("\n\n⏹️ Анализ прерван пользователем")
except Exception as e:
print(f"\n❌ Произошла ошибка: {e}")
finally:
print("\nСпасибо за использование анализатора!")

if __name__ == "__main__":
main()
</syntaxhighlight>

Обсуждение участника:Арина Климова

2025-12-17T11:45:49Z

Арина Климова: /* Анализ статистики фильмов при помощи Пайтон */ новая тема

== Датасет ==

https://openalex.org/works?page=1&filter=title_and_abstract.search:Education+AND+(Manga+OR+Anime)
[[Файл:Photo 2025-10-04 01-58-40.jpg|мини]]

== Анализ статей википедии об ИИ ==

Анализ статей Википедии по теме ИИ Программа на Пайтоне проанализировала статьи Википедии на тему ИИ. 📊 СРАВНИТЕЛЬНЫЙ АНАЛИЗ СТАТЕЙ

📈 Общая статистика:

• Всего статей проанализировано: 32
• Общее количество слов: 4,233
• Средний размер статьи: 132 слов
📏 Размер статей:

• Самая большая: 'Акинатор' - 164 слов
• Самая маленькая: 'Отсчётный скетч' - 42 слов
🔠 Топ-15 самых частых слов во всех статьях:

1. для — 29 раз
2. обучения — 20 раз
3. как — 17 раз
4. слов — 17 раз
5. displaystyle — 16 раз
6. языка — 15 раз
7. системы — 14 раз
8. слой — 14 раз
9. сети — 14 раз
10. интеллекта — 13 раз
11. или — 11 раз
12. обучение — 10 раз
13. англ — 10 раз
14. искусственного — 9 раз
15. интеллект — 8 раз
🎯 ОБЩИЕ ТЕМЫ И ТЕРМИНЫ

📋 Частота ключевых терминов ИИ:

• интеллект — упоминается 40 раз
• нейрон — упоминается 39 раз
• алгоритм — упоминается 31 раз
• обучение — упоминается 19 раз
• сеть — упоминается 14 раз
• анализ — упоминается 14 раз
• модель — упоминается 11 раз
• нейросеть — упоминается 6 раз
• ml — упоминается 5 раз
• ai — упоминается 4 раз
• прогноз — упоминается 4 раз
• данные — упоминается 3 раз
• робот — упоминается 3 раз
• искусственный — упоминается 1 раз
• автоматизация — упоминается 1 раз
🏆 Статьи с наибольшим количеством терминов ИИ:

• Нейронная сеть — 19 терминов
• Вычислительный интеллект — 13 терминов
• Машинное обучение — 13 терминов
• Искусственный интеллект — 12 терминов
• Автокодировщик — 12 терминов
📄 КРАТКАЯ ИНФОРМАЦИЯ ПО СТАТЬЯМ

1. Искусственный интеллект

📝 Слов: 148
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D...
🏷️ Ключевые слова: системы(3), инструментов(2), интеллекта(2)
2. Вычислительный интеллект

📝 Слов: 114
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B8%D1%82%D...
🏷️ Ключевые слова: интеллект(6), вычислительный(5), computational(2)
3. Диэлла

📝 Слов: 143
🔤 Уникальных слов: 118
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%8D%D0%BB%D0%BB%D0%B0...
🏷️ Ключевые слова: искусственного(4), интеллекта(4), диэлла(3)
4. Мягкие вычисления

📝 Слов: 140
🔤 Уникальных слов: 113
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D1%8F%D0%B3%D0%BA%D0%B8%D0%B5_%D0%B2%D1%8B%...
🏷️ Ключевые слова: soft(5), computing(5), управления(3)
5. Роевой интеллект

📝 Слов: 150
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A0%D0%BE%D0%B5%D0%B2%D0%BE%D0%B9_%D0%B8%D0%BD%...
🏷️ Ключевые слова: системы(5), как(4), интеллекта(3)
6. SenseTime

📝 Слов: 153
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/SenseTime...
🏷️ Ключевые слова: sensetime(6), года(4), сяоу(3)
7. Агентно-ориентированный подход

📝 Слов: 156
🔤 Уникальных слов: 132
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D0%BE-%D0%BE%...
🏷️ Ключевые слова: программирования(3), агента(3), как(3)
8. Агентный ИИ

📝 Слов: 139
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9_%...
🏷️ Ключевые слова: моделей(4), агентный(2), искусственного(2)
9. Машинное обучение

📝 Слов: 149
🔤 Уникальных слов: 123
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%...
🏷️ Ключевые слова: обучение(8), методов(4), обучения(3)
10. Отсчётный скетч

📝 Слов: 42
🔤 Уникальных слов: 40
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D1%82%D1%81%D1%87%D1%91%D1%82%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(2), алгоритмах(2), англ(1)
11. Случайное индексирование

📝 Слов: 108
🔤 Уникальных слов: 89
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A1%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D0%BE%D...
🏷️ Ключевые слова: как(4), случайное(3), индексирование(3)
12. Тензорный скетч

📝 Слов: 113
🔤 Уникальных слов: 103
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A2%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(3), метод(3), тензорный(2)
13. Автокодировщик

📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)
14. Автоматическое машинное обучение

📝 Слов: 157
🔤 Уникальных слов: 115
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: автоматическое(5), обучения(5), данных(5)
15. Акинатор

📝 Слов: 164
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BA%D0%B8%D0%BD%D0%B0%D1%82%D0%BE%D1%80...
🏷️ Ключевые слова: вопросов(7), акинатор(5), персонажа(5)
16. Алгоритм Баума — Велша

📝 Слов: 68
🔤 Уникальных слов: 50
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: displaystyle(4), алгоритм(3), скрытой(3)
17. Нейронная сеть

📝 Слов: 158
🔤 Уникальных слов: 129
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%B0%D...
🏷️ Ключевые слова: сеть(5), сетей(4), обучения(4)
18. Модель Изинга

📝 Слов: 72
🔤 Уникальных слов: 56
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C_%D0%98%D0%B7%...
🏷️ Ключевые слова: displaystyle(5), поле(3), атомов(3)
19. Автокодировщик

📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)
20. Адаптивная резонансная теория

📝 Слов: 160
🔤 Уникальных слов: 139
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B4%D0%B0%D0%BF%D1%82%D0%B8%D0%B2%D0%BD%D...
🏷️ Ключевые слова: поля(5), распознавания(4), без(3)
21. Альфа-система подкрепления

📝 Слов: 71
🔤 Уникальных слов: 59
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D1%8C%D1%84%D0%B0-%D1%81%D0%B8%D1%81%...
🏷️ Ключевые слова: подкрепления(3), веса(3), displaystyle(3)
22. Биомолекулярная электроника

📝 Слов: 138
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%B8%D0%BE%D0%BC%D0%BE%D0%BB%D0%B5%D0%BA%D...
🏷️ Ключевые слова: электронных(3), устройств(3), основе(3)
23. Векторное представление слов

📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)
24. Вербализация нейронных сетей

📝 Слов: 155
🔤 Уникальных слов: 121
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D1%80%D0%B1%D0%B0%D0%BB%D0%B8%D0%B7%D...
🏷️ Ключевые слова: сети(5), нейронной(4), виде(4)
25. Обработка естественного языка

📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D...
🏷️ Ключевые слова: языка(4), системы(4), текстов(3)
26. Программное обеспечение для обработки естественного языка

📝 Слов: 65
🔤 Уникальных слов: 49
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D...
🏷️ Ключевые слова: обработки(3), естественного(3), языка(3)
27. Автоматическое получение размеченного корпуса

📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: корпуса(4), размеченного(3), получения(3)
28. Автоматическое реферирование

📝 Слов: 136
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: или(3), подхода(3), рование(2)
29. Алгоритм шинглов

📝 Слов: 156
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: текста(6), шинглов(4), текст(4)
30. Анализ тональности текста

📝 Слов: 154
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%BE%...
🏷️ Ключевые слова: анализа(3), тексте(3), или(3)
31. Большая языковая модель

📝 Слов: 154
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B0%D1%8F_%D1%8F%...
🏷️ Ключевые слова: обучения(4), для(4), параметров(3)
32. Векторное представление слов

📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)

== Анализ статистики фильмов при помощи Пайтон ==

Анализ статей Википедии по теме ИИ Программа на Пайтоне проанализировала статьи Википедии на тему ИИ. 📊 СРАВНИТЕЛЬНЫЙ АНАЛИЗ СТАТЕЙ

📈 Общая статистика:

• Всего статей проанализировано: 32
• Общее количество слов: 4,233
• Средний размер статьи: 132 слов
📏 Размер статей:

• Самая большая: 'Акинатор' - 164 слов
• Самая маленькая: 'Отсчётный скетч' - 42 слов
🔠 Топ-15 самых частых слов во всех статьях:

1. для — 29 раз
2. обучения — 20 раз
3. как — 17 раз
4. слов — 17 раз
5. displaystyle — 16 раз
6. языка — 15 раз
7. системы — 14 раз
8. слой — 14 раз
9. сети — 14 раз
10. интеллекта — 13 раз
11. или — 11 раз
12. обучение — 10 раз
13. англ — 10 раз
14. искусственного — 9 раз
15. интеллект — 8 раз
🎯 ОБЩИЕ ТЕМЫ И ТЕРМИНЫ

📋 Частота ключевых терминов ИИ:

• интеллект — упоминается 40 раз
• нейрон — упоминается 39 раз
• алгоритм — упоминается 31 раз
• обучение — упоминается 19 раз
• сеть — упоминается 14 раз
• анализ — упоминается 14 раз
• модель — упоминается 11 раз
• нейросеть — упоминается 6 раз
• ml — упоминается 5 раз
• ai — упоминается 4 раз
• прогноз — упоминается 4 раз
• данные — упоминается 3 раз
• робот — упоминается 3 раз
• искусственный — упоминается 1 раз
• автоматизация — упоминается 1 раз
🏆 Статьи с наибольшим количеством терминов ИИ:

• Нейронная сеть — 19 терминов
• Вычислительный интеллект — 13 терминов
• Машинное обучение — 13 терминов
• Искусственный интеллект — 12 терминов
• Автокодировщик — 12 терминов
📄 КРАТКАЯ ИНФОРМАЦИЯ ПО СТАТЬЯМ

1. Искусственный интеллект

📝 Слов: 148
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D...
🏷️ Ключевые слова: системы(3), инструментов(2), интеллекта(2)
2. Вычислительный интеллект

📝 Слов: 114
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B8%D1%82%D...
🏷️ Ключевые слова: интеллект(6), вычислительный(5), computational(2)
3. Диэлла

📝 Слов: 143
🔤 Уникальных слов: 118
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%8D%D0%BB%D0%BB%D0%B0...
🏷️ Ключевые слова: искусственного(4), интеллекта(4), диэлла(3)
4. Мягкие вычисления

📝 Слов: 140
🔤 Уникальных слов: 113
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D1%8F%D0%B3%D0%BA%D0%B8%D0%B5_%D0%B2%D1%8B%...
🏷️ Ключевые слова: soft(5), computing(5), управления(3)
5. Роевой интеллект

📝 Слов: 150
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A0%D0%BE%D0%B5%D0%B2%D0%BE%D0%B9_%D0%B8%D0%BD%...
🏷️ Ключевые слова: системы(5), как(4), интеллекта(3)
6. SenseTime

📝 Слов: 153
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/SenseTime...
🏷️ Ключевые слова: sensetime(6), года(4), сяоу(3)
7. Агентно-ориентированный подход

📝 Слов: 156
🔤 Уникальных слов: 132
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D0%BE-%D0%BE%...
🏷️ Ключевые слова: программирования(3), агента(3), как(3)
8. Агентный ИИ

📝 Слов: 139
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9_%...
🏷️ Ключевые слова: моделей(4), агентный(2), искусственного(2)
9. Машинное обучение

📝 Слов: 149
🔤 Уникальных слов: 123
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%...
🏷️ Ключевые слова: обучение(8), методов(4), обучения(3)
10. Отсчётный скетч

📝 Слов: 42
🔤 Уникальных слов: 40
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D1%82%D1%81%D1%87%D1%91%D1%82%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(2), алгоритмах(2), англ(1)
11. Случайное индексирование

📝 Слов: 108
🔤 Уникальных слов: 89
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A1%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D0%BE%D...
🏷️ Ключевые слова: как(4), случайное(3), индексирование(3)
12. Тензорный скетч

📝 Слов: 113
🔤 Уникальных слов: 103
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A2%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(3), метод(3), тензорный(2)
13. Автокодировщик

📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)
14. Автоматическое машинное обучение

📝 Слов: 157
🔤 Уникальных слов: 115
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: автоматическое(5), обучения(5), данных(5)
15. Акинатор

📝 Слов: 164
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BA%D0%B8%D0%BD%D0%B0%D1%82%D0%BE%D1%80...
🏷️ Ключевые слова: вопросов(7), акинатор(5), персонажа(5)
16. Алгоритм Баума — Велша

📝 Слов: 68
🔤 Уникальных слов: 50
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: displaystyle(4), алгоритм(3), скрытой(3)
17. Нейронная сеть

📝 Слов: 158
🔤 Уникальных слов: 129
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%B0%D...
🏷️ Ключевые слова: сеть(5), сетей(4), обучения(4)
18. Модель Изинга

📝 Слов: 72
🔤 Уникальных слов: 56
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C_%D0%98%D0%B7%...
🏷️ Ключевые слова: displaystyle(5), поле(3), атомов(3)
19. Автокодировщик

📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)
20. Адаптивная резонансная теория

📝 Слов: 160
🔤 Уникальных слов: 139
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B4%D0%B0%D0%BF%D1%82%D0%B8%D0%B2%D0%BD%D...
🏷️ Ключевые слова: поля(5), распознавания(4), без(3)
21. Альфа-система подкрепления

📝 Слов: 71
🔤 Уникальных слов: 59
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D1%8C%D1%84%D0%B0-%D1%81%D0%B8%D1%81%...
🏷️ Ключевые слова: подкрепления(3), веса(3), displaystyle(3)
22. Биомолекулярная электроника

📝 Слов: 138
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%B8%D0%BE%D0%BC%D0%BE%D0%BB%D0%B5%D0%BA%D...
🏷️ Ключевые слова: электронных(3), устройств(3), основе(3)
23. Векторное представление слов

📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)
24. Вербализация нейронных сетей

📝 Слов: 155
🔤 Уникальных слов: 121
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D1%80%D0%B1%D0%B0%D0%BB%D0%B8%D0%B7%D...
🏷️ Ключевые слова: сети(5), нейронной(4), виде(4)
25. Обработка естественного языка

📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D...
🏷️ Ключевые слова: языка(4), системы(4), текстов(3)
26. Программное обеспечение для обработки естественного языка

📝 Слов: 65
🔤 Уникальных слов: 49
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D...
🏷️ Ключевые слова: обработки(3), естественного(3), языка(3)
27. Автоматическое получение размеченного корпуса

📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: корпуса(4), размеченного(3), получения(3)
28. Автоматическое реферирование

📝 Слов: 136
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: или(3), подхода(3), рование(2)
29. Алгоритм шинглов

📝 Слов: 156
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: текста(6), шинглов(4), текст(4)
30. Анализ тональности текста

📝 Слов: 154
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%BE%...
🏷️ Ключевые слова: анализа(3), тексте(3), или(3)
31. Большая языковая модель

📝 Слов: 154
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B0%D1%8F_%D1%8F%...
🏷️ Ключевые слова: обучения(4), для(4), параметров(3)
32. Векторное представление слов

📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)

Обсуждение участника:Арина Климова

2025-12-17T11:45:23Z

Арина Климова: /* Датасет */

Обсуждение участника:Арина Климова

2025-12-17T11:44:38Z

Арина Климова: /* Анализ статей википедии об ИИ */ новая тема

== Датасет ==

https://openalex.org/works?page=1&filter=title_and_abstract.search:Education+AND+(Manga+OR+Anime)
[[Файл:Photo 2025-10-04 01-58-40.jpg|мини]]

'''Анализ статей Википедии по теме ИИ
'''
Программа на Пайтоне проанализировала статьи Википедии на тему ИИ.
📊 СРАВНИТЕЛЬНЫЙ АНАЛИЗ СТАТЕЙ

📈 Общая статистика:
• Всего статей проанализировано: 32
• Общее количество слов: 4,233
• Средний размер статьи: 132 слов

📏 Размер статей:
• Самая большая: 'Акинатор' - 164 слов
• Самая маленькая: 'Отсчётный скетч' - 42 слов

🔠 Топ-15 самых частых слов во всех статьях:
1. для — 29 раз
2. обучения — 20 раз
3. как — 17 раз
4. слов — 17 раз
5. displaystyle — 16 раз
6. языка — 15 раз
7. системы — 14 раз
8. слой — 14 раз
9. сети — 14 раз
10. интеллекта — 13 раз
11. или — 11 раз
12. обучение — 10 раз
13. англ — 10 раз
14. искусственного — 9 раз
15. интеллект — 8 раз

🎯 ОБЩИЕ ТЕМЫ И ТЕРМИНЫ

📋 Частота ключевых терминов ИИ:
• интеллект — упоминается 40 раз
• нейрон — упоминается 39 раз
• алгоритм — упоминается 31 раз
• обучение — упоминается 19 раз
• сеть — упоминается 14 раз
• анализ — упоминается 14 раз
• модель — упоминается 11 раз
• нейросеть — упоминается 6 раз
• ml — упоминается 5 раз
• ai — упоминается 4 раз
• прогноз — упоминается 4 раз
• данные — упоминается 3 раз
• робот — упоминается 3 раз
• искусственный — упоминается 1 раз
• автоматизация — упоминается 1 раз

🏆 Статьи с наибольшим количеством терминов ИИ:
• Нейронная сеть — 19 терминов
• Вычислительный интеллект — 13 терминов
• Машинное обучение — 13 терминов
• Искусственный интеллект — 12 терминов
• Автокодировщик — 12 терминов

📄 КРАТКАЯ ИНФОРМАЦИЯ ПО СТАТЬЯМ

1. Искусственный интеллект
📝 Слов: 148
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D...
🏷️ Ключевые слова: системы(3), инструментов(2), интеллекта(2)

2. Вычислительный интеллект
📝 Слов: 114
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B8%D1%82%D...
🏷️ Ключевые слова: интеллект(6), вычислительный(5), computational(2)

3. Диэлла
📝 Слов: 143
🔤 Уникальных слов: 118
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%8D%D0%BB%D0%BB%D0%B0...
🏷️ Ключевые слова: искусственного(4), интеллекта(4), диэлла(3)

4. Мягкие вычисления
📝 Слов: 140
🔤 Уникальных слов: 113
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D1%8F%D0%B3%D0%BA%D0%B8%D0%B5_%D0%B2%D1%8B%...
🏷️ Ключевые слова: soft(5), computing(5), управления(3)

5. Роевой интеллект
📝 Слов: 150
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A0%D0%BE%D0%B5%D0%B2%D0%BE%D0%B9_%D0%B8%D0%BD%...
🏷️ Ключевые слова: системы(5), как(4), интеллекта(3)

6. SenseTime
📝 Слов: 153
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/SenseTime...
🏷️ Ключевые слова: sensetime(6), года(4), сяоу(3)

7. Агентно-ориентированный подход
📝 Слов: 156
🔤 Уникальных слов: 132
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D0%BE-%D0%BE%...
🏷️ Ключевые слова: программирования(3), агента(3), как(3)

8. Агентный ИИ
📝 Слов: 139
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9_%...
🏷️ Ключевые слова: моделей(4), агентный(2), искусственного(2)

9. Машинное обучение
📝 Слов: 149
🔤 Уникальных слов: 123
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%...
🏷️ Ключевые слова: обучение(8), методов(4), обучения(3)

10. Отсчётный скетч
📝 Слов: 42
🔤 Уникальных слов: 40
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D1%82%D1%81%D1%87%D1%91%D1%82%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(2), алгоритмах(2), англ(1)

11. Случайное индексирование
📝 Слов: 108
🔤 Уникальных слов: 89
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A1%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D0%BE%D...
🏷️ Ключевые слова: как(4), случайное(3), индексирование(3)

12. Тензорный скетч
📝 Слов: 113
🔤 Уникальных слов: 103
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A2%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(3), метод(3), тензорный(2)

13. Автокодировщик
📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)

14. Автоматическое машинное обучение
📝 Слов: 157
🔤 Уникальных слов: 115
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: автоматическое(5), обучения(5), данных(5)

15. Акинатор
📝 Слов: 164
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BA%D0%B8%D0%BD%D0%B0%D1%82%D0%BE%D1%80...
🏷️ Ключевые слова: вопросов(7), акинатор(5), персонажа(5)

16. Алгоритм Баума — Велша
📝 Слов: 68
🔤 Уникальных слов: 50
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: displaystyle(4), алгоритм(3), скрытой(3)

17. Нейронная сеть
📝 Слов: 158
🔤 Уникальных слов: 129
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%B0%D...
🏷️ Ключевые слова: сеть(5), сетей(4), обучения(4)

18. Модель Изинга
📝 Слов: 72
🔤 Уникальных слов: 56
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C_%D0%98%D0%B7%...
🏷️ Ключевые слова: displaystyle(5), поле(3), атомов(3)

19. Автокодировщик
📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)

20. Адаптивная резонансная теория
📝 Слов: 160
🔤 Уникальных слов: 139
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B4%D0%B0%D0%BF%D1%82%D0%B8%D0%B2%D0%BD%D...
🏷️ Ключевые слова: поля(5), распознавания(4), без(3)

21. Альфа-система подкрепления
📝 Слов: 71
🔤 Уникальных слов: 59
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D1%8C%D1%84%D0%B0-%D1%81%D0%B8%D1%81%...
🏷️ Ключевые слова: подкрепления(3), веса(3), displaystyle(3)

22. Биомолекулярная электроника
📝 Слов: 138
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%B8%D0%BE%D0%BC%D0%BE%D0%BB%D0%B5%D0%BA%D...
🏷️ Ключевые слова: электронных(3), устройств(3), основе(3)

23. Векторное представление слов
📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)

24. Вербализация нейронных сетей
📝 Слов: 155
🔤 Уникальных слов: 121
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D1%80%D0%B1%D0%B0%D0%BB%D0%B8%D0%B7%D...
🏷️ Ключевые слова: сети(5), нейронной(4), виде(4)

25. Обработка естественного языка
📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D...
🏷️ Ключевые слова: языка(4), системы(4), текстов(3)

26. Программное обеспечение для обработки естественного языка
📝 Слов: 65
🔤 Уникальных слов: 49
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D...
🏷️ Ключевые слова: обработки(3), естественного(3), языка(3)

27. Автоматическое получение размеченного корпуса
📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: корпуса(4), размеченного(3), получения(3)

28. Автоматическое реферирование
📝 Слов: 136
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: или(3), подхода(3), рование(2)

29. Алгоритм шинглов
📝 Слов: 156
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: текста(6), шинглов(4), текст(4)

30. Анализ тональности текста
📝 Слов: 154
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%BE%...
🏷️ Ключевые слова: анализа(3), тексте(3), или(3)

31. Большая языковая модель
📝 Слов: 154
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B0%D1%8F_%D1%8F%...
🏷️ Ключевые слова: обучения(4), для(4), параметров(3)

32. Векторное представление слов
📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)

Анализ статистики фильмов при помощи Пайтон

АНАЛИЗАТОР ФИЛЬМОВ О ВОЙНЕ (JSON версия)
✅ Загружено фильмов: 100

📊 БАЗОВАЯ СТАТИСТИКА

🎬 Всего фильмов: 100
✅ Фильмов с оценками: 100
❌ Фильмов без оценок: 0

📅 Годы выпуска:
• Самый старый: 1915 год
• Самый новый: 2025 год
• Средний год: 1998

📈 Фильмы по десятилетиям:
• 1910-е: 1 фильмов
• 1930-е: 2 фильмов
• 1950-е: 6 фильмов
• 1960-е: 10 фильмов
• 1970-е: 6 фильмов
• 1980-е: 7 фильмов
• 1990-е: 6 фильмов
• 2000-е: 15 фильмов
• 2010-е: 29 фильмов
• 2020-е: 18 фильмов

⭐ АНАЛИЗ ОЦЕНОК

🎯 Фильмы с оценками критиков: 93
🎯 Фильмы с оценками аудитории: 97

📊 Оценки критиков:
• Средняя: 52.4%
• Максимальная: 100%
• Минимальная: 0%

🏆 Распределение оценок критиков:
• Отлично (90-100%): 13 фильмов (14.0%)
• Хорошо (70-89%): 19 фильмов (20.4%)
• Средне (50-69%): 15 фильмов (16.1%)
• Плохо (0-49%): 46 фильмов (49.5%)

👥 Оценки аудитории:
• Средняя: 57.5%
• Максимальная: 98%
• Минимальная: 5%

❤️ Распределение оценок аудитории:
• Обожают (80-100%): 21 фильмов (21.6%)
• Нравится (60-79%): 31 фильмов (32.0%)
• Нейтрально (40-59%): 21 фильмов (21.6%)
• Не нравится (0-39%): 24 фильмов (24.7%)

🏆 ТОП-5 ЛУЧШИХ И ХУДШИХ ФИЛЬМОВ

⭐ ТОП-5 по оценкам критиков:
1. Love+War (2025) - 100%
2. Ken Burns: The Civil War (2015) - 100%
3. World War III (2022) - 100%
4. War and Peace (1966) - 100%
5. The Battle of Algiers (1966) - 99%

💩 ХУДШИЕ-5 по оценкам критиков:
1. War of the Worlds (2025) - 4%
2. War of the Worlds: The Revenge (2020) - 2%
3. War of the Dead (2011) - 0%
4. War of the Worlds: Annihilation (2021) - 0%
5. The War of the Worlds: The Final Final Final Chapter (2023) - 0%

❤️ ТОП-5 по оценкам аудитории:
1. Ken Burns: The Civil War (2015) - 98%
2. War and Peace (1966) - 94%
3. The Fog of War (2003) - 93%
4. War Sailor (2022) - 92%
5. The Last Full Measure (2019) - 92%

👎 ХУДШИЕ-5 по оценкам аудитории:
1. Wolves of War (2022) - 12%
2. War of the Worlds: Annihilation (2021) - 10%
3. War of the Worlds: The Revenge (2020) - 9%
4. War of the Worlds: The Attack (2023) - 8%
5. The War of the Worlds: The Final Final Final Chapter (2023) - 5%

⚖️ РАСХОЖДЕНИЯ: КРИТИКИ vs АУДИТОРИЯ

📈 Фильмов с обеими оценками: 90

🎉 АУДИТОРИЯ ЛЮБИТ БОЛЬШЕ, ЧЕМ КРИТИКИ (Топ-3):
1. War Room (2015)
Критики: 34% | Аудитория: 87%
Разница: +53%
2. The Last Full Measure (2019)
Критики: 41% | Аудитория: 92%
Разница: +51%
3. The War (1994)
Критики: 27% | Аудитория: 73%
Разница: +46%

🎓 КРИТИКИ ЛЮБЯТ БОЛЬШЕ, ЧЕМ АУДИТОРИЯ (Топ-3):
1. The Dogs of War (1980)
Критики: 70% | Аудитория: 53%
Разница: -17%
2. War Machine (2017)
Критики: 48% | Аудитория: 35%
Разница: -13%
3. The War of the Worlds (1953)
Критики: 89% | Аудитория: 76%
Разница: -13%

📊 Статистика расхождений:
• Средняя разница: +7.2%
• Максимальное расхождение (+): +53%
• Максимальное расхождение (-): -17%
→ Аудитория немного более лояльна, чем критики

📅 АНАЛИЗ ПО ГОДАМ (только годы с 3+ фильмами)

🎬 Анализ по годам:

1966 год (4 фильмов):
🎯 Критики: средняя 86.8%, лучшая 100%, худшая 55%
👥 Аудитория: средняя 84.8%, лучшая 94%, худшая 67%

2005 год (3 фильмов):
🎯 Критики: средняя 80.7%, лучшая 82%, худшая 78%
👥 Аудитория: средняя 77.0%, лучшая 85%, худшая 72%

2006 год (4 фильмов):
🎯 Критики: средняя 71.2%, лучшая 87%, худшая 65%
👥 Аудитория: средняя 71.0%, лучшая 80%, худшая 58%

2011 год (4 фильмов):
🎯 Критики: средняя 52.2%, лучшая 88%, худшая 0%
👥 Аудитория: средняя 57.8%, лучшая 86%, худшая 15%

2012 год (3 фильмов):
🎯 Критики: средняя 32.0%, лучшая 62%, худшая 10%
👥 Аудитория: средняя 44.0%, лучшая 58%, худшая 18%

2015 год (5 фильмов):
🎯 Критики: средняя 48.7%, лучшая 100%, худшая 12%
👥 Аудитория: средняя 63.8%, лучшая 98%, худшая 22%

2017 год (4 фильмов):
🎯 Критики: средняя 78.7%, лучшая 94%, худшая 48%
👥 Аудитория: средняя 73.5%, лучшая 87%, худшая 35%

2019 год (5 фильмов):
🎯 Критики: средняя 24.2%, лучшая 41%, худшая 5%
👥 Аудитория: средняя 48.4%, лучшая 92%, худшая 14%

2021 год (4 фильмов):
🎯 Критики: средняя 35.8%, лучшая 83%, худшая 0%
👥 Аудитория: средняя 45.0%, лучшая 78%, худшая 10%

2022 год (4 фильмов):
🎯 Критики: средняя 62.7%, лучшая 100%, худшая 8%
👥 Аудитория: средняя 40.0%, лучшая 92%, худшая 12%

2023 год (3 фильмов):
🎯 Критики: средняя 17.5%, лучшая 35%, худшая 0%
👥 Аудитория: средняя 13.7%, лучшая 28%, худшая 5%

2025 год (3 фильмов):
🎯 Критики: средняя 57.0%, лучшая 100%, худшая 4%
👥 Аудитория: средняя 20.0%, лучшая 20%, худшая 20%

🎭 АНАЛИЗ ПО ЖАНРАМ

🎬 Самые популярные жанры:
• Драма: 48 фильмов
• Фантастика: 42 фильмов
• Боевик: 28 фильмов
• Военный: 22 фильмов
• Исторический: 12 фильмов
• Триллер: 10 фильмов
• Ужасы: 10 фильмов
• Комедия: 9 фильмов
• Документальный: 8 фильмов
• Приключения: 7 фильмов

⭐ Средние оценки по жанрам (минимум 3 фильма):
• Романтика: 83.4% (5 фильмов)
• Документальный: 76.8% (8 фильмов)
• Исторический: 74.2% (12 фильмов)
• Военный: 71.1% (22 фильмов)
• Триллер: 69.7% (10 фильмов)
• Драма: 64.8% (48 фильмов)
• Анимация: 57.2% (4 фильмов)
• Приключения: 40.3% (7 фильмов)
• Фантастика: 39.3% (42 фильмов)
• Комедия: 38.2% (9 фильмов)
• Ужасы: 35.4% (10 фильмов)
• Семейный: 32.0% (3 фильмов)
• Боевик: 31.5% (28 фильмов)

✅ ИТОГОВЫЙ ОТЧЕТ

📊 Итоговая статистика:
• Всего фильмов в базе: 100
• Из них с оценками: 100

🎬 Качество фильмов по оценкам критиков:
• Отлично (90-100%): 13 (14.0%)
• Хорошо (70-89%): 19 (20.4%)
• Средне (50-69%): 15 (16.1%)
• Плохо (0-49%): 46 (49.5%)

💡 РЕКОМЕНДАЦИИ ДЛЯ ПРОСМОТРА:
1. 🏆 Самый сбалансированный фильм (нравится и критикам, и зрителям):
«Ken Burns: The Civil War» (2015)
2. 🎯 Для ценителей высокого кино — смотрите топ фильмов по оценкам критиков
3. ❤️ Для развлечения — смотрите топ фильмов по оценкам аудитории
4. 🎲 Для споров — смотрите фильмы с максимальным расхождением оценок

== Анализ статей википедии об ИИ ==

Анализ статей Википедии по теме ИИ Программа на Пайтоне проанализировала статьи Википедии на тему ИИ. 📊 СРАВНИТЕЛЬНЫЙ АНАЛИЗ СТАТЕЙ

📈 Общая статистика:

• Всего статей проанализировано: 32
• Общее количество слов: 4,233
• Средний размер статьи: 132 слов
📏 Размер статей:

• Самая большая: 'Акинатор' - 164 слов
• Самая маленькая: 'Отсчётный скетч' - 42 слов
🔠 Топ-15 самых частых слов во всех статьях:

1. для — 29 раз
2. обучения — 20 раз
3. как — 17 раз
4. слов — 17 раз
5. displaystyle — 16 раз
6. языка — 15 раз
7. системы — 14 раз
8. слой — 14 раз
9. сети — 14 раз
10. интеллекта — 13 раз
11. или — 11 раз
12. обучение — 10 раз
13. англ — 10 раз
14. искусственного — 9 раз
15. интеллект — 8 раз
🎯 ОБЩИЕ ТЕМЫ И ТЕРМИНЫ

📋 Частота ключевых терминов ИИ:

• интеллект — упоминается 40 раз
• нейрон — упоминается 39 раз
• алгоритм — упоминается 31 раз
• обучение — упоминается 19 раз
• сеть — упоминается 14 раз
• анализ — упоминается 14 раз
• модель — упоминается 11 раз
• нейросеть — упоминается 6 раз
• ml — упоминается 5 раз
• ai — упоминается 4 раз
• прогноз — упоминается 4 раз
• данные — упоминается 3 раз
• робот — упоминается 3 раз
• искусственный — упоминается 1 раз
• автоматизация — упоминается 1 раз
🏆 Статьи с наибольшим количеством терминов ИИ:

• Нейронная сеть — 19 терминов
• Вычислительный интеллект — 13 терминов
• Машинное обучение — 13 терминов
• Искусственный интеллект — 12 терминов
• Автокодировщик — 12 терминов
📄 КРАТКАЯ ИНФОРМАЦИЯ ПО СТАТЬЯМ

1. Искусственный интеллект

📝 Слов: 148
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D...
🏷️ Ключевые слова: системы(3), инструментов(2), интеллекта(2)
2. Вычислительный интеллект

📝 Слов: 114
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B8%D1%82%D...
🏷️ Ключевые слова: интеллект(6), вычислительный(5), computational(2)
3. Диэлла

📝 Слов: 143
🔤 Уникальных слов: 118
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%8D%D0%BB%D0%BB%D0%B0...
🏷️ Ключевые слова: искусственного(4), интеллекта(4), диэлла(3)
4. Мягкие вычисления

📝 Слов: 140
🔤 Уникальных слов: 113
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D1%8F%D0%B3%D0%BA%D0%B8%D0%B5_%D0%B2%D1%8B%...
🏷️ Ключевые слова: soft(5), computing(5), управления(3)
5. Роевой интеллект

📝 Слов: 150
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A0%D0%BE%D0%B5%D0%B2%D0%BE%D0%B9_%D0%B8%D0%BD%...
🏷️ Ключевые слова: системы(5), как(4), интеллекта(3)
6. SenseTime

📝 Слов: 153
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/SenseTime...
🏷️ Ключевые слова: sensetime(6), года(4), сяоу(3)
7. Агентно-ориентированный подход

📝 Слов: 156
🔤 Уникальных слов: 132
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D0%BE-%D0%BE%...
🏷️ Ключевые слова: программирования(3), агента(3), как(3)
8. Агентный ИИ

📝 Слов: 139
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9_%...
🏷️ Ключевые слова: моделей(4), агентный(2), искусственного(2)
9. Машинное обучение

📝 Слов: 149
🔤 Уникальных слов: 123
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%...
🏷️ Ключевые слова: обучение(8), методов(4), обучения(3)
10. Отсчётный скетч

📝 Слов: 42
🔤 Уникальных слов: 40
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D1%82%D1%81%D1%87%D1%91%D1%82%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(2), алгоритмах(2), англ(1)
11. Случайное индексирование

📝 Слов: 108
🔤 Уникальных слов: 89
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A1%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D0%BE%D...
🏷️ Ключевые слова: как(4), случайное(3), индексирование(3)
12. Тензорный скетч

📝 Слов: 113
🔤 Уникальных слов: 103
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A2%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(3), метод(3), тензорный(2)
13. Автокодировщик

📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)
14. Автоматическое машинное обучение

📝 Слов: 157
🔤 Уникальных слов: 115
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: автоматическое(5), обучения(5), данных(5)
15. Акинатор

📝 Слов: 164
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BA%D0%B8%D0%BD%D0%B0%D1%82%D0%BE%D1%80...
🏷️ Ключевые слова: вопросов(7), акинатор(5), персонажа(5)
16. Алгоритм Баума — Велша

📝 Слов: 68
🔤 Уникальных слов: 50
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: displaystyle(4), алгоритм(3), скрытой(3)
17. Нейронная сеть

📝 Слов: 158
🔤 Уникальных слов: 129
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%B0%D...
🏷️ Ключевые слова: сеть(5), сетей(4), обучения(4)
18. Модель Изинга

📝 Слов: 72
🔤 Уникальных слов: 56
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C_%D0%98%D0%B7%...
🏷️ Ключевые слова: displaystyle(5), поле(3), атомов(3)
19. Автокодировщик

📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)
20. Адаптивная резонансная теория

📝 Слов: 160
🔤 Уникальных слов: 139
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B4%D0%B0%D0%BF%D1%82%D0%B8%D0%B2%D0%BD%D...
🏷️ Ключевые слова: поля(5), распознавания(4), без(3)
21. Альфа-система подкрепления

📝 Слов: 71
🔤 Уникальных слов: 59
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D1%8C%D1%84%D0%B0-%D1%81%D0%B8%D1%81%...
🏷️ Ключевые слова: подкрепления(3), веса(3), displaystyle(3)
22. Биомолекулярная электроника

📝 Слов: 138
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%B8%D0%BE%D0%BC%D0%BE%D0%BB%D0%B5%D0%BA%D...
🏷️ Ключевые слова: электронных(3), устройств(3), основе(3)
23. Векторное представление слов

📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)
24. Вербализация нейронных сетей

📝 Слов: 155
🔤 Уникальных слов: 121
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D1%80%D0%B1%D0%B0%D0%BB%D0%B8%D0%B7%D...
🏷️ Ключевые слова: сети(5), нейронной(4), виде(4)
25. Обработка естественного языка

📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D...
🏷️ Ключевые слова: языка(4), системы(4), текстов(3)
26. Программное обеспечение для обработки естественного языка

📝 Слов: 65
🔤 Уникальных слов: 49
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D...
🏷️ Ключевые слова: обработки(3), естественного(3), языка(3)
27. Автоматическое получение размеченного корпуса

📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: корпуса(4), размеченного(3), получения(3)
28. Автоматическое реферирование

📝 Слов: 136
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: или(3), подхода(3), рование(2)
29. Алгоритм шинглов

📝 Слов: 156
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: текста(6), шинглов(4), текст(4)
30. Анализ тональности текста

📝 Слов: 154
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%BE%...
🏷️ Ключевые слова: анализа(3), тексте(3), или(3)
31. Большая языковая модель

📝 Слов: 154
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B0%D1%8F_%D1%8F%...
🏷️ Ключевые слова: обучения(4), для(4), параметров(3)
32. Векторное представление слов

📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)

Обсуждение участника:Арина Климова

2025-12-17T11:43:52Z

Арина Климова: /* Анализ статистики фильмов при помощи Пайтон */

Обсуждение участника:Арина Климова

2025-12-17T11:42:48Z

Арина Климова: /* Анализ статей Википедии по теме ИИ */

Обсуждение участника:Арина Климова

2025-12-17T11:39:47Z

Арина Климова: /* Анализ статистики фильмов при помощи Пайтон */ новая тема

== Датасет ==

https://openalex.org/works?page=1&filter=title_and_abstract.search:Education+AND+(Manga+OR+Anime)
[[Файл:Photo 2025-10-04 01-58-40.jpg|мини]]

== Анализ статей Википедии по теме ИИ ==

Программа на Пайтоне проанализировала статьи Википедии на тему ИИ.
============================================================
📊 СРАВНИТЕЛЬНЫЙ АНАЛИЗ СТАТЕЙ
============================================================

📈 Общая статистика:
• Всего статей проанализировано: 32
• Общее количество слов: 4,233
• Средний размер статьи: 132 слов

📏 Размер статей:
• Самая большая: 'Акинатор' - 164 слов
• Самая маленькая: 'Отсчётный скетч' - 42 слов

🔠 Топ-15 самых частых слов во всех статьях:
1. для — 29 раз
2. обучения — 20 раз
3. как — 17 раз
4. слов — 17 раз
5. displaystyle — 16 раз
6. языка — 15 раз
7. системы — 14 раз
8. слой — 14 раз
9. сети — 14 раз
10. интеллекта — 13 раз
11. или — 11 раз
12. обучение — 10 раз
13. англ — 10 раз
14. искусственного — 9 раз
15. интеллект — 8 раз

============================================================
🎯 ОБЩИЕ ТЕМЫ И ТЕРМИНЫ
============================================================

📋 Частота ключевых терминов ИИ:
• интеллект — упоминается 40 раз
• нейрон — упоминается 39 раз
• алгоритм — упоминается 31 раз
• обучение — упоминается 19 раз
• сеть — упоминается 14 раз
• анализ — упоминается 14 раз
• модель — упоминается 11 раз
• нейросеть — упоминается 6 раз
• ml — упоминается 5 раз
• ai — упоминается 4 раз
• прогноз — упоминается 4 раз
• данные — упоминается 3 раз
• робот — упоминается 3 раз
• искусственный — упоминается 1 раз
• автоматизация — упоминается 1 раз

🏆 Статьи с наибольшим количеством терминов ИИ:
• Нейронная сеть — 19 терминов
• Вычислительный интеллект — 13 терминов
• Машинное обучение — 13 терминов
• Искусственный интеллект — 12 терминов
• Автокодировщик — 12 терминов

============================================================
📄 КРАТКАЯ ИНФОРМАЦИЯ ПО СТАТЬЯМ
============================================================

1. Искусственный интеллект
📝 Слов: 148
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D...
🏷️ Ключевые слова: системы(3), инструментов(2), интеллекта(2)

2. Вычислительный интеллект
📝 Слов: 114
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B8%D1%82%D...
🏷️ Ключевые слова: интеллект(6), вычислительный(5), computational(2)

3. Диэлла
📝 Слов: 143
🔤 Уникальных слов: 118
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%8D%D0%BB%D0%BB%D0%B0...
🏷️ Ключевые слова: искусственного(4), интеллекта(4), диэлла(3)

4. Мягкие вычисления
📝 Слов: 140
🔤 Уникальных слов: 113
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D1%8F%D0%B3%D0%BA%D0%B8%D0%B5_%D0%B2%D1%8B%...
🏷️ Ключевые слова: soft(5), computing(5), управления(3)

5. Роевой интеллект
📝 Слов: 150
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A0%D0%BE%D0%B5%D0%B2%D0%BE%D0%B9_%D0%B8%D0%BD%...
🏷️ Ключевые слова: системы(5), как(4), интеллекта(3)

6. SenseTime
📝 Слов: 153
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/SenseTime...
🏷️ Ключевые слова: sensetime(6), года(4), сяоу(3)

7. Агентно-ориентированный подход
📝 Слов: 156
🔤 Уникальных слов: 132
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D0%BE-%D0%BE%...
🏷️ Ключевые слова: программирования(3), агента(3), как(3)

8. Агентный ИИ
📝 Слов: 139
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9_%...
🏷️ Ключевые слова: моделей(4), агентный(2), искусственного(2)

9. Машинное обучение
📝 Слов: 149
🔤 Уникальных слов: 123
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%...
🏷️ Ключевые слова: обучение(8), методов(4), обучения(3)

10. Отсчётный скетч
📝 Слов: 42
🔤 Уникальных слов: 40
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D1%82%D1%81%D1%87%D1%91%D1%82%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(2), алгоритмах(2), англ(1)

11. Случайное индексирование
📝 Слов: 108
🔤 Уникальных слов: 89
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A1%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D0%BE%D...
🏷️ Ключевые слова: как(4), случайное(3), индексирование(3)

12. Тензорный скетч
📝 Слов: 113
🔤 Уникальных слов: 103
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A2%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(3), метод(3), тензорный(2)

13. Автокодировщик
📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)

14. Автоматическое машинное обучение
📝 Слов: 157
🔤 Уникальных слов: 115
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: автоматическое(5), обучения(5), данных(5)

15. Акинатор
📝 Слов: 164
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BA%D0%B8%D0%BD%D0%B0%D1%82%D0%BE%D1%80...
🏷️ Ключевые слова: вопросов(7), акинатор(5), персонажа(5)

16. Алгоритм Баума — Велша
📝 Слов: 68
🔤 Уникальных слов: 50
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: displaystyle(4), алгоритм(3), скрытой(3)

17. Нейронная сеть
📝 Слов: 158
🔤 Уникальных слов: 129
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%B0%D...
🏷️ Ключевые слова: сеть(5), сетей(4), обучения(4)

18. Модель Изинга
📝 Слов: 72
🔤 Уникальных слов: 56
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C_%D0%98%D0%B7%...
🏷️ Ключевые слова: displaystyle(5), поле(3), атомов(3)

19. Автокодировщик
📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)

20. Адаптивная резонансная теория
📝 Слов: 160
🔤 Уникальных слов: 139
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B4%D0%B0%D0%BF%D1%82%D0%B8%D0%B2%D0%BD%D...
🏷️ Ключевые слова: поля(5), распознавания(4), без(3)

21. Альфа-система подкрепления
📝 Слов: 71
🔤 Уникальных слов: 59
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D1%8C%D1%84%D0%B0-%D1%81%D0%B8%D1%81%...
🏷️ Ключевые слова: подкрепления(3), веса(3), displaystyle(3)

22. Биомолекулярная электроника
📝 Слов: 138
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%B8%D0%BE%D0%BC%D0%BE%D0%BB%D0%B5%D0%BA%D...
🏷️ Ключевые слова: электронных(3), устройств(3), основе(3)

23. Векторное представление слов
📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)

24. Вербализация нейронных сетей
📝 Слов: 155
🔤 Уникальных слов: 121
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D1%80%D0%B1%D0%B0%D0%BB%D0%B8%D0%B7%D...
🏷️ Ключевые слова: сети(5), нейронной(4), виде(4)

25. Обработка естественного языка
📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D...
🏷️ Ключевые слова: языка(4), системы(4), текстов(3)

26. Программное обеспечение для обработки естественного языка
📝 Слов: 65
🔤 Уникальных слов: 49
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D...
🏷️ Ключевые слова: обработки(3), естественного(3), языка(3)

27. Автоматическое получение размеченного корпуса
📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: корпуса(4), размеченного(3), получения(3)

28. Автоматическое реферирование
📝 Слов: 136
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: или(3), подхода(3), рование(2)

29. Алгоритм шинглов
📝 Слов: 156
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: текста(6), шинглов(4), текст(4)

30. Анализ тональности текста
📝 Слов: 154
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%BE%...
🏷️ Ключевые слова: анализа(3), тексте(3), или(3)

31. Большая языковая модель
📝 Слов: 154
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B0%D1%8F_%D1%8F%...
🏷️ Ключевые слова: обучения(4), для(4), параметров(3)

32. Векторное представление слов
📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)

== Анализ статистики фильмов при помощи Пайтон ==

АНАЛИЗАТОР ФИЛЬМОВ О ВОЙНЕ (JSON версия)
============================================================
✅ Загружено фильмов: 100

============================================================
📊 БАЗОВАЯ СТАТИСТИКА
============================================================

🎬 Всего фильмов: 100
✅ Фильмов с оценками: 100
❌ Фильмов без оценок: 0

📅 Годы выпуска:
• Самый старый: 1915 год
• Самый новый: 2025 год
• Средний год: 1998

📈 Фильмы по десятилетиям:
• 1910-е: 1 фильмов
• 1930-е: 2 фильмов
• 1950-е: 6 фильмов
• 1960-е: 10 фильмов
• 1970-е: 6 фильмов
• 1980-е: 7 фильмов
• 1990-е: 6 фильмов
• 2000-е: 15 фильмов
• 2010-е: 29 фильмов
• 2020-е: 18 фильмов

============================================================
⭐ АНАЛИЗ ОЦЕНОК
============================================================

🎯 Фильмы с оценками критиков: 93
🎯 Фильмы с оценками аудитории: 97

📊 Оценки критиков:
• Средняя: 52.4%
• Максимальная: 100%
• Минимальная: 0%

🏆 Распределение оценок критиков:
• Отлично (90-100%): 13 фильмов (14.0%)
• Хорошо (70-89%): 19 фильмов (20.4%)
• Средне (50-69%): 15 фильмов (16.1%)
• Плохо (0-49%): 46 фильмов (49.5%)

👥 Оценки аудитории:
• Средняя: 57.5%
• Максимальная: 98%
• Минимальная: 5%

❤️ Распределение оценок аудитории:
• Обожают (80-100%): 21 фильмов (21.6%)
• Нравится (60-79%): 31 фильмов (32.0%)
• Нейтрально (40-59%): 21 фильмов (21.6%)
• Не нравится (0-39%): 24 фильмов (24.7%)

============================================================
🏆 ТОП-5 ЛУЧШИХ И ХУДШИХ ФИЛЬМОВ
============================================================

⭐ ТОП-5 по оценкам критиков:
1. Love+War (2025) - 100%
2. Ken Burns: The Civil War (2015) - 100%
3. World War III (2022) - 100%
4. War and Peace (1966) - 100%
5. The Battle of Algiers (1966) - 99%

💩 ХУДШИЕ-5 по оценкам критиков:
1. War of the Worlds (2025) - 4%
2. War of the Worlds: The Revenge (2020) - 2%
3. War of the Dead (2011) - 0%
4. War of the Worlds: Annihilation (2021) - 0%
5. The War of the Worlds: The Final Final Final Chapter (2023) - 0%

❤️ ТОП-5 по оценкам аудитории:
1. Ken Burns: The Civil War (2015) - 98%
2. War and Peace (1966) - 94%
3. The Fog of War (2003) - 93%
4. War Sailor (2022) - 92%
5. The Last Full Measure (2019) - 92%

👎 ХУДШИЕ-5 по оценкам аудитории:
1. Wolves of War (2022) - 12%
2. War of the Worlds: Annihilation (2021) - 10%
3. War of the Worlds: The Revenge (2020) - 9%
4. War of the Worlds: The Attack (2023) - 8%
5. The War of the Worlds: The Final Final Final Chapter (2023) - 5%

============================================================
⚖️ РАСХОЖДЕНИЯ: КРИТИКИ vs АУДИТОРИЯ
============================================================

📈 Фильмов с обеими оценками: 90

🎉 АУДИТОРИЯ ЛЮБИТ БОЛЬШЕ, ЧЕМ КРИТИКИ (Топ-3):
1. War Room (2015)
Критики: 34% | Аудитория: 87%
Разница: +53%
2. The Last Full Measure (2019)
Критики: 41% | Аудитория: 92%
Разница: +51%
3. The War (1994)
Критики: 27% | Аудитория: 73%
Разница: +46%

🎓 КРИТИКИ ЛЮБЯТ БОЛЬШЕ, ЧЕМ АУДИТОРИЯ (Топ-3):
1. The Dogs of War (1980)
Критики: 70% | Аудитория: 53%
Разница: -17%
2. War Machine (2017)
Критики: 48% | Аудитория: 35%
Разница: -13%
3. The War of the Worlds (1953)
Критики: 89% | Аудитория: 76%
Разница: -13%

📊 Статистика расхождений:
• Средняя разница: +7.2%
• Максимальное расхождение (+): +53%
• Максимальное расхождение (-): -17%
→ Аудитория немного более лояльна, чем критики

============================================================
📅 АНАЛИЗ ПО ГОДАМ (только годы с 3+ фильмами)
============================================================

🎬 Анализ по годам:

1966 год (4 фильмов):
🎯 Критики: средняя 86.8%, лучшая 100%, худшая 55%
👥 Аудитория: средняя 84.8%, лучшая 94%, худшая 67%

2005 год (3 фильмов):
🎯 Критики: средняя 80.7%, лучшая 82%, худшая 78%
👥 Аудитория: средняя 77.0%, лучшая 85%, худшая 72%

2006 год (4 фильмов):
🎯 Критики: средняя 71.2%, лучшая 87%, худшая 65%
👥 Аудитория: средняя 71.0%, лучшая 80%, худшая 58%

2011 год (4 фильмов):
🎯 Критики: средняя 52.2%, лучшая 88%, худшая 0%
👥 Аудитория: средняя 57.8%, лучшая 86%, худшая 15%

2012 год (3 фильмов):
🎯 Критики: средняя 32.0%, лучшая 62%, худшая 10%
👥 Аудитория: средняя 44.0%, лучшая 58%, худшая 18%

2015 год (5 фильмов):
🎯 Критики: средняя 48.7%, лучшая 100%, худшая 12%
👥 Аудитория: средняя 63.8%, лучшая 98%, худшая 22%

2017 год (4 фильмов):
🎯 Критики: средняя 78.7%, лучшая 94%, худшая 48%
👥 Аудитория: средняя 73.5%, лучшая 87%, худшая 35%

2019 год (5 фильмов):
🎯 Критики: средняя 24.2%, лучшая 41%, худшая 5%
👥 Аудитория: средняя 48.4%, лучшая 92%, худшая 14%

2021 год (4 фильмов):
🎯 Критики: средняя 35.8%, лучшая 83%, худшая 0%
👥 Аудитория: средняя 45.0%, лучшая 78%, худшая 10%

2022 год (4 фильмов):
🎯 Критики: средняя 62.7%, лучшая 100%, худшая 8%
👥 Аудитория: средняя 40.0%, лучшая 92%, худшая 12%

2023 год (3 фильмов):
🎯 Критики: средняя 17.5%, лучшая 35%, худшая 0%
👥 Аудитория: средняя 13.7%, лучшая 28%, худшая 5%

2025 год (3 фильмов):
🎯 Критики: средняя 57.0%, лучшая 100%, худшая 4%
👥 Аудитория: средняя 20.0%, лучшая 20%, худшая 20%

============================================================
🎭 АНАЛИЗ ПО ЖАНРАМ
============================================================

🎬 Самые популярные жанры:
• Драма: 48 фильмов
• Фантастика: 42 фильмов
• Боевик: 28 фильмов
• Военный: 22 фильмов
• Исторический: 12 фильмов
• Триллер: 10 фильмов
• Ужасы: 10 фильмов
• Комедия: 9 фильмов
• Документальный: 8 фильмов
• Приключения: 7 фильмов

⭐ Средние оценки по жанрам (минимум 3 фильма):
• Романтика: 83.4% (5 фильмов)
• Документальный: 76.8% (8 фильмов)
• Исторический: 74.2% (12 фильмов)
• Военный: 71.1% (22 фильмов)
• Триллер: 69.7% (10 фильмов)
• Драма: 64.8% (48 фильмов)
• Анимация: 57.2% (4 фильмов)
• Приключения: 40.3% (7 фильмов)
• Фантастика: 39.3% (42 фильмов)
• Комедия: 38.2% (9 фильмов)
• Ужасы: 35.4% (10 фильмов)
• Семейный: 32.0% (3 фильмов)
• Боевик: 31.5% (28 фильмов)

============================================================
✅ ИТОГОВЫЙ ОТЧЕТ
============================================================

📊 Итоговая статистика:
• Всего фильмов в базе: 100
• Из них с оценками: 100

🎬 Качество фильмов по оценкам критиков:
• Отлично (90-100%): 13 (14.0%)
• Хорошо (70-89%): 19 (20.4%)
• Средне (50-69%): 15 (16.1%)
• Плохо (0-49%): 46 (49.5%)

💡 РЕКОМЕНДАЦИИ ДЛЯ ПРОСМОТРА:
1. 🏆 Самый сбалансированный фильм (нравится и критикам, и зрителям):
«Ken Burns: The Civil War» (2015)
2. 🎯 Для ценителей высокого кино — смотрите топ фильмов по оценкам критиков
3. ❤️ Для развлечения — смотрите топ фильмов по оценкам аудитории
4. 🎲 Для споров — смотрите фильмы с максимальным расхождением оценок

📅 Отчет сгенерирован: 2025-12-17 14:37:00

============================================================
Спасибо за использование анализатора фильмов!
============================================================

Обсуждение участника:Арина Климова

2025-12-17T11:39:21Z

Арина Климова: /* Анализ статей Википедии по теме ИИ */

== Датасет ==

https://openalex.org/works?page=1&filter=title_and_abstract.search:Education+AND+(Manga+OR+Anime)
[[Файл:Photo 2025-10-04 01-58-40.jpg|мини]]

== Анализ статей Википедии по теме ИИ ==

Программа на Пайтоне проанализировала статьи Википедии на тему ИИ.
============================================================
📊 СРАВНИТЕЛЬНЫЙ АНАЛИЗ СТАТЕЙ
============================================================

📈 Общая статистика:
• Всего статей проанализировано: 32
• Общее количество слов: 4,233
• Средний размер статьи: 132 слов

📏 Размер статей:
• Самая большая: 'Акинатор' - 164 слов
• Самая маленькая: 'Отсчётный скетч' - 42 слов

🔠 Топ-15 самых частых слов во всех статьях:
1. для — 29 раз
2. обучения — 20 раз
3. как — 17 раз
4. слов — 17 раз
5. displaystyle — 16 раз
6. языка — 15 раз
7. системы — 14 раз
8. слой — 14 раз
9. сети — 14 раз
10. интеллекта — 13 раз
11. или — 11 раз
12. обучение — 10 раз
13. англ — 10 раз
14. искусственного — 9 раз
15. интеллект — 8 раз

============================================================
🎯 ОБЩИЕ ТЕМЫ И ТЕРМИНЫ
============================================================

📋 Частота ключевых терминов ИИ:
• интеллект — упоминается 40 раз
• нейрон — упоминается 39 раз
• алгоритм — упоминается 31 раз
• обучение — упоминается 19 раз
• сеть — упоминается 14 раз
• анализ — упоминается 14 раз
• модель — упоминается 11 раз
• нейросеть — упоминается 6 раз
• ml — упоминается 5 раз
• ai — упоминается 4 раз
• прогноз — упоминается 4 раз
• данные — упоминается 3 раз
• робот — упоминается 3 раз
• искусственный — упоминается 1 раз
• автоматизация — упоминается 1 раз

🏆 Статьи с наибольшим количеством терминов ИИ:
• Нейронная сеть — 19 терминов
• Вычислительный интеллект — 13 терминов
• Машинное обучение — 13 терминов
• Искусственный интеллект — 12 терминов
• Автокодировщик — 12 терминов

============================================================
📄 КРАТКАЯ ИНФОРМАЦИЯ ПО СТАТЬЯМ
============================================================

1. Искусственный интеллект
📝 Слов: 148
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D...
🏷️ Ключевые слова: системы(3), инструментов(2), интеллекта(2)

2. Вычислительный интеллект
📝 Слов: 114
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B8%D1%82%D...
🏷️ Ключевые слова: интеллект(6), вычислительный(5), computational(2)

3. Диэлла
📝 Слов: 143
🔤 Уникальных слов: 118
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%8D%D0%BB%D0%BB%D0%B0...
🏷️ Ключевые слова: искусственного(4), интеллекта(4), диэлла(3)

4. Мягкие вычисления
📝 Слов: 140
🔤 Уникальных слов: 113
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D1%8F%D0%B3%D0%BA%D0%B8%D0%B5_%D0%B2%D1%8B%...
🏷️ Ключевые слова: soft(5), computing(5), управления(3)

5. Роевой интеллект
📝 Слов: 150
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A0%D0%BE%D0%B5%D0%B2%D0%BE%D0%B9_%D0%B8%D0%BD%...
🏷️ Ключевые слова: системы(5), как(4), интеллекта(3)

6. SenseTime
📝 Слов: 153
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/SenseTime...
🏷️ Ключевые слова: sensetime(6), года(4), сяоу(3)

7. Агентно-ориентированный подход
📝 Слов: 156
🔤 Уникальных слов: 132
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D0%BE-%D0%BE%...
🏷️ Ключевые слова: программирования(3), агента(3), как(3)

8. Агентный ИИ
📝 Слов: 139
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9_%...
🏷️ Ключевые слова: моделей(4), агентный(2), искусственного(2)

9. Машинное обучение
📝 Слов: 149
🔤 Уникальных слов: 123
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%...
🏷️ Ключевые слова: обучение(8), методов(4), обучения(3)

10. Отсчётный скетч
📝 Слов: 42
🔤 Уникальных слов: 40
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D1%82%D1%81%D1%87%D1%91%D1%82%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(2), алгоритмах(2), англ(1)

11. Случайное индексирование
📝 Слов: 108
🔤 Уникальных слов: 89
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A1%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D0%BE%D...
🏷️ Ключевые слова: как(4), случайное(3), индексирование(3)

12. Тензорный скетч
📝 Слов: 113
🔤 Уникальных слов: 103
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A2%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(3), метод(3), тензорный(2)

13. Автокодировщик
📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)

14. Автоматическое машинное обучение
📝 Слов: 157
🔤 Уникальных слов: 115
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: автоматическое(5), обучения(5), данных(5)

15. Акинатор
📝 Слов: 164
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BA%D0%B8%D0%BD%D0%B0%D1%82%D0%BE%D1%80...
🏷️ Ключевые слова: вопросов(7), акинатор(5), персонажа(5)

16. Алгоритм Баума — Велша
📝 Слов: 68
🔤 Уникальных слов: 50
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: displaystyle(4), алгоритм(3), скрытой(3)

17. Нейронная сеть
📝 Слов: 158
🔤 Уникальных слов: 129
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%B0%D...
🏷️ Ключевые слова: сеть(5), сетей(4), обучения(4)

18. Модель Изинга
📝 Слов: 72
🔤 Уникальных слов: 56
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C_%D0%98%D0%B7%...
🏷️ Ключевые слова: displaystyle(5), поле(3), атомов(3)

19. Автокодировщик
📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)

20. Адаптивная резонансная теория
📝 Слов: 160
🔤 Уникальных слов: 139
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B4%D0%B0%D0%BF%D1%82%D0%B8%D0%B2%D0%BD%D...
🏷️ Ключевые слова: поля(5), распознавания(4), без(3)

21. Альфа-система подкрепления
📝 Слов: 71
🔤 Уникальных слов: 59
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D1%8C%D1%84%D0%B0-%D1%81%D0%B8%D1%81%...
🏷️ Ключевые слова: подкрепления(3), веса(3), displaystyle(3)

22. Биомолекулярная электроника
📝 Слов: 138
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%B8%D0%BE%D0%BC%D0%BE%D0%BB%D0%B5%D0%BA%D...
🏷️ Ключевые слова: электронных(3), устройств(3), основе(3)

23. Векторное представление слов
📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)

24. Вербализация нейронных сетей
📝 Слов: 155
🔤 Уникальных слов: 121
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D1%80%D0%B1%D0%B0%D0%BB%D0%B8%D0%B7%D...
🏷️ Ключевые слова: сети(5), нейронной(4), виде(4)

25. Обработка естественного языка
📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D...
🏷️ Ключевые слова: языка(4), системы(4), текстов(3)

26. Программное обеспечение для обработки естественного языка
📝 Слов: 65
🔤 Уникальных слов: 49
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D...
🏷️ Ключевые слова: обработки(3), естественного(3), языка(3)

27. Автоматическое получение размеченного корпуса
📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: корпуса(4), размеченного(3), получения(3)

28. Автоматическое реферирование
📝 Слов: 136
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: или(3), подхода(3), рование(2)

29. Алгоритм шинглов
📝 Слов: 156
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: текста(6), шинглов(4), текст(4)

30. Анализ тональности текста
📝 Слов: 154
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%BE%...
🏷️ Ключевые слова: анализа(3), тексте(3), или(3)

31. Большая языковая модель
📝 Слов: 154
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B0%D1%8F_%D1%8F%...
🏷️ Ключевые слова: обучения(4), для(4), параметров(3)

32. Векторное представление слов
📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)

Обсуждение участника:Арина Климова

2025-12-17T11:37:39Z

Арина Климова:

== Датасет ==

https://openalex.org/works?page=1&filter=title_and_abstract.search:Education+AND+(Manga+OR+Anime)
[[Файл:Photo 2025-10-04 01-58-40.jpg|мини]]

== Анализ статей Википедии по теме ИИ ==

Программа на Пайтоне проанализировала статьи Википедии на тему ИИ.
============================================================
📊 СРАВНИТЕЛЬНЫЙ АНАЛИЗ СТАТЕЙ
============================================================

📈 Общая статистика:
• Всего статей проанализировано: 32
• Общее количество слов: 4,233
• Средний размер статьи: 132 слов

📏 Размер статей:
• Самая большая: 'Акинатор' - 164 слов
• Самая маленькая: 'Отсчётный скетч' - 42 слов

🔠 Топ-15 самых частых слов во всех статьях:
1. для — 29 раз
2. обучения — 20 раз
3. как — 17 раз
4. слов — 17 раз
5. displaystyle — 16 раз
6. языка — 15 раз
7. системы — 14 раз
8. слой — 14 раз
9. сети — 14 раз
10. интеллекта — 13 раз
11. или — 11 раз
12. обучение — 10 раз
13. англ — 10 раз
14. искусственного — 9 раз
15. интеллект — 8 раз

============================================================
🎯 ОБЩИЕ ТЕМЫ И ТЕРМИНЫ
============================================================

📋 Частота ключевых терминов ИИ:
• интеллект — упоминается 40 раз
• нейрон — упоминается 39 раз
• алгоритм — упоминается 31 раз
• обучение — упоминается 19 раз
• сеть — упоминается 14 раз
• анализ — упоминается 14 раз
• модель — упоминается 11 раз
• нейросеть — упоминается 6 раз
• ml — упоминается 5 раз
• ai — упоминается 4 раз
• прогноз — упоминается 4 раз
• данные — упоминается 3 раз
• робот — упоминается 3 раз
• искусственный — упоминается 1 раз
• автоматизация — упоминается 1 раз

🏆 Статьи с наибольшим количеством терминов ИИ:
• Нейронная сеть — 19 терминов
• Вычислительный интеллект — 13 терминов
• Машинное обучение — 13 терминов
• Искусственный интеллект — 12 терминов
• Автокодировщик — 12 терминов

============================================================
📄 КРАТКАЯ ИНФОРМАЦИЯ ПО СТАТЬЯМ
============================================================

1. Искусственный интеллект
📝 Слов: 148
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D...
🏷️ Ключевые слова: системы(3), инструментов(2), интеллекта(2)

2. Вычислительный интеллект
📝 Слов: 114
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B8%D1%82%D...
🏷️ Ключевые слова: интеллект(6), вычислительный(5), computational(2)

3. Диэлла
📝 Слов: 143
🔤 Уникальных слов: 118
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%8D%D0%BB%D0%BB%D0%B0...
🏷️ Ключевые слова: искусственного(4), интеллекта(4), диэлла(3)

4. Мягкие вычисления
📝 Слов: 140
🔤 Уникальных слов: 113
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D1%8F%D0%B3%D0%BA%D0%B8%D0%B5_%D0%B2%D1%8B%...
🏷️ Ключевые слова: soft(5), computing(5), управления(3)

5. Роевой интеллект
📝 Слов: 150
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A0%D0%BE%D0%B5%D0%B2%D0%BE%D0%B9_%D0%B8%D0%BD%...
🏷️ Ключевые слова: системы(5), как(4), интеллекта(3)

6. SenseTime
📝 Слов: 153
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/SenseTime...
🏷️ Ключевые слова: sensetime(6), года(4), сяоу(3)

7. Агентно-ориентированный подход
📝 Слов: 156
🔤 Уникальных слов: 132
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D0%BE-%D0%BE%...
🏷️ Ключевые слова: программирования(3), агента(3), как(3)

8. Агентный ИИ
📝 Слов: 139
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9_%...
🏷️ Ключевые слова: моделей(4), агентный(2), искусственного(2)

9. Машинное обучение
📝 Слов: 149
🔤 Уникальных слов: 123
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%...
🏷️ Ключевые слова: обучение(8), методов(4), обучения(3)

10. Отсчётный скетч
📝 Слов: 42
🔤 Уникальных слов: 40
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D1%82%D1%81%D1%87%D1%91%D1%82%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(2), алгоритмах(2), англ(1)

11. Случайное индексирование
📝 Слов: 108
🔤 Уникальных слов: 89
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A1%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D0%BE%D...
🏷️ Ключевые слова: как(4), случайное(3), индексирование(3)

12. Тензорный скетч
📝 Слов: 113
🔤 Уникальных слов: 103
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A2%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(3), метод(3), тензорный(2)

13. Автокодировщик
📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)

14. Автоматическое машинное обучение
📝 Слов: 157
🔤 Уникальных слов: 115
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: автоматическое(5), обучения(5), данных(5)

15. Акинатор
📝 Слов: 164
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BA%D0%B8%D0%BD%D0%B0%D1%82%D0%BE%D1%80...
🏷️ Ключевые слова: вопросов(7), акинатор(5), персонажа(5)

16. Алгоритм Баума — Велша
📝 Слов: 68
🔤 Уникальных слов: 50
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: displaystyle(4), алгоритм(3), скрытой(3)

17. Нейронная сеть
📝 Слов: 158
🔤 Уникальных слов: 129
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%B0%D...
🏷️ Ключевые слова: сеть(5), сетей(4), обучения(4)

18. Модель Изинга
📝 Слов: 72
🔤 Уникальных слов: 56
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C_%D0%98%D0%B7%...
🏷️ Ключевые слова: displaystyle(5), поле(3), атомов(3)

19. Автокодировщик
📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)

20. Адаптивная резонансная теория
📝 Слов: 160
🔤 Уникальных слов: 139
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B4%D0%B0%D0%BF%D1%82%D0%B8%D0%B2%D0%BD%D...
🏷️ Ключевые слова: поля(5), распознавания(4), без(3)

21. Альфа-система подкрепления
📝 Слов: 71
🔤 Уникальных слов: 59
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D1%8C%D1%84%D0%B0-%D1%81%D0%B8%D1%81%...
🏷️ Ключевые слова: подкрепления(3), веса(3), displaystyle(3)

22. Биомолекулярная электроника
📝 Слов: 138
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%B8%D0%BE%D0%BC%D0%BE%D0%BB%D0%B5%D0%BA%D...
🏷️ Ключевые слова: электронных(3), устройств(3), основе(3)

23. Векторное представление слов
📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)

24. Вербализация нейронных сетей
📝 Слов: 155
🔤 Уникальных слов: 121
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D1%80%D0%B1%D0%B0%D0%BB%D0%B8%D0%B7%D...
🏷️ Ключевые слова: сети(5), нейронной(4), виде(4)

25. Обработка естественного языка
📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D...
🏷️ Ключевые слова: языка(4), системы(4), текстов(3)

26. Программное обеспечение для обработки естественного языка
📝 Слов: 65
🔤 Уникальных слов: 49
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D...
🏷️ Ключевые слова: обработки(3), естественного(3), языка(3)

27. Автоматическое получение размеченного корпуса
📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: корпуса(4), размеченного(3), получения(3)

28. Автоматическое реферирование
📝 Слов: 136
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: или(3), подхода(3), рование(2)

29. Алгоритм шинглов
📝 Слов: 156
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: текста(6), шинглов(4), текст(4)

30. Анализ тональности текста
📝 Слов: 154
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%BE%...
🏷️ Ключевые слова: анализа(3), тексте(3), или(3)

31. Большая языковая модель
📝 Слов: 154
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B0%D1%8F_%D1%8F%...
🏷️ Ключевые слова: обучения(4), для(4), параметров(3)

32. Векторное представление слов
📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)

АНАЛИЗАТОР ФИЛЬМОВ О ВОЙНЕ (JSON версия)
============================================================
✅ Загружено фильмов: 100

============================================================
📊 БАЗОВАЯ СТАТИСТИКА
============================================================

🎬 Всего фильмов: 100
✅ Фильмов с оценками: 100
❌ Фильмов без оценок: 0

📅 Годы выпуска:
• Самый старый: 1915 год
• Самый новый: 2025 год
• Средний год: 1998

📈 Фильмы по десятилетиям:
• 1910-е: 1 фильмов
• 1930-е: 2 фильмов
• 1950-е: 6 фильмов
• 1960-е: 10 фильмов
• 1970-е: 6 фильмов
• 1980-е: 7 фильмов
• 1990-е: 6 фильмов
• 2000-е: 15 фильмов
• 2010-е: 29 фильмов
• 2020-е: 18 фильмов

============================================================
⭐ АНАЛИЗ ОЦЕНОК
============================================================

🎯 Фильмы с оценками критиков: 93
🎯 Фильмы с оценками аудитории: 97

📊 Оценки критиков:
• Средняя: 52.4%
• Максимальная: 100%
• Минимальная: 0%

🏆 Распределение оценок критиков:
• Отлично (90-100%): 13 фильмов (14.0%)
• Хорошо (70-89%): 19 фильмов (20.4%)
• Средне (50-69%): 15 фильмов (16.1%)
• Плохо (0-49%): 46 фильмов (49.5%)

👥 Оценки аудитории:
• Средняя: 57.5%
• Максимальная: 98%
• Минимальная: 5%

❤️ Распределение оценок аудитории:
• Обожают (80-100%): 21 фильмов (21.6%)
• Нравится (60-79%): 31 фильмов (32.0%)
• Нейтрально (40-59%): 21 фильмов (21.6%)
• Не нравится (0-39%): 24 фильмов (24.7%)

============================================================
🏆 ТОП-5 ЛУЧШИХ И ХУДШИХ ФИЛЬМОВ
============================================================

⭐ ТОП-5 по оценкам критиков:
1. Love+War (2025) - 100%
2. Ken Burns: The Civil War (2015) - 100%
3. World War III (2022) - 100%
4. War and Peace (1966) - 100%
5. The Battle of Algiers (1966) - 99%

💩 ХУДШИЕ-5 по оценкам критиков:
1. War of the Worlds (2025) - 4%
2. War of the Worlds: The Revenge (2020) - 2%
3. War of the Dead (2011) - 0%
4. War of the Worlds: Annihilation (2021) - 0%
5. The War of the Worlds: The Final Final Final Chapter (2023) - 0%

❤️ ТОП-5 по оценкам аудитории:
1. Ken Burns: The Civil War (2015) - 98%
2. War and Peace (1966) - 94%
3. The Fog of War (2003) - 93%
4. War Sailor (2022) - 92%
5. The Last Full Measure (2019) - 92%

👎 ХУДШИЕ-5 по оценкам аудитории:
1. Wolves of War (2022) - 12%
2. War of the Worlds: Annihilation (2021) - 10%
3. War of the Worlds: The Revenge (2020) - 9%
4. War of the Worlds: The Attack (2023) - 8%
5. The War of the Worlds: The Final Final Final Chapter (2023) - 5%

============================================================
⚖️ РАСХОЖДЕНИЯ: КРИТИКИ vs АУДИТОРИЯ
============================================================

📈 Фильмов с обеими оценками: 90

🎉 АУДИТОРИЯ ЛЮБИТ БОЛЬШЕ, ЧЕМ КРИТИКИ (Топ-3):
1. War Room (2015)
Критики: 34% | Аудитория: 87%
Разница: +53%
2. The Last Full Measure (2019)
Критики: 41% | Аудитория: 92%
Разница: +51%
3. The War (1994)
Критики: 27% | Аудитория: 73%
Разница: +46%

🎓 КРИТИКИ ЛЮБЯТ БОЛЬШЕ, ЧЕМ АУДИТОРИЯ (Топ-3):
1. The Dogs of War (1980)
Критики: 70% | Аудитория: 53%
Разница: -17%
2. War Machine (2017)
Критики: 48% | Аудитория: 35%
Разница: -13%
3. The War of the Worlds (1953)
Критики: 89% | Аудитория: 76%
Разница: -13%

📊 Статистика расхождений:
• Средняя разница: +7.2%
• Максимальное расхождение (+): +53%
• Максимальное расхождение (-): -17%
→ Аудитория немного более лояльна, чем критики

============================================================
📅 АНАЛИЗ ПО ГОДАМ (только годы с 3+ фильмами)
============================================================

🎬 Анализ по годам:

1966 год (4 фильмов):
🎯 Критики: средняя 86.8%, лучшая 100%, худшая 55%
👥 Аудитория: средняя 84.8%, лучшая 94%, худшая 67%

2005 год (3 фильмов):
🎯 Критики: средняя 80.7%, лучшая 82%, худшая 78%
👥 Аудитория: средняя 77.0%, лучшая 85%, худшая 72%

2006 год (4 фильмов):
🎯 Критики: средняя 71.2%, лучшая 87%, худшая 65%
👥 Аудитория: средняя 71.0%, лучшая 80%, худшая 58%

2011 год (4 фильмов):
🎯 Критики: средняя 52.2%, лучшая 88%, худшая 0%
👥 Аудитория: средняя 57.8%, лучшая 86%, худшая 15%

2012 год (3 фильмов):
🎯 Критики: средняя 32.0%, лучшая 62%, худшая 10%
👥 Аудитория: средняя 44.0%, лучшая 58%, худшая 18%

2015 год (5 фильмов):
🎯 Критики: средняя 48.7%, лучшая 100%, худшая 12%
👥 Аудитория: средняя 63.8%, лучшая 98%, худшая 22%

2017 год (4 фильмов):
🎯 Критики: средняя 78.7%, лучшая 94%, худшая 48%
👥 Аудитория: средняя 73.5%, лучшая 87%, худшая 35%

2019 год (5 фильмов):
🎯 Критики: средняя 24.2%, лучшая 41%, худшая 5%
👥 Аудитория: средняя 48.4%, лучшая 92%, худшая 14%

2021 год (4 фильмов):
🎯 Критики: средняя 35.8%, лучшая 83%, худшая 0%
👥 Аудитория: средняя 45.0%, лучшая 78%, худшая 10%

2022 год (4 фильмов):
🎯 Критики: средняя 62.7%, лучшая 100%, худшая 8%
👥 Аудитория: средняя 40.0%, лучшая 92%, худшая 12%

2023 год (3 фильмов):
🎯 Критики: средняя 17.5%, лучшая 35%, худшая 0%
👥 Аудитория: средняя 13.7%, лучшая 28%, худшая 5%

2025 год (3 фильмов):
🎯 Критики: средняя 57.0%, лучшая 100%, худшая 4%
👥 Аудитория: средняя 20.0%, лучшая 20%, худшая 20%

============================================================
🎭 АНАЛИЗ ПО ЖАНРАМ
============================================================

🎬 Самые популярные жанры:
• Драма: 48 фильмов
• Фантастика: 42 фильмов
• Боевик: 28 фильмов
• Военный: 22 фильмов
• Исторический: 12 фильмов
• Триллер: 10 фильмов
• Ужасы: 10 фильмов
• Комедия: 9 фильмов
• Документальный: 8 фильмов
• Приключения: 7 фильмов

⭐ Средние оценки по жанрам (минимум 3 фильма):
• Романтика: 83.4% (5 фильмов)
• Документальный: 76.8% (8 фильмов)
• Исторический: 74.2% (12 фильмов)
• Военный: 71.1% (22 фильмов)
• Триллер: 69.7% (10 фильмов)
• Драма: 64.8% (48 фильмов)
• Анимация: 57.2% (4 фильмов)
• Приключения: 40.3% (7 фильмов)
• Фантастика: 39.3% (42 фильмов)
• Комедия: 38.2% (9 фильмов)
• Ужасы: 35.4% (10 фильмов)
• Семейный: 32.0% (3 фильмов)
• Боевик: 31.5% (28 фильмов)

============================================================
✅ ИТОГОВЫЙ ОТЧЕТ
============================================================

📊 Итоговая статистика:
• Всего фильмов в базе: 100
• Из них с оценками: 100

🎬 Качество фильмов по оценкам критиков:
• Отлично (90-100%): 13 (14.0%)
• Хорошо (70-89%): 19 (20.4%)
• Средне (50-69%): 15 (16.1%)
• Плохо (0-49%): 46 (49.5%)

💡 РЕКОМЕНДАЦИИ ДЛЯ ПРОСМОТРА:
1. 🏆 Самый сбалансированный фильм (нравится и критикам, и зрителям):
«Ken Burns: The Civil War» (2015)
2. 🎯 Для ценителей высокого кино — смотрите топ фильмов по оценкам критиков
3. ❤️ Для развлечения — смотрите топ фильмов по оценкам аудитории
4. 🎲 Для споров — смотрите фильмы с максимальным расхождением оценок

📅 Отчет сгенерирован: 2025-12-17 14:37:00

============================================================
Спасибо за использование анализатора фильмов!
============================================================

Обсуждение участника:Арина Климова

2025-12-17T11:32:08Z

Арина Климова: /* Анализ статей Википедии по теме ИИ */ новая тема

== Датасет ==

https://openalex.org/works?page=1&filter=title_and_abstract.search:Education+AND+(Manga+OR+Anime)
[[Файл:Photo 2025-10-04 01-58-40.jpg|мини]]

== Анализ статей Википедии по теме ИИ ==

Программа на Пайтоне проанализировала статьи Википедии на тему ИИ.
============================================================
📊 СРАВНИТЕЛЬНЫЙ АНАЛИЗ СТАТЕЙ
============================================================

📈 Общая статистика:
• Всего статей проанализировано: 32
• Общее количество слов: 4,233
• Средний размер статьи: 132 слов

📏 Размер статей:
• Самая большая: 'Акинатор' - 164 слов
• Самая маленькая: 'Отсчётный скетч' - 42 слов

🔠 Топ-15 самых частых слов во всех статьях:
1. для — 29 раз
2. обучения — 20 раз
3. как — 17 раз
4. слов — 17 раз
5. displaystyle — 16 раз
6. языка — 15 раз
7. системы — 14 раз
8. слой — 14 раз
9. сети — 14 раз
10. интеллекта — 13 раз
11. или — 11 раз
12. обучение — 10 раз
13. англ — 10 раз
14. искусственного — 9 раз
15. интеллект — 8 раз

============================================================
🎯 ОБЩИЕ ТЕМЫ И ТЕРМИНЫ
============================================================

📋 Частота ключевых терминов ИИ:
• интеллект — упоминается 40 раз
• нейрон — упоминается 39 раз
• алгоритм — упоминается 31 раз
• обучение — упоминается 19 раз
• сеть — упоминается 14 раз
• анализ — упоминается 14 раз
• модель — упоминается 11 раз
• нейросеть — упоминается 6 раз
• ml — упоминается 5 раз
• ai — упоминается 4 раз
• прогноз — упоминается 4 раз
• данные — упоминается 3 раз
• робот — упоминается 3 раз
• искусственный — упоминается 1 раз
• автоматизация — упоминается 1 раз

🏆 Статьи с наибольшим количеством терминов ИИ:
• Нейронная сеть — 19 терминов
• Вычислительный интеллект — 13 терминов
• Машинное обучение — 13 терминов
• Искусственный интеллект — 12 терминов
• Автокодировщик — 12 терминов

============================================================
📄 КРАТКАЯ ИНФОРМАЦИЯ ПО СТАТЬЯМ
============================================================

1. Искусственный интеллект
📝 Слов: 148
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D...
🏷️ Ключевые слова: системы(3), инструментов(2), интеллекта(2)

2. Вычислительный интеллект
📝 Слов: 114
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B8%D1%82%D...
🏷️ Ключевые слова: интеллект(6), вычислительный(5), computational(2)

3. Диэлла
📝 Слов: 143
🔤 Уникальных слов: 118
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%8D%D0%BB%D0%BB%D0%B0...
🏷️ Ключевые слова: искусственного(4), интеллекта(4), диэлла(3)

4. Мягкие вычисления
📝 Слов: 140
🔤 Уникальных слов: 113
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D1%8F%D0%B3%D0%BA%D0%B8%D0%B5_%D0%B2%D1%8B%...
🏷️ Ключевые слова: soft(5), computing(5), управления(3)

5. Роевой интеллект
📝 Слов: 150
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A0%D0%BE%D0%B5%D0%B2%D0%BE%D0%B9_%D0%B8%D0%BD%...
🏷️ Ключевые слова: системы(5), как(4), интеллекта(3)

6. SenseTime
📝 Слов: 153
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/SenseTime...
🏷️ Ключевые слова: sensetime(6), года(4), сяоу(3)

7. Агентно-ориентированный подход
📝 Слов: 156
🔤 Уникальных слов: 132
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D0%BE-%D0%BE%...
🏷️ Ключевые слова: программирования(3), агента(3), как(3)

8. Агентный ИИ
📝 Слов: 139
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9_%...
🏷️ Ключевые слова: моделей(4), агентный(2), искусственного(2)

9. Машинное обучение
📝 Слов: 149
🔤 Уникальных слов: 123
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%...
🏷️ Ключевые слова: обучение(8), методов(4), обучения(3)

10. Отсчётный скетч
📝 Слов: 42
🔤 Уникальных слов: 40
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D1%82%D1%81%D1%87%D1%91%D1%82%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(2), алгоритмах(2), англ(1)

11. Случайное индексирование
📝 Слов: 108
🔤 Уникальных слов: 89
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A1%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D0%BE%D...
🏷️ Ключевые слова: как(4), случайное(3), индексирование(3)

12. Тензорный скетч
📝 Слов: 113
🔤 Уникальных слов: 103
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%A2%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D...
🏷️ Ключевые слова: скетч(3), метод(3), тензорный(2)

13. Автокодировщик
📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)

14. Автоматическое машинное обучение
📝 Слов: 157
🔤 Уникальных слов: 115
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: автоматическое(5), обучения(5), данных(5)

15. Акинатор
📝 Слов: 164
🔤 Уникальных слов: 124
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BA%D0%B8%D0%BD%D0%B0%D1%82%D0%BE%D1%80...
🏷️ Ключевые слова: вопросов(7), акинатор(5), персонажа(5)

16. Алгоритм Баума — Велша
📝 Слов: 68
🔤 Уникальных слов: 50
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: displaystyle(4), алгоритм(3), скрытой(3)

17. Нейронная сеть
📝 Слов: 158
🔤 Уникальных слов: 129
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%B0%D...
🏷️ Ключевые слова: сеть(5), сетей(4), обучения(4)

18. Модель Изинга
📝 Слов: 72
🔤 Уникальных слов: 56
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C_%D0%98%D0%B7%...
🏷️ Ключевые слова: displaystyle(5), поле(3), атомов(3)

19. Автокодировщик
📝 Слов: 154
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D0%B4%D0%B8%D...
🏷️ Ключевые слова: слой(7), автокодировщика(4), входной(3)

20. Адаптивная резонансная теория
📝 Слов: 160
🔤 Уникальных слов: 139
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B4%D0%B0%D0%BF%D1%82%D0%B8%D0%B2%D0%BD%D...
🏷️ Ключевые слова: поля(5), распознавания(4), без(3)

21. Альфа-система подкрепления
📝 Слов: 71
🔤 Уникальных слов: 59
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D1%8C%D1%84%D0%B0-%D1%81%D0%B8%D1%81%...
🏷️ Ключевые слова: подкрепления(3), веса(3), displaystyle(3)

22. Биомолекулярная электроника
📝 Слов: 138
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%B8%D0%BE%D0%BC%D0%BE%D0%BB%D0%B5%D0%BA%D...
🏷️ Ключевые слова: электронных(3), устройств(3), основе(3)

23. Векторное представление слов
📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)

24. Вербализация нейронных сетей
📝 Слов: 155
🔤 Уникальных слов: 121
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D1%80%D0%B1%D0%B0%D0%BB%D0%B8%D0%B7%D...
🏷️ Ключевые слова: сети(5), нейронной(4), виде(4)

25. Обработка естественного языка
📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9E%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D...
🏷️ Ключевые слова: языка(4), системы(4), текстов(3)

26. Программное обеспечение для обработки естественного языка
📝 Слов: 65
🔤 Уникальных слов: 49
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D...
🏷️ Ключевые слова: обработки(3), естественного(3), языка(3)

27. Автоматическое получение размеченного корпуса
📝 Слов: 152
🔤 Уникальных слов: 133
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: корпуса(4), размеченного(3), получения(3)

28. Автоматическое реферирование
📝 Слов: 136
🔤 Уникальных слов: 120
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D...
🏷️ Ключевые слова: или(3), подхода(3), рование(2)

29. Алгоритм шинглов
📝 Слов: 156
🔤 Уникальных слов: 125
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%...
🏷️ Ключевые слова: текста(6), шинглов(4), текст(4)

30. Анализ тональности текста
📝 Слов: 154
🔤 Уникальных слов: 134
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%BE%...
🏷️ Ключевые слова: анализа(3), тексте(3), или(3)

31. Большая языковая модель
📝 Слов: 154
🔤 Уникальных слов: 130
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B0%D1%8F_%D1%8F%...
🏷️ Ключевые слова: обучения(4), для(4), параметров(3)

32. Векторное представление слов
📝 Слов: 129
🔤 Уникальных слов: 100
🔗 Ссылка: https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D...
🏷️ Ключевые слова: слов(7), для(6), языка(3)

Файл:11.png

2025-12-17T11:30:36Z

Арина Климова:

Обсуждение участника:Арина Климова

2025-10-15T10:13:30Z

Арина Климова: /* Датасет */ новая тема

== Датасет ==

https://openalex.org/works?page=1&filter=title_and_abstract.search:Education+AND+(Manga+OR+Anime)
[[Файл:Photo 2025-10-04 01-58-40.jpg|мини]]

Файл:Photo 2025-10-04 01-58-40.jpg

2025-10-15T10:13:16Z

Арина Климова:

Датасет

Участник:Арина Климова

2025-10-15T10:08:36Z

Арина Климова:

{{UserMGPU
|Field_of_knowledge=Математика, Химия, Биология, Астрономия, География, Информатика, Робототехника, История, Медицина, Педагогика, Психология, Социология, Экономика, Археология, Образование, NetSci, Лингвистика, Искусственный интеллект, Управление, Урбанистика, Культура, Литература, Интернет вещей, Мобильное обучение, Обществознание, Game design, Большие данные, Геометрия, Спорт, Игра, Картография, Статистика, Моделирование, Музыка, Философия, Мехатроника, Схемотехника, Алгебра, Филология, Инженерия, Агрономия, Коррекционная педагогика, Иностранный язык
|Profile=Информатика, Английский язык
|PedDirection=Да
|Community=МГПУ, genshin impact
|Виды_спорта=Бег
}}
[[Категория:UserMGPU]]
[[Категория:ИНФА-221]]

Участник:Арина Климова

2025-10-15T10:07:00Z

Арина Климова: Новая страница: «Категория:UserMGPU Категория:ИНФА-221»

[[Категория:UserMGPU]]
[[Категория:ИНФА-221]]