• Like
  • Save
Social media reporting
Upcoming SlideShare
Loading in...5
×
 

Social media reporting

on

  • 530 views

Webmining e SocialMedia data for contextual environmental

Webmining e SocialMedia data for contextual environmental
analisys
Dott. Alfonso Crisci

Introduzione ai tool social

Statistics

Views

Total Views
530
Views on SlideShare
530
Embed Views
0

Actions

Likes
1
Downloads
4
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Social media reporting Social media reporting Presentation Transcript

    • Web mining &Social Mediadata forcontextualenvironmentalanalisysAlfonso CrisciIBIMET-CNR
    • Backgrounds“Un social network è unastruttura sociale fatta diindividui (o organizzazioni)chiamato "nodi", che sono legati(connessi) da uno o più tipispecifici di interdipendenza,come lamicizia, parentela,interessi comuni specifici,scambi finanziari, antipatie,rapporti affettivi, o rapporti dicredenze, conoscenze o diprestigio ”.[http://en.wikipedia.org/wiki/Social_network]. Presentazione video Mediagroup http://www.youtube.com/v/XLgM1UAiRXU
    • Basi dell’ analisi delle relazioni in un Social Network • “I Sei gradi di separazione" sono una teoria creata da un autore ungherese Frigyes Karinthy nel 20esimo secolo. E’ unipotesi secondo cui qualunque persona può essere collegata a qualunque altra persona attraverso una catena di conoscenze con non più di 5 intermediari (it.wikipedia.org/wiki/Sei_gradi_di_separazione). • Negli 1960, negli Stati Uniti psicologo sociale Stanley Milgram ha fatto una serie di esperimenti seminali “Small-World experiments " cioè su piccole comunità per stimare la distanza media tra gli individui allinterno di una rete sociale che confermarono la teoria.
    • Basi dell’ analisi delle relazioni in un Social Network• Duncan Watts [2] riprese per conto suo lesperimento di Milgram su Internet su un campione di 48.000 differenti persone residenti in 157 stati diversi, nei confronti di 19 "bersagli", Watts trovò che il numero medio di intermediari era effettivamente sei. I social media seguono questa teoria e in Twittersphere ci sono conferme importanti: [3] FCheng, Sysomos Inc.
    • Definizione di WEB Informative Spaces• Sono i luoghi di circolazione dell’informazione ovvero le relazione di comunicazione interne delle WEB community ( istituzionali, di servizio, dedicati e informali) in cui circolano contenuti di significato legati dalla semantica connessa da un insieme di vocaboli o da determinati simboli visuali o audio.• Il termine completo in lingua inglese è SSIS Social Semantic Information Spaces [3] (Breslin & Decker, 2006)• I web social network sono sensibili alla dimensione geo e temporale dei partecipanti . In ambienti di prossimità esiste compressione ( chat in una stanza) cioè hanno una dimensione geo e time. Sono soggetti a stagionalità e a shift- breaking non stazionari ( diurnal cycle, work cycle, calendar effect, event effect).
    • Visualizzazione degli WEB Informative Spaces• Essi tendono ad essere visualizzati come grafi dinamici. Il suffisso –”sphere” molto comune tenderebbe a indicarne una morfologia isotropa ma in realtà è perché le relazione si istanzia come struttura grazie all’attività dei nodi che alla chiralità dei flussi fra essi. La stabilità dello spazio informativo dato una WEB tecnologia, ( → piattaforma) dipende dalla sua usabilità e dal suo ranking di preferenza fra gli utenti WEB.• Dai SSIS abbiamo innazitutto dei cosidetti "social awareness streams" direttamente da piattorme come Twitter e Facebook (Fulda et al,2011)[4] su cui lavorare per fornire la densità spaziali di impatto emotivo rispetto a un campo semantico.• Esistono diverse categorie di social network : di social-networking (Facebook) collaborative authoring (Wikipedia), social bargain-hunting (Groupon) e soprattutto i Location based social network facilitari di socializzazione fisica e potenziali collettori di informazione geo.
    • Dinamiche di contaminazione e crescita del livello di TRUST [5] Shekhar & Oliver• La creazione di un social network è la crescita di un livello di una grandezza scalare di sistema chiamata FIDUCIA che tende a crescere nel tempo durante la fase di crescita del SSIS. Due stadi in evidenza : visitors ( relazione occasionale a volte randomica) e friend (relazione stabile).• Non sono note le relazioni fra fiducia e gli stadi dei vari processi di formazione della rete e lo sviluppo di nodi leader.
    • QUATTRO S TONES dal paradigma strategico dell’Intelligent business (Sysomos LTD[3]) Ascolto Cercare Web Mining Raccogliere News/Media info Misurare Geolocalizzare Rappresentare Comprendere Verificare Inferire Coinvolgere Prevedere Agire
    • S ocial Networt sono sociologia: dueeventi recenti Ascolto News/Media Eta distribuzione Bin laden Tweets Ascolto Blog Matrimonio reale inglese Tweets[3] Blog, Sysomos Inc.
    • Strumenti e esperienze Senza la pretesa di esser esaustivo vorrei indicare solo alcune esperienze di riferimento utili e/o significative su questo tema. Sono tutte esperienze con un nuova classe di dati SOCIAL MEDIA DATA
    • Strumenti: Google Trends no profit •E’ un servizio Google che dai volumi di traffico news e di matches su stringhe di ricerca. •Sono dati derivati da flussi internet assimilabili alla categoria di Web Analitics Data. •In evidenza: Google Insigth, Google trend for website e Google fusion per mashup di dati geo. Solo API non ufficiali in Python http://pypi.python.org/pypi/pyGTrends/0.81
    • Strumenti: Google Social API free Utile per studiare la social connettività di un sito. Social Graph API - Site ConnectivityPossiamo stare tranquilli il sitoIBIMET CNRè assolutamente non connesso.
    • Strumenti: R code for twitter retrieval freehttp://www.michaelbommarito.com/blog/2011/02/21/tracking-the-frequency-of-twitter-hashtags-with-r/
    • Strumenti: R geomapping risk free http://lisaschweitzer.com/2011/03/03/disease-risk-surfaces-using-sparr-in-r/
    • Strumenti: R network analisys free La collaborazione sceintifica visualizzata nel mondo e in europa
    • Strumenti: Viralheat social analitics commercial http://www.viralheat.com/home
    • Strumenti: Sysomos MAP commercial http://www.sysomos.com/products/overview/sysomos-map/
    • Strumenti: Infochimps Twitter commercial http://www.infochimps.com/datasets/twpeoplesearch http://www.infochimps.com/tags/social-network
    • Strumenti: Mood realtime monitoring no profit Giorno 14-05-2011 Il processo viene ripetuto automaticamente ogni dieci minuti su blog USA, in genere lidentificazione di 15.000 e 20.000 sentimenti al giorno.Jonathan Harris :The Art and Science of Storytelling
    • Strumenti: Weather mood realtime no profit Giorno 14-05-2011http://www.wefeelfine.org/common/movements/mobs-weathers-full.jpg
    • Strumenti: Pachube share measure & info Connette feed di device e permette il monitoraggio di variabile o di informazione via Geo-RSS feed. Permette il traking geo. Fornisce API per un Internet of Things. http://www.pachube.com
    • References• [1] http://www.slideshare.net/Cloud/semantic-web-20-creating-social-semantic-information-spaces-378981• [2] Duncan Watts. (EN) An Experimental Study of Search in Global Social Networks. Science, 8-8-2003• [3] http://www.sysomos.com/insidetwitter/sixdegrees/• [ 4 ]Funda Kivran-Swaine and Mor Naaman. 2011. Network properties and social sharing of emotions in social awareness streams. In Proceedings of the ACM 2011 conference on Computer supported cooperative work (CSCW 11). ACM, New York, NY, USA, 379-382. DOI=10.1145/1958824.1958882 http://doi.acm.org/10.1145/1958824.1958882• [5] Shekhar & Oliver: Computational Modeling of Spatio-temporal Social Networks: A Time-Aggregated Graph Approach 2010 Specialist Meeting—Spatio-Temporal Constraints on http://www.spatial.cs.umn.edu/Social Networks• [6] Yan Qu, Chen Huang, Pengyi Zhang, and Jun Zhang. 2011. Microblogging after a major disaster in China: a case study of the 2010 Yushu earthquake. In Proceedings of the ACM 2011 conference on Computer supported cooperative work (CSCW 11). ACM, New York, NY, USA, 25-34. DOI=10.1145/1958824.1958830 http://doi.acm.org/ 10.1145/1958824.1958830 Resources• [1]http://www.spatial.cs.umn.edu/ Spatial Database and Spatial Data Mining Research Group• [2] http://www.drewconway.com• [3] Python social tools http://www.drewconway.com/zia/?p=204• [4] http://www.stat.cmu.edu/~cshalizi/