Seminario Twitter Dynamics

TWITTER DYNAMICSAdquisición, procesado y visualización de datos Roberto Maestre F. Javier Alba rmaestre@paradigmatecnologico.com fjalba@paradigmatecnologico.com @rmaestrem @fjavieralba @paradigmalabs

ÍNDICE Introducción API Twitter Adquisición y persistencia de datos Conceptos básicos sobre grafosVisualización en Gephi y GraphStream Casos de uso

INTRODUCCIÓN

INTRODUCCIÓN Arquitectura

INTRODUCCIÓN ¿Qué es twitter?Es una red social basada en microblogging Red social porque Microblogging puedo elegir a porque solo puede quien seguir y que postear un texto información crear o con un tamaño retransmitir. máximo de 140 carácteres.

INTRODUCCIÓN @mención#hashtag url.by/

INTRODUCCIÓN Algunos números250 Millones de tweets enviados de media cada día (Octubre 2011) * 100 Millones de usuarios activos estimados (Septiembre 2011) ** 460.000 nuevas cuentas abiertas por día (de media en 2010) *** Incremento del 186 % de usuarios móviles en 2010 *** * http://techcrunch.com/2011/10/17/twitter-is-at-250-million-tweets-per-day/ ** http://techland.time.com/2011/09/09/twitter-reveals-active-user-number-how-many-actually-say-something/ *** http://blog.twitter.com/2011/03/numbers.html

INTRODUCCIÓN

INTRODUCCIÓN Casos de estudio interesantesPredicción de valores de bolsa (Down Jones Industrial Average)correlacionado con análisis de sentiment de tweets (Bollen et al.2011).En Achrekar et al. (2011) se muestra una alta correlación (endatos almacenados entre los años 2009 y 2010) entre el númerode tweets relacionados con la gripe y el numero de casos reales. Una línea de investigación abierta por el DARPA llamada Topic Detection and Tracking research (1996).

INTRODUCCIÓNCasos de estudio interesantes Spotinﬂuence.com

API DE TWITTER

INTRODUCCIÓNHerramienta de acceso a todos los datos del ecosistemaTwitter: Tweets, Retweets, Hashtags, Usuarios, ... etcPara empezar a experimentar, sólo necesitamosconocimientos básicos sobre HTTP y JSON

INTRODUCCIÓN• REST API Consumo puntual de datos• Search API Búsquedas• Streaming API Consumo masivo de datos

REST APIConsulta y creación de: • Tweets / retweets • Followers y Friends • Mensajes directos • Listas • ...

REST APIhttps://api.twitter.com/1/trends/766273.json

REST API ¿Cuanta información puedo obtener?• La API limita la frecuencia a la que podemos realizar peticiones• Algunos métodos requieren autenticación via OAuth => Límite va contra el usuario autenticado (350 requests/hora)• Otros pueden ser invocados anónimamente => Límite va contra la IP (150 requests/hora)

API REST Algunos ejemplos sencillosObtener listas en Obtener la red de las que se ha followers de un incluído a un usuario usuario

REST API listas en las que está un usuarioimport requestsimport jsonimport sysuser_lists = []max_pages = 5 Limitamos páginas de resultados para evitar baneosnext_cursor = -1for i in range(0, max_pages): url = https://api.twitter.com/1/lists/memberships.json?screen_name=%s&cursor=%s% (sys.argv[1], next_cursor) content = requests.get(url).content data = json.loads(content) next_cursor = data[next_cursor] Método lists/memberships for list_data in data[lists]: name = list_data[name] Paginación uri = list_data[uri] description = list_data[description] user_lists.append("%s (%s): %s" % (name, uri, description))for l in user_lists: print l

REST API Red de followers de un usuarioif __name__ == "__main__": # USER # obtain main user info main_user_name = sys.argv[1] main_user_info = obtain_users_info(screen_names=[main_user_name])[0] follower_network = { nodes : {}, Hash donde almacenamos el grafo edges: [] } follower_network[nodes][main_user_name] = main_user_info try: traverse_followers(main_user_name, follower_network, 1,MAX_RECURSION_LEVEL) except RateLimitReachedError as e: print "Ooops! we reached the rate limit!!! Follower Network will not becomplete." except: print "Some error occurred!. We will go on with the current FollowerNetwork!" generate_tsv(follower_network, main_user_name, 1) Ficheros de salida generate_dot(follower_network, main_user_name, 0)

REST APIdef traverse_followers(user_name, follower_network, recursion_level, max_recursion_level): check_rate_limit() # retrieve up to MAX_IDS user followers: url = https://api.twitter.com/1/followers/ids.json?screen_name=%s&cursor=-1 % user_name content = client.get(url).content data = {} try: data = json.loads(content) except: print Error! rate limit? Obtener followers IDs return if error in data: print Error: %s % data[error] return followers_ids = data[ids][:MAX_IDS] #obtain info for each follower (in batches of 100) for i in range(0, len(followers_ids), 100): id_group = followers_ids[i:i+100] followers_info = obtain_users_info(ids = id_group) if followers_info is not None: for follower_info in followers_info: follower_name = follower_info[screen_name] #add node info (if not exists yet) if follower_name not in follower_network[nodes]: follower_network[nodes][follower_name] = follower_info #add edge follower_network[edges].append((follower_name, user_name)) follower_network[nodes][user_name][indegree] += 1 if recursion_level < max_recursion_level: traverse_followers(follower_name, follower_network, recursion_level+1, max_recursion_level)

REST APIdef obtain_users_info(ids = [], screen_names=[]): check_rate_limit() result = [] #transform ids into strings: ids = map(lambda x: str(x), ids) string_ids = ,.join(ids) screen_names = ,.join(screen_names) Obtener info url = https://api.twitter.com/1/users/lookup.json? detallada de cada if string_ids and screen_names: url += user_id=%s&screen_name=%s % (string_ids, screen_names) follower elif string_ids: url += user_id=%s % string_ids else: url += screen_name=%s % screen_names print url content = client.get(url).content data = json.loads(content) if error in data: print Error: %s % data[error] return for user_info in data: relevant_info = { screen_name : user_info[screen_name], profile_image_url: user_info[profile_image_url], followers_count: user_info[followers_count], indegree : 0 } result.append(relevant_info) return result

REST APIEn el ejemplo almacenamos un hash en memoria con toda lainformación de la redPersistimos estos datos en el formato más conveniente paraluego visualizarlos: JSON, grafo .DOT, documento enMongoDB ...etc.Ejemplo “de juguete”: una aplicación real requiere un diseño máselaborado: cache de llamadas, manejo de errores, balanceo deIPs/usuarios...

SEARCH API

SEARCH API ¿Para qué sirve?Búsqueda de tweets recientes por palabras clave, nombres deusuario, hashtags...Lenguaje de queries básico con operadores #dataviz OR #visualization: http://search.twitter.com/search.json?q=%23dataviz%20OR %20%23visualization&rpp=100&page=1

STREAMING API ¿Por qué Streaming?• Para un consumo masivo de datos, REST API no es suficiente• Streaming API es un "chorro" (firehose) de información, cercana al tiempo real, que normalmente filtraremos por algún criterio (hashtag, usuario...)• Si no filtramos, no obtendremos el 100% del stream de Twitter sino un muestreo del 1% aprox. (es posible obtener más información estableciendo acuerdos con Twitter)

STREAMING API ¿Cómo usarla? • Abrir una conexión con autenticación y mantenerla abierta. • Procesar el ﬂujo de datos recibido Ejemplo simple:curl -d "track=SOPA" https://stream.twitter.com/1/statuses/filter.json -u[USER]:[PASSWD]

{ RADIOGRAFÍA DE UN TWEET "possibly_sensitive": false, "in_reply_to_screen_name": null, "text": "Feeling for students today. Time to prise those unused library cards from your wallets. #wikipediablackout #SOPA #PIPA. ur1.ca/7jygq", "in_reply_to_user_id_str": null, "geo": null, "retweeted": false, "in_reply_to_user_id": null, "contributors": null, "source": "<a href="http://www.tweetdeck.com" rel="nofollow">TweetDeck</a>", "entities": { "user_mentions": [], "hashtags": [ { "text": "wikipediablackout", "indices": [ 88, 106 ] Un Tweet contiene mucha }, { "text": "SOPA", "indices": [ 107, 112 información ] }, { "text": "PIPA", "indices": [ 113, 118 ] } ], "urls": [ { "indices": [ 120, 132 ], Sólo usamos los campos "url": "ur1.ca/7jygq", "expanded_url": null } ] }, "place": null, "in_reply_to_status_id": null, que nos interesan para "id_str": "159589359589408768", "truncated": false, "user": { "profile_background_image_url": "http://a3.twimg.com/profile_background_images/347782654/year_one_wp.jpg", "show_all_inline_media": true, "follow_request_sent": null, nuestro procesado y "profile_link_color": "038543", "url": "http://www.youtube.com/xboxuk", "followers_count": 755, "profile_image_url": "http://a2.twimg.com/profile_images/78950744/meforweb_normal.jpg", "default_profile_image": false, "statuses_count": 7004, "time_zone": "London", visualización "profile_background_color": "ACDED6", "description": "Xbox LIVE Assistant Producer, EMEA. Views are mine own and open to lucrative sponsorship. All comic/game geeks should visit my side project: KapowGames.com", "contributors_enabled": false, "profile_background_tile": true, "favourites_count": 21, "location": "Camden, London", "lang": "en", "profile_sidebar_fill_color": "F6F6F6", "screen_name": "Deanways", "verified": false, "notifications": null, "profile_background_image_url_https": "https://si0.twimg.com/profile_background_images/347782654/year_one_wp.jpg", "friends_count": 2002, "profile_sidebar_border_color": "000000", "protected": false, "id_str": "15864765", "listed_count": 11, "following": null, "name": "Dean Samways", "is_translator": false, "profile_use_background_image": true, "created_at": "Fri Aug 15 16:49:51 +0000 2008", "id": 15864765, "default_profile": false, "geo_enabled": true, "utc_offset": 0, "profile_text_color": "333333", "profile_image_url_https": "https://si0.twimg.com/profile_images/78950744/meforweb_normal.jpg" }, "retweet_count": 0, "favorited": false, "id": 159589359589408770, "created_at": "Wed Jan 18 10:54:03 +0000 2012", "in_reply_to_status_id_str": null, "coordinates": null}

RADIOGRAFÍA DE UN TWEET Algunos campos interesantes"text": "RT @damiano10: RAMSS 2012 : 1st International Workshop on Real-Time Analysis and Miningof Social Streams: http://t.co/AhUGF5Pf""id": 159683309528547330,"created_at": "Wed Jan 18 17:07:22 +0000 2012","user": { "followers_count": 84, "location": "Madrid and Barcelona", "screen_name": "paradigmalabs", "name": "Paradigma Labs", "id_str": "249695469", }"retweeted_status": { "user": { "screen_name": "damiano10", "location": "Madrid, España", "followers_count": 95, "id_str": "132646210", } }

ADQUISICIÓN Casos de Uso realesHemos visto ejemplos “de juguete”Cuando se necesita una adquisición a mayor escala, seincrementa la complejidad y se requiere una infraestructuramayorActualmente tenemos una arquitectura de adquisición en Twittercon 20 servidores dedicados

API DE TWITTER Para profundizar...Mining the Social Web 21 Recipes for Mining Twitter Matthew A. Russel Matthew A. Russel

PERSISTENCIA

PERSISTENCIA DE DATOS Dónde Leonardo Menezes y Miguel Olivares Paradigma noSQL con MongoDB y Spring Data http://www.parleys.com/#st=5&id=2737 from pymongo import Connection import requests import json # Database conﬁguration port = 0000 conn = Connection(’host’, port) db = conn.twitter coll = db.trends url = ’https://api.twitter.com/1/trends/1.json’ content = requests.get(url).content data = json.loads(content) for tt in data[0][’trends’]: coll.save(tt)

PROCESADO DE DATOS Cómo from pymongo import Connection import datetime # Database conﬁguration port = 0000 conn = Connection(’host’, port) db = conn.twitter coll = db.nolesvotes # Date range start = datetime.datetime(2011, 5, 16, 0, 0, 0) end = datetime.datetime(2011, 5, 16, 23, 59, 59) condition = {’created_at’: {’$gte’: start, ’$lt’:end}} for item in coll.ﬁnd(condition).sort([("created_at", True)]): # Do something print item

PERSISTENCIA DE DATOS Algunos números de casos reales #libya Conﬂicto en Libia: Febrero 2011, 200.000 tweets #nolesvotes Revolución en España: Abril-Agosto 2011, 800.000 tweets #ows + #15oct Revolución Global: Octubre 2011, 6 Millones de tweets #20n Generales en España, Noviembre 2011, 4 Millones de tweets#christmas Estudio emocional sobre la Navidad: Diciembre 2011, 10 Millones de tweets #sopa Ley Sopa y Sinde, Enero 2012, 500.000 tweets hasta la fecha

CONCEPTOS SOBRE GRAFOS

CONCEPTOS Modelar una red V = {u1 , u2 , u3 , u4 , u5 }A = {{u1 , u2 }, {u1 , u3 }, {u2 , u3 }, {u4 , u2 }, {u4 , u5 }, {u5 , u2 }, {u5 , u4 }}

CONCEPTOS Medir en una red 2 3 n X 0 1 1 0 0 In(i) = Ma [i, c] 6 0 0 1 0 0 7 6 7 c=0Ma = 6 6 0 0 0 0 0 7 7 n 4 0 1 0 0 1 5 X 0 1 0 1 0 Out(i) = Ma [f, i] f =0

CONCEPTOS

CONCEPTOS no solo Indegree y Outdegree ...Algorithms • Bipartite • Centrality • Chordal • Clique • Clustering • Communities • Components • Cores • Cycles • Directed Acyclic Graphs • Distance Measures • Distance-Regular Graphs • Eulerian • Flows • Graphical degree sequence • Isolates • • Isomorphism Link Analysis http://networkx.lanl.gov/ • Minimum Spanning Tree • Products • Shortest Paths

VISUALIZACIÓN EN GEPHI

GEPHI• Herramienta interactiva de visualización y exploración de redes y grafos hecha en JAVA• Es Open Source y multiplataforma• “Photoshop for Data”

GEPHI• Facilita el trabajo de Análisis de datos con: • Layouts predeﬁnidos y conﬁgurables • Cálculo de métricas sobre redes • Filtrado de nodos en base a atributos • Clustering • “Data Laboratory” • Plug-ins

GEPHI Ejemplo de Uso• Vamos a visualizar la red de followers que generamos en el ejemplo anterior (REST API)• Para ello se persistieron los datos en un formato entendible por Gephi (en este caso .DOT)

VISUALIZACIÓNGRAPHSTREAM

VISUALIZACIÓN GRAPHSTREAM ¿Qué es Graph Stream?Es una librería en JAVA para el manejo de grafos dinámicos y estáticos. Hospedado en la Universidad de Le Havre. Mantenida por miembros del grupo de investigación RI2C . Tres librerias: Core, Algo y UI.

VISUALIZACIÓN GRAPHSTREAM Caracteristicas importantes Podemos conﬁgurar “el aspecto” de los grafos de lamisma manera que un CSS puede modiﬁcar el aspecto de un HTML.

VISUALIZACIÓN GRAPHSTREAM Caracteristicas importantes Podemos conﬁgurar “el aspecto” de los grafos de lamisma manera que un CSS puede modiﬁcar el aspecto de un HTML. graph.addAttribute("ui.stylesheet", "graph { fill-‐color: red; }"); node.addAttribute("ui.style", "fill-‐color: rgb(0,100,255);"); graph { fill-‐color: red; } node { size: 10px, 15px; shape: box; fill-‐color: green; stroke-‐mode: plain; stroke-‐color: yellow; }

VISUALIZACIÓN GRAPHSTREAM Caracteristicas importantesPodemos crear un video a partir de la generación de imagenes del grafo. OutputPolicy outputPolicy = OutputPolicy.BY_ELEMENT_EVENT; OutputType type = OutputType.JPG; Resolution resolution = Resolutions.HD720; // Start output images FileSinkImages fsi = new FileSinkImages( "/tmp/img", type, resolution, outputPolicy); fsi.setRenderer(RendererType.SCALA); fsi.setLayoutPolicy( LayoutPolicy.COMPUTED_IN_LAYOUT_RUNNER ); // Set quality output fsi.setQuality(Quality.HIGH); fsi.setStyleSheet("graph { padding: 50px; ﬁll-color: black; }"); // Link output with graph g.addSink(fsi);

VISUALIZACIÓN GRAPHSTREAM Algunos ejemplosVisualizar Visualizar los Visualizar los los followers de un followers de unfollowers usuario y mostrar usuario y mostrar de un este numero este numerousuario. implícito en el implícito en el tamaño del nodo tamaño del nodo y añadir las imagenes de los usuarios.

VISUALIZACIÓN GRAPHSTREAM Algunos ejemplosVisualizar losfollowers de unusuario.

VISUALIZACIÓN GRAPHSTREAM Algunos ejemplos Visualizar los followers de unusuario y mostrar este numero implícito en eltamaño del nodo

VISUALIZACIÓN GRAPHSTREAM Algunos ejemplos Visualizar los followers de unusuario y mostrar este numero implícito en eltamaño del nodo y añadir las imagenes de los usuarios.

VISUALIZACIÓNGRAPHSTREAM Código// Create graphGraph g = new DefaultGraph("g");// Display in real time consoleg.display(true);// Set some quality paramsg.addAttribute("ui.antialias");g.addAttribute("ui.quality");g.addAttribute("ui.stylesheet", "graph { ﬁll-color: black; }");

VISUALIZACIÓN GRAPHSTREAM Códigopublic static void addNode(Graph g, String nodeLabel, double size, String url){ if (g.getNode(nodeLabel) == null){ if (size < 0.0) size = 1.0; g.addNode(nodeLabel); Node n = g.getNode(nodeLabel); size = size * 2.0; System.out.println("=> "+size); String shape = "rounded-box"; if (size > 20.0) shape = "cross"; n.addAttribute("ui.style" , String.format("size: %spx, %spx; ﬁll-color: #3d5689; shape: %s; text-size: %s; stroke-mode: plain; stroke-color: yellow; text-color:white;",20, 20, "circle", size/2)); n.setAttribute("label",nodeLabel); } }

VISUALIZACIÓN GRAPHSTREAM Códigopublic static void addEdge(Graph g, String from, String to, double weight){ if (g.getNode(from) != null && g.getNode(to) != null && g.getEdge(from+to) == null && g.getEdge(to+from) == null){ g.addEdge(from+to, from, to, true); Edge e = g.getEdge(from+to); if (weight < 0.0) weight = 1.0; e.addAttribute("ui.style" , String.format("ﬁll-color: #3d5689; size: %s;", weight)); } }

VISUALIZACIÓN GRAPHSTREAM Códigopublic static void changeNode(Graph g, String nodeLabel, double size){ if (g.getNode(nodeLabel) != null){ if (size < 0.0) size = 2.0; Node n = g.getNode(nodeLabel); String shape = "rounded-box"; if (size > 20.0){ shape = "cross"; } n.addAttribute("ui.stylesheet" , String.format("size: %spx, %spx;shape: %s; text-size: %s; ", size, size, shape, size/2)); } }

CASOS DE USO

CASO DE USO 1Identificación de influenciadores en una red from pymongo import Connection import datetime # Database configuration conn = Connection(‘host’, 000000) db = conn.twitter coll = db.nolesvotes # Search conditions start = datetime.datetime(2011, 5, 16, 18, 0, 0) end = datetime.datetime(2011, 5, 16, 18, 59, 59) cond = {’retweeted_status’: {’$exists’: True} , ’created_at’: {’$gte’: start, ’$lt’:end}} # Variable to save the network structure network = ’’ # Perform search for item in coll.find(cond).sort([("created_at", True)]): network += ’t%s -> %sn’ % (item[’user’][’screen_name’] , item[’retweeted_status’][’user’][’screen_name’]) # Save data into a file file_out = file(’/tmp/retweet_network.dot’ , ’w’) file_out.write(’digraph G{n%s}’ % network) file_out.close()

CASO DE USO II Agrupando hashtags con MI* ✓ ◆ XX p(x, y) I(X; Y ) = p(x, y) ⇤ log p(x)p(y) x2X y2Yrt @coriano2323: acampadabcn - plaça catalunya, http://bit.ly/ikkkaa #acampadasol #spanishrevolution #15mani #nolesvotesrt @ximicomix: rt @lexdubia rt @ma 20:00 en sol. convocatoria ciudadana. pasalo. #acampadasol #spanishrevolution #nolesvotesrt @megasuavi: comunicación horizontal usar #meneame para difundir todo sobre #acampadasol y #nolesvotes adio a los grandesrt @abelokeponemos: un apoyo a todos los que han llevado la #spanishrevolution con muchisimo ánimo! (: recordad... #nolesvotes {#acampadasol, #spanishrevolution, #15mani, #nolesvotes, #meneame} F = {3, 3, 1, 4, 1} 2 3 0 3.66 2.41 6 2.41 6 3.66 0 2.41 6 0 7 6 7 Mi = 6 6 2.41 2.41 0 2 0 7 7 4 6 6 2 0 2 5 2.41 0 0 2 0 *(Chart K. et all 1998)

CASO DE USO IIAgrupando hashtags con MI*

Geolocalización de tweetshttp://labs.paradigmatecnologico.com/2011/12/19/15th- october-on-twitter-global-revolution-mapped/

Mutual Information with time component

estamos investigando/desarrollando ...Métricas para la detección de inﬂuenciadores por dominio Detección de emergencia con Fuzzy hashtagsEstudio de las distintas topologias de red y su dinámicas en el tiempo ... como visualizar todo esto?

estamos investigando/desarrollando ... TwitterMaps. Mapa interactivo para entender twitter día a día con ProcessingSmart Ofﬁces: Internet de las cosas aplicadas a crear el ambiente óptimo de trabajo utilizando Arduino API pública de análisis de texto: NER, contexto basado en grafo semántico de Wikipedia y Sentiment Analysis. Desarrollo de herramientas enfocadas al periodismo de datos ... como visualizar todo esto?

REFERENCIASHarshavardhan Achrekar, Ross Lazarus, and West Cummings Park. Predicting Flu Trends using Twitter Data.Architecture, pages 702–707, 2011.Ron Bekkerman and Koby Crammer. One-class clustering in the text domain. Proceedings of the Conference onEmpirical Methods in Natural LanguageProcessing - EMNLP ’08, page 41, 2008. doi: 10.3115/1613715.1613722. URL http://portal.acm.org/citation.cfm?doid=1613715.1613722.Johan Bollen, Huina Mao, and Xiao-jun Zeng. Twitter mood predicts the stock market. Journal of ComputationalScience, pages 1–8, 2011. URL http://www.sciencedirect.com/science/article/ pii/S187775031100007X.B Bollobás. Modern Graph Theory, volume 184 of Graduate Texts in Mathematics. Springer, 1998. ISBN0387984887. doi: 10.1234/12345678. URL http://www.springer.com/math/numbers/book/ 978-0-387-98488-9.Francine Chen, Ayman Farahat, and Thorsten Brants. Multiple similarity measures and source-pair information instory link detection. In Proceedings of the 2nd Human Language Technology Conference of the North AmericanChapter of the Association for Computational Linguistics, Boston, MA, USA, pages 313–320, 2004. URL http://acl.ldc.upenn.edu/hlt-naacl2004/main/pdf/18_Paper.pdf.Thomas M J Fruchterman and Edward M Reingold. Graph drawing by force-directed placement. Soft- ware Practiceand Experience, 21(11):1129–1164, 1991. ISSN 00380644. doi: 10.1002/spe.4380211102. URL http://doi.wiley.com/10.1002/spe.4380211102.Bruce Hendrickson and Robert Leland. A multilevel algorithm for partitioning graphs. In Proceedings of the 1995ACM/IEEE conference on Supercomputing (CDROM), page 28. ACM, 1995. URL http://dl.acm.org/citation.cfm?id=224228.

REFERENCIASYoshihiro Kawano, Yoshito Kishimoto, and Tatsuhiro Yonekura. A Prototype of Attention Simulator on Twitter. 201114th International Conference on Network-Based Information Systems, pages 173– 177, September 2011. doi:10.1109/NBiS.2011.51. URL http://ieeexplore.ieee.org/lpdocs/ epic03/wrapper.htm?arnumber=6041919.Stephen G Kobourov. Force-Directed Drawing Algorithms. University of Arizona, 2004. ISBN 0849385970.Eldar Sadikov and M.M.M. Martinez. Information Propagation on Twitter. CS322 Project Report, 2009. URL http://snap.stanford.edu/class/cs224w-2010/proj2009/TwitterWriteup_Sadikov.pdf.Maksim Tsvetovat and Alexander Kouznetsov. Social Network Analysis for Startups. Oreilly & Associates Inc, 2011.ISBN 9781449306465. URL http://books.google.com/books?hl=en& lr=&id=Tn-L5WoCeygC&oi=fnd&pg=PR3&dq=Social+Network+Analysis+for+Startups&ots=SS7Zs6D9wb&sig=A0oZKZ_bBlXNnSjyZmf3vI6HAkM.Zhiheng Xu, Long Ru, Liang Xiang, and Qing Yang. Discovering User Interest on Twitter with a Mod- iﬁed Author-Topic Model. 2011 IEEE/WIC/ACM International Conferences on Web Intelligence and Intelligent Agent Technology,pages 422–429, August 2011. doi: 10.1109/WI-IAT.2011.47. URL http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=6040707.Yuto Yamaguchi, Toshiyuki Amagasa, and Hiroyuki Kitagawa. Tag-based User Topic Discovery Using Twitter Lists.2011 International Conference on Advances in Social Networks Analysis and Mining, pages 13–20, July 2011. doi:10.1109/ASONAM.2011.58. URL http://ieeexplore.ieee.org/ lpdocs/epic03/wrapper.htm?arnumber=5992580.Hua Zhao. Applying Dynamic Co-occurrence in Story Link Detection. Journal of Computing and InformationTechnology, pages 157–164, 2009. ISSN 1330-1136. doi: 10.2498/cit.1001104. URL http://cit.zesoi.fer.hr/browsePaper.php?paper=1104.

REFERENCIASLiyong Zhao, Chongchong Zhao, Jingqin Pang, and Jianyi Huang. Sensitive Topic Detection Model Based onCollaboration of Dynamic Case Knowledge Base. 2011 IEEE 20th International Workshops on EnablingTechnologies: Infrastructure for Collaborative Enterprises, pages 156–161, June 2011. doi: 10.1109/WETICE.2011.29. URL http://ieeexplore.ieee.org/lpdocs/epic03/wrapper. htm?arnumber=5990044.

Muchas graciasPara cualquier duda, sugerencia o colaboración Roberto Maestre F. Javier Alba rmaestre@paradigmatecnologico.com fjalba@paradigmatecnologico.com @rmaestrem @fjavieralba @paradigmalabs

Seminario Twitter Dynamics

by Paradigma Tecnológico on Jan 31, 2012

Accessibility

Categories

Tags

Upload Details

Usage Rights

Statistics

Seminario Twitter Dynamics — Presentation Transcript