Cultural heritage management using text mining techniques

1. Management of cultural heritage
using Big Data
Palermo Rome and Venice a comparative study
Focus on Matera 2019
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano

2. Topics
Introduction
Framework
Corpus and Methods
Main results
Further analysis
11 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano

3. Places and Persons
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano

4. Stars vs Texts
Bellissimo maestoso stupendo simbolo di Roma.
Consiglio di prenotare on line e di andare al mattino
presto massimo per le 09:30, perché poi arrivano
gruppi e la massa di turisti e si creano code fuori e ai
metal detector.
Rate me, please…
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano

5. If I read every review, I know more
Text Mining
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano

6. TM process and IT tools
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano
Interpretation - Evaluation
Text Mining - Pattern Discovery

7. Glossary
• Corpus is created by the
researcher (eg. a set of reviews).
• Texts are units defined by the
researcher (eg. each review is
a text).
• Text segments are the words
contexts, the corpus division
in TS in automatically done.
Corpus
a group of text
Text
a group of text segments
Text Segments
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano

8. Framework
Reinert Method
Preconditions:
Coherent textual data
Text large enough (minimum 10000 words)
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano

9. Alceste (Analyse Lexicale par Contexte d’un Ensemble de Segments de TExte)
Cooccurrence analysis
Full words (adverbs, adjectives, nouns, verbs )
Lexical worlds as “mental rooms”
Lexical content of each cluster
Framework
Reinert Method
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano

10. Cluster Analysis
• DHC Descending Hierarchical Classification
• Each cluster represents a recurring topic within the text
• Maximizing similarity between statements in the same
class
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano

11. Identify topics
class 2 (16.6%) class 3 (25.1%) class 1 (27.1%) class 4 (31.3%)
roma
mondo
vedere
storia
bellezza
città
visitare
monumento
bello
rimanere
notte
sera
volta
sempre
parola
biglietto
fila
coda
palatino
prenotare
saltare
guida
euro
ingresso
online
foro
acquistare
biglietteria
pagare
evitare
tomba
re
raffaello sanzio
cupola
chiesa
tempio
santa agnese in agone
bernini
vittorio emanuele II
agrippa
cristiano
borromini
fiume
oculo
divinità
6416 segments classified on 7125 (90.05%)
2006/6416
1739/6416
1609/6416
1062/6416
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano

12. Identify topics
class 2 (16.6%) class 3 (25.1%) class 1 (27.1%) class 4 (31.3%)
roma
mondo
vedere
storia
bellezza
città
visitare
monumento
bello
rimanere
notte
sera
volta
sempre
parola
6416 segments classified on 7125 (90.05%)
2006/6416
1739/6416
1609/6416
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano
fila/coda
saltare/evitare
prenotare
biglietto
zaino/borsa
online
acquistare
ingresso
lungo
chilometrico
deposito
organizzazione
consiglio
basilica
san_marco
venezia
piazza
pala
oro
cavallo
museo
interno
pagamento
loggia
terrazza
chiesa
roma
colosseo
romano
monumento
mondo
storia
simbolo
eterno
anfiteatro
gladiatore
maestoso
sera
impero
cappella
palatino
palazzo
palermo
normanno
reale
arabo
sicilia
mostra
sede
gioiello
mosaico
siciliano

13. Planning the visit
Observe and Report
1062 segments classified on 6416 (16.6%)
• fila/coda/attesa
• saltare/evitare
• consiglio
• prenotare/acquistare
• entrare
• biglietto
• online/internet
• deposito
• zaino/borsa
• informazione
• gestire
• organizzazione
• orario/minuti
• apertura
• chiusura
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano

14. Most representative UCE
prima domenica del mese ingresso gratis la biglietteria apre alle 8 30 ma già
alle 8 c’è fila. Tutt’intorno è pieno di venditori più o meno abusivi di visite
guidate con opportunità di saltare la fila quella all’ ingresso non quella alla
biglietteria
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano
colosseo fantastico da rivedere l’organizzazione monumento di bellezza più unica
che rara merita assolutamente la visita, difetta di organizzazione nella vendita dei
biglietti visto che polizia municipale ed un addetto mi hanno fare la fila al
botteghino salvo poi scoprire che il biglietto si comprava direttamente all ingresso
caotico per accedere a questa basilica è obbligatorio fare code chilometriche e
bisogna informarsi molto bene degli orari, noi l’abbiamo fatta per poi scoprire
che era chiusa, inoltre occhio a non avere zaini o borse grandi altrimenti
verrete respinti sinceramente mi aspettavo migliore organizzazione

15. Most representative UCE
la basilica merita sicuramente qualche minuto di coda ed è gratis non ci si
può accedere con gli zaini ma viene offerto un deposito gratuito presso il
quale ti danno un pass che dura un ora e che ti permette anche di saltare la
fila
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano
Belle le stanze e davvero da non perdere la cappella palatina. Accessibile anche
a chi ha difficoltà motorie, é davvero un monumento da vedere.
nonostante gli sforzi per permettere l'accesso ai diversamente abili motori,
resta molto da fare. La “pala" è visibile solo con accompagnatori così come il
'tesoro'

16. Matera 2019
class 3 (25.7%) class 1 (35.1%) class 2 (39.2%)
guida
guidare
visita
consiglio
tour
giro
fare
capire
vivamente
turistico
accompagnare
euro
scarpa
giorno
sera
notte
presepe
panorama
belvedere
godere
vicolo
atmosfera
stradino
scorcio
bellissimo
giornata
cultura
capitale
patrimonio
europeo
unesco
italia
vergogna
passato
umanità
tradizione
anno
natura
uomo
1898 segments classified on 2442 (77.72%)
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano

17. Further developments
● Reporting
● Recommender System
● Tailored Tour
● ……………………………………..
● ……………………………………..
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano

18. Question Time
Sandro Stancampiano
Istat
Technologist
www.statsapp.it
sandro@statsapp.it
10 may 2019 - Data Driven Innovation Summit - Sandro Stancampiano