南昌vi设计公司的设计目的在于代表企业或品牌的形象，良好的南昌vi设计公司建立起品牌和客户之间的联系：

南昌vi设计公司思路：

在网上，事情发生得很快。在一条热门推文传遍世界后，很少会有任何持久的情绪——我们通常会很快进入下一条，然后才完全理解上一条的含义。

但在2017年10月15日，艾莉莎米兰诺的#MeToo推文引发了大量故事，对我自己和其他成千上万的人来说，这些故事鼓励了真正的暂停和回顾。梳理网上的标签，阅读朋友、同事和熟人通过脸书分享的无数经历，许多令人不安和不安的过去遭遇开始有了新的意义。曾经被认为是生活中不可避免和不可避免的一部分遇到了强大的阻力和全球团结网络。我从来没有花这么长时间通读一个标签的结果——试图理解这一切，并感觉与这么多我从未见过的女性联系在一起。纽约帕森斯设计学院的数据可视化学生埃莉弗莱米尔也是如此。

对于拥有数学学士学位和在分析咨询公司工作经验的弗莱米尔来说，抓住#MeToo运动的显而易见的方法是通过数据。"我想知道：人们用#MeToo到底在说什么？"当我在开普敦今年的因达巴设计展上遇到她时，她对我说，她刚刚提交了她的帕森论文项目，作为大会全球研究生项目的一部分。"我很好奇是谁在使用这个标签。他们有什么故事？"

使用k均值聚类分析——一种无监督的机器学习过程，使用输入在数据中寻找自然群体——弗莱米雷已经确定了与#MeToo相关的单词和主题。简而言之，k-均值聚类是一种使用算法在一组数据中找到组的方法，因此，数据科学家不是自己定义组，而是让您看到在没有人工干预的情况下形成的组。例如，如果一条推文包含"特朗普"和"投票"这两个词，它会被分配到使用这些词的其他推文中，然后被放入相似词的集群中。结果意味着，含有"特朗普"等词的推文最终与使用"克林顿"和"民主党"的推文聚集在一起。该算法不知道它们是政治推文，但根据推文中的单词，它知道它们属于一起。

弗莱米尔项目的结果是一系列的集群——准确地说是425个。这些集群的规模各不相同：例如，一个包含3641条推文的集群是通过共享使用"勇气"、"女性"、"最终"、"权力"、"相信"、"人"、"爱"和"孤独"等词而聚集在一起的。另一条有2437条推文，其热门词汇包括"强奸"、"虐待"、"好奇"、"公众"、"男人"和"真实"。在分析这些聚类时，弗莱米尔发现了一些细节，例如"权力"一词经常出现在关于工作场所性侵犯的推文中。

"一旦我使用了一个公正的解决方案来进行分组，我就可以把我的影响力放在首位，“弗莱米尔说。通过查看她的发现，出现了几个主题——然后弗莱米尔将其组织成一系列数据可视化，用于她的项目的网络平台。她的第一个主题是政治集群——其推文的热门词汇包括"投票"、"请"、"结束"和"特朗普"。在网上滚动可视化，你可以阅读组成集群的单个推文：代表每个推文的点越大，分享就越多“MeToo不是一个政治问题，但它被认为是一个问题，“弗莱米尔说。

第二个主题是工作场所集群“MeToo引发了关于工作场所性骚扰的讨论，“弗莱米尔说。"通过这些集群，我们可以观察到这场运动的核心租户是如何滥用权力的。"接下来，愤怒的集群揭示了该运动的支持者和批评者的愤怒——它的推特上充斥着"操"、"狗屎"、"恶心"等词汇。对话集群以鼓舞人心的故事为特色，旨在鼓励变革和讨论。最后，令人振奋的集群体现了该运动如何创造了一个支持社区，以及它如何赞扬勇敢的女性和男性挺身而出。

"虽然我对这些发现有自己的解释，但我认为我们所有人都应该在这场运动中找到力量和成长，"弗雷米尔说。"这项工作没有完成，也永远不会完成。不仅在增长，数据也在膨胀。理解数字原生运动的方法太多了。"

当一个时刻或者一个动作在网上出现时，它通常会被简化成数字。我们看到一个观点被转发或点赞的次数，或者我们在新闻中听到X数量的人使用了特定的标签。然而

南昌vi设计公司文章总结：