Difference between revisions of "Orange: Document Map"

Revision as of 19:52, 11 April 2020

Sumber: https://orange3-text.readthedocs.io/en/latest/widgets/docmap.html

Widget Document Map menayangkan lokasi geographic yang melakukan mention di text.

Input

Data: Data set.

Output

Corpus: Documents containing mentions of selected geographical regions.

Widget Document Map menunjukkan geolokasi dari data text (string). Widget Document Map menemukan mention nama geografis (negara dan ibu kota) dan menampilkan distribusi (frekuensi sebutan) dari nama-nama ini di peta. Peta Dokumen Widget berfungsi dengan widget Orange yang lain yang menghasilkan tabel data dan yang berisi setidaknya satu atribut string. Widget menampilkan instance data yang dipilih, yaitu semua dokumen yang berisi menyebutkan negara yang dipilih (atau negara).

Select the meta attribute you want to search geolocations by. The widget will find all mentions of geolocations in a text and display distributions on a map.
Select the type of map you wish to display. The options are World, Europe and USA. You can zoom in and out of the map by pressing + and - buttons on a map or by mouse scroll.
The legend for the geographic distribution of data. Countries with the boldest color are most often mentioned in the selected region attribute (highest frequency).

To select documents mentioning a specific country, click on a country and the widget will output matching documents. To select more than one country hold Ctrl/Cmd upon selection.

Contoh

WIdget Document Map dapat digunakan hanya untuk memvisualisasikan distribusi geolocations atau untuk analisis data interaktif yang lebih kompleks. Di sini, kita telah meminta widget NY Times untuk artikel di Slovenia untuk periode waktu tahun lalu (2015-2016). Pertama kami memeriksa hasilnya dengan widget Corpus Viewer.

Kemudian kami mengirim data ke widget Document Map untuk melihat distribusi atribut geolocations by country. Atribut tersebut sudah berisi tag negara untuk setiap artikel, itulah mengapa widget NY Times sangat bagus dalam kombinasi dengan widget Document Map. Kita memilih Germany, yang mengirimkan semua dokumen yang ditandai dengan Germany ke output. Padahal, kita menanyakan widget NY Times untuk artikel di Slovenia, bukan Germany.

Kami kembali dapat memeriksa output dengan widget Corpus Viewer. Tetapi ada cara yang lebih menarik untuk memvisualisasikan data. Kami telah mengirim dokumen yang dipilih ke widget Preprocess Text, tempat kami men-tokenized text ke words dan menghapus stopword.

Akhirnya, kita dapat memeriksa kata-kata teratas yang muncul dalam dokumen tahun yang kita inginkan di Slovenia dan menyebut juga Germany dengan widget Word Cloud.

Referensi

https://orange3-text.readthedocs.io/en/latest/widgets/docmap.html

Pranala Menarik

Orange

@@ Line 25: / Line 25: @@
 ==Contoh==
-Document Map widget can be used for simply visualizing distributions of geolocations or for a more complex interactive data analysis. Here, we’ve queried NY Times for articles on Slovenia for the time period of the last year (2015-2016). First we checked the results with Corpus Viewer.
+WIdget Document Map dapat digunakan hanya untuk memvisualisasikan distribusi geolocations atau untuk analisis data interaktif yang lebih kompleks. Di sini, kita telah meminta widget NY Times untuk artikel di Slovenia untuk periode waktu tahun lalu (2015-2016). Pertama kami memeriksa hasilnya dengan widget Corpus Viewer.
 [[File:DocMap-Example.png|center|200px|thumb]]
-Then we sent the data to Document Map to see distributions of geolocations by country attribute. The attribute already contains country tags for each article, which is why NY Times is great in combinations with Document Map. We selected Germany, which sends all the documents tagged with Germany to the output. Remember, we queried NY Times for articles on Slovenia.
+Kemudian kami mengirim data ke widget Document Map untuk melihat distribusi atribut geolocations by country. Atribut tersebut sudah berisi tag negara untuk setiap artikel, itulah mengapa widget NY Times sangat bagus dalam kombinasi dengan widget Document Map. Kita memilih Germany, yang mengirimkan semua dokumen yang ditandai dengan Germany ke output. Padahal, kita menanyakan widget NY Times untuk artikel di Slovenia, bukan Germany.
-We can again inspect the output with Corpus Viewer. But there’s a more interesting way of visualizing the data. We’ve sent selected documents to Preprocess Text, where we’ve tokenized text to words and removed stopwords.
-Finally, we can inspect the top words appearing in last year’s documents on Slovenia and mentioning also Germany with Word Cloud.
+Kami kembali dapat memeriksa output dengan widget Corpus Viewer. Tetapi ada cara yang lebih menarik untuk memvisualisasikan data. Kami telah mengirim dokumen yang dipilih ke widget Preprocess Text, tempat kami men-tokenized text ke words dan menghapus stopword.
+Akhirnya, kita dapat memeriksa kata-kata teratas yang muncul dalam dokumen tahun yang kita inginkan di Slovenia dan menyebut juga Germany dengan widget Word Cloud.
 ==Referensi==