Webmining e SocialMedia data for contextual environmental analisys Dott. Alfonso Crisci Introduzione ai tool social

1. Web mining &
Social Media
data for
contextual
environmental
analisys
Alfonso Crisci
IBIMET-CNR

2. Backgrounds
“Un social network è una
struttura sociale fatta di
individui (o organizzazioni)
chiamato "nodi", che sono legati
(connessi) da uno o più tipi
specifici di interdipendenza,
come l'amicizia, parentela,
interessi comuni specifici,
scambi finanziari, antipatie,
rapporti affettivi, o rapporti di
credenze, conoscenze o di
prestigio ”.
[http://en.wikipedia.org/wiki/So
cial_network]. Presentazione video Mediagroup
http://www.youtube.com/v/XLgM1UAiRXU

3. 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’ un'ipotesi
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 all'interno di una rete sociale che confermarono la teoria.

4. Basi dell’ analisi delle relazioni in un Social Network
• Duncan Watts [2] riprese per conto suo l'esperimento 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.

5. 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).

6. 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.

7. 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.

8. 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

9. S ocial Networt sono sociologia: due
eventi recenti
Ascolto News/Media
Eta distribuzione
Bin laden Tweets Ascolto Blog
Matrimonio reale inglese Tweets
[3] Blog, Sysomos Inc.

10. 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

11. 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

12. Strumenti: Google Social API free
Utile per studiare la
social connettività di
un sito. Social Graph
API - Site Connectivity
Possiamo stare tranquilli il sito
IBIMET CNR
è assolutamente non connesso.

13. Strumenti: R code for twitter retrieval free
http://www.michaelbommarito.com/blog/2011/02/21/tracking-the-frequency-of-twitter-hashtags-with-r/

14. Strumenti: R geomapping risk free
http://lisaschweitzer.com/2011/03/03/disease-risk-surfaces-using-sparr-in-r/

15. Strumenti: R network analisys free
La collaborazione sceintifica visualizzata nel mondo e in europa

16. Strumenti: Viralheat social analitics commercial
http://www.viralheat.com/home

17. Strumenti: Sysomos MAP commercial
http://www.sysomos.com/products/overview/sysomos-map/

18. Strumenti: Infochimps Twitter commercial
http://www.infochimps.com/datasets/twpeoplesearch
http://www.infochimps.com/tags/social-network

19. Strumenti: Mood realtime monitoring no profit
Giorno 14-05-2011
Il processo viene ripetuto automaticamente ogni dieci minuti su blog USA,
in genere l'identificazione di 15.000 e 20.000 sentimenti al giorno.
Jonathan Harris :The Art and Science of Storytelling

20. Strumenti: Weather mood realtime no profit
Giorno 14-05-2011
http://www.wefeelfine.org/common/movements/mobs-weathers-full.jpg

21. 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

22. 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/