Асадова Хадижа в 10:48, 13 июня 2026

2026-06-13T10:48:13Z

← Предыдущая версия		Версия от 13:48, 13 июня 2026
Строка 1:		Строка 1:
	== Описание ~~корпуса~~ ==		== Описание ==

	На этой странице представлен R-скрипт анализа трёх текстов с платформы digida.mgpu.ru:		На этой странице представлен R-скрипт анализа трёх текстов с платформы digida.mgpu.ru:
Строка 34:		Строка 34:
	count(word, sort = TRUE) %>%		count(word, sort = TRUE) %>%
	head(10)		head(10)

			# 6. TTR (лексическое разнообразие)
			words <- data %>%
			unnest_tokens(word, text) %>%
			count(word, sort = TRUE)

			total_tokens <- sum(words$n)
			total_types <- nrow(words)
			ttr <- total_types / total_tokens

			cat("Токенов:", total_tokens, "\n")
			cat("Типов:", total_types, "\n")
			cat("TTR:", round(ttr, 4), "\n")

			# 7. Биграммы
			data %>%
			unnest_tokens(bigram, text, token = "ngrams", n = 2) %>%
			count(bigram, sort = TRUE) %>%
			head(10)

			# 8. График топ-10 слов
			words %>%
			head(10) %>%
			ggplot(aes(x = reorder(word, n), y = n)) +
			geom_col(fill = "steelblue") +
			coord_flip() +
			labs(title = "Топ-10 слов в корпусе", x = "Слово", y = "Частота") +
			theme_minimal() +
			theme(plot.title = element_text(hjust = 0.5, face = "bold"))
	</syntaxhighlight>		</syntaxhighlight>

	== Результаты ==		== Результаты ==

			=== Статистика корпуса ===

	{\| class="wikitable"		{\| class="wikitable"
Строка 48:		Строка 79:
	\|-		\|-
	\| Слов в ''Literacy and Education'' \|\| 38		\| Слов в ''Literacy and Education'' \|\| 38
			\|-
			\| Всего токенов \|\| 102
			\|-
			\| Уникальных слов (типов) \|\| 89
			\|-
			\| TTR \|\| 0.8725
	\|}		\|}

	~~'''~~Топ-10 ~~самых частых~~ слов~~:'''~~		=== Топ-10 слов ===

	{\| class="wikitable"		{\| class="wikitable"
	! Слово !! Частота		! Слово !! Частота
			\|-
			\| и \|\| 3
			\|-
			\| the \|\| 3
			\|-
			\| literacy \|\| 3
	\|-		\|-
	\| and \|\| 3		\| and \|\| 3
	\|-		\|-
	\| ~~literacy~~ \|\| 3		\| памяти \|\| 2
			\|-
			\| информацию \|\| 2
	\|-		\|-
	\| ~~the~~ \|\| 3		\| how \|\| 2
	\|-		\|-
	\| и \|\| 3		\| as \|\| 2
	\|-		\|-
	\| a \|\| 2		\| a \|\| 2
	\|-		\|-
	\| as \|\| 2		\| be \|\| 1
			\|}

			=== Топ-10 биграмм ===

			{\| class="wikitable"
			! Биграмма !! Частота
			\|-
			\| as a \|\| 2
			\|-
			\| how literacy \|\| 2
			\|-
			\| a mental \|\| 1
			\|-
			\| a social \|\| 1
			\|-
			\| and cultural \|\| 1
			\|-
			\| and education \|\| 1
	\|-		\|-
	\| ~~how~~ \|\| 2		\| and wandered \|\| 1
	\|-		\|-
	\| ~~информацию~~ \|\| 2		\| be seen \|\| 1
	\|-		\|-
	\| ~~памяти~~ \|\| 2		\| but as \|\| 1
	\|-		\|-
	\| be \|\| 1		\| came to \|\| 1
	\|}		\|}

			=== Визуализация ===

			[[Файл:Rplot.png\|600px\|center\|frameless\|Топ-10 слов в корпусе]]

	== Выводы ==		== Выводы ==

	Корпус состоит из трёх текстов~~, общий объём —~~ 102 слова. ~~Наиболее частотные~~ слова — служебные (and, the, и), что типично для смешанного русско-английского корпуса. Среди содержательных слов выделяются «literacy», «информацию» и «памяти» — они отражают общую тематику корпуса.		Корпус состоит из трёх текстов общим объёмом 102 слова. TTR равен 0.8725 — это очень высокий показатель, означающий что почти все слова в корпусе уникальны и лексика разнообразна. Среди частотных слов лидируют служебные (and, the, и), что типично для смешанного русско-английского корпуса. Среди содержательных слов выделяются «literacy», «информацию» и «памяти» — они отражают общую тематику корпуса. Топ биграммы «as a» и «how literacy» указывают на академический стиль текстов.

	[[Категория:CompLing Works]]		[[Категория:CompLing Works]]

Асадова Хадижа: Новая страница: «== Описание корпуса == На этой странице представлен R-скрипт анализа трёх текстов с платформы digida.mgpu.ru: * Sorting Things Out * On memory * Literacy and Education == R-скрипт == library(tidyverse) library(tidytext) # 1. Загрузка данных data <- read_csv("corpus.csv") # 2. Структура данных glimpse(d...»

2026-06-13T10:40:19Z

Новая страница: «== Описание корпуса == На этой странице представлен R-скрипт анализа трёх текстов с платформы digida.mgpu.ru: * Sorting Things Out * On memory * Literacy and Education == R-скрипт == <syntaxhighlight lang="R" line> library(tidyverse) library(tidytext) # 1. Загрузка данных data <- read_csv("corpus.csv") # 2. Структура данных glimpse(d...»

Новая страница

== Описание корпуса ==

На этой странице представлен R-скрипт анализа трёх текстов с платформы digida.mgpu.ru:

* [[Sorting Things Out]]
* [[On memory]]
* [[Literacy and Education]]

== R-скрипт ==

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

# 1. Загрузка данных
data <- read_csv("corpus.csv")

# 2. Структура данных
glimpse(data)

# 3. Общее количество слов в корпусе
data %>%
mutate(word_count = str_count(text, "\\S+")) %>%
summarise(total = sum(word_count))

# 4. Слов по каждому тексту
data %>%
mutate(word_count = str_count(text, "\\S+")) %>%
select(title, author, year, word_count)

# 5. Топ-10 самых частых слов
data %>%
unnest_tokens(word, text) %>%
count(word, sort = TRUE) %>%
head(10)
</syntaxhighlight>

== Результаты ==

{| class="wikitable"
! Показатель !! Значение
|-
| Всего слов в корпусе || 102
|-
| Слов в ''Sorting Things Out'' || 31
|-
| Слов в ''On memory'' || 33
|-
| Слов в ''Literacy and Education'' || 38
|}

'''Топ-10 самых частых слов:'''

{| class="wikitable"
! Слово !! Частота
|-
| and || 3
|-
| literacy || 3
|-
| the || 3
|-
| и || 3
|-
| a || 2
|-
| as || 2
|-
| how || 2
|-
| информацию || 2
|-
| памяти || 2
|-
| be || 1
|}

== Выводы ==

Корпус состоит из трёх текстов, общий объём — 102 слова. Наиболее частотные слова — служебные (and, the, и), что типично для смешанного русско-английского корпуса. Среди содержательных слов выделяются «literacy», «информацию» и «памяти» — они отражают общую тематику корпуса.

[[Категория:CompLing Works]]

R-script Хадижа - История изменений

Асадова Хадижа в 10:48, 13 июня 2026