Presentazione libro a Fiera Milano SMAU 2016

SMAU libro "Social Media Mining"
Presentazione libro “Social Media Mining” a Fiera SMAU Milano 2016.

Il 27 ottobre 2016 Roberto Marmo ha presentato il suo libro “Social Media Mining” alla Fiera SMAU Milano 2016 nell’ambito del workshop “Estrarre informazioni da una Pagina Facebook“. Il libro è pubblicato con l’editore Hoepli che lo vende scontato del 15% dal suo catalogo online.

Gli argomenti discussi davanti a numerose persone sono disponibili nella presentazione su Slideshare.Net.

Per vedere una fotografia di Roberto Marmo mentre svolge un workshop in Fiera SMAU si può andare al sito http://www.smau.it/milano16/ e aspettare lo scorrimento delle immagini fino alla seconda schermata.

Consiglio sullo scaricamento dei dati da Facebook Insights

L’amministratore, o l’analista, della pagina Facebook può andare nel pannello Insights ed esportare i dati in un file  formato CSV o XLS, per fare ulteriori analisi rispetto a quelle offerte nel pannello principale.

Dopo avere scaricato il file, conviene aprirlo subito con un software per gestire un foglio di calcolo per verificare se tutte le cartelle hanno i dati, perché ogni tanto si trovano cartelle con la colonna delle date ma tutte le altre colonne sono vuote e bisogna ripetere il download del file.

Evento Codemotion Roma 2016 e slide su analisi della concorrenza

Il 20 e 21 maggio 2016 si è svolto a Roma l’evento Data Diven Innovation – Rome 2016 Open Summit, una iniziativa promossa dal Dipartimento di Ingegneria dell’Università degli studi Roma Tre e organizzata da Codemotion http://it.codemotionworld.com/ , la più grande conferenza tecnica per developer in Europa, con il contributo scientifico della Fondazione “Centro di iniziativa giuridica Piero Calamandrei”.

Hashtag di riferimento #‎DataDriven16 sito web http://datadriveninnovation.org/ da cui si può leggere la descrizione della tematica affrontata: “una conferenza per discutere dell’innovazione e delle sfide tecnologiche, economiche e sociali determinate dai Big Data e della Data Driven Innovation. Ma che cos’è la Data Driven Innocation? E’ una fenomeno dirompente e fondamentale per la crescita economica, politica e sociale di un Paeseperché ne migliora la produttività e la competitività. I dati sono indispensabili per prendere decisioni e creare strategie”.

Il 20 maggio 2016 nella sessione “Data Driven Social Analytics – La risposta è nei tuoi dati social! Come i dati creano strategie di marketing” Roberto Marmo ha svolto un intervento dal titolo “Social Media per fare analisi della concorrenza” dettagliato nella scheda  http://datadriveninnovation.org/wp-content/themes/event/detail-talk.php?detail=3362 Il materiale presentato è stato pubblicato su Slideshare.net con indirizzo http://bit.ly/1TH8h5d.

Il riassunto della sessione si può leggere su  http://bit.ly/1qWLqdH nell’ambito di Dailyonline.it e sul quotidiano del marketing in rete scaricabile da   http://static.dailynet.it/static/dailynet/dnet-095-mar-24-05.pdf

Analisi pagina Facebook della Università di Pavia

Nel documento scaricabile in formato PDF si può leggere il riassunto della tesi di laurea della dott.ssa Fabiana Varese presentata il 14 aprile 2016 nel Corso di Laurea Interdipartimentale in Comunicazione, Innovazione e Multimedialitá (CIM).

Il lavoro svolto riguarda i’analisi della pagina Facebook Università di Pavia adottata dall’Università di Pavia, per la comunicazione verso gli studenti e verso gli interessati ad iscriversi ai suoi corsi.

La tesi è stata discussa con successo tramite i docenti: relatore Prof. Paolo Costa, correlatore Prof. Giampaolo Azzoni, correlatore Prof Roberto Marmo.

Altri link utili per studiare come le Università italiane sono presenti nei social network sono:

Link per scaricare ebook gratuiti con alcuni consigli per gestire la presenza:

Facebook sperimenta PIPER per riconoscere persone da fotografie non frontali

Sul blog del Wall Street Journal è stato pubblicato un articolo secondo cui Facebook avrebbe sviluppato un metodo di identificazione facciale in grado di riconoscere le persone anche se non sono perfettamente frontali rispetto alla camera, ovvero persone di spalle, con il volto coperto da qualche oggetto o fotografate di profilo.

L’algoritmo si chiama PIPER (Pose Invariant PErson Recognition), proposto come integrazione dell’algoritmo DeepFace attualmente utilizzato per il riconoscimento facciale. L’algoritmo è stato sviluppato con un campione di 37.000 fotografie tratte da Flickr con più di 63.000 volti tratti da 2.350. La classificazione delle fotografie si è basati su: posa, abbigliamento, punto di vista della macchina fotografica, risoluzione ed illuminazione della foto. Il grado di accuratezza della corretta classificazione è stato dell’83%.

Alcuni link di articoli comparsi su blog:

http://blogs.wsj.com/digits/2015/06/23/facebook-claims-photo-recognition-breakthrough/

https://www.newscientist.com/article/dn27761-facebook-can-recognise-you-in-photos-even-if-youre-not-looking#.VYlmuFJHanN

http://nbtimes.it/tecnologie/informatica/20567/facebook-e-biometrico-sempre-anche-a-volto-nascosto.html

http://trovalost.it/2015/06/facebook-sperimentato-piper-il-riconoscitore-facciale-avanzato/

Articolo scientifico in lingua inglese con i dettagli dell’algoritmo ed esempi delle fotografie usate, pubblicato dai ricercatori di Facebook:

http://www.cs.berkeley.edu/~nzhang/papers/piper_camera_ready.pdf

http://www.sciencedirect.com/science/article/pii/S0969476515301065

https://research.facebook.com/publications/beyond-frontal-faces-improving-person-recognition-using-multiple-cues/, seguire il link “Download paper” per raggiungere l’articolo presentato alla conferenza Computer Vision and Pattern Recognition a Boston, raggiungibile anche da http://arxiv.org/abs/1501.05703 e citazione formato BibTex su http://dblp.uni-trier.de/rec/bibtex/journals/corr/ZhangPTFB15

Trovare amici comuni nel social network con algoritmo map/reduce

Una delle funzioni più diffuse nelle piattaforme di social network riguarda la creazione di nuove amicizie, tramite l’indicazione degli amici in comune. Effettuare questo genere di calcolo non è facile, per la grande quantità di dati da considerare.

L’algoritmo map/reduce presentato in http://research.google.com/archive/mapreduce.html  può rendere più rapido questo calcolo, grazie alla funzione “map” che processa coppie composte da chiave/valore per generare un insieme di coppie chiave/valore intermedie, e una funzione “reduce” che riunisce tutti i valori associati alla chiave intermedia.

Su http://stevekrenzel.com/finding-friends-with-mapreduce viene presentato un esempio, utile alla comprensione di questo particolare algoritmo e può dare qualche suggerimento su come viene realmente eseguita questa funzione nelle famose piattaforme.

Sentiment analysis su YouTube

Nel servizio web di hosting e condivisione Github per lo sviluppo di software https://github.com/Jhanani/sentiment-analysis si può esaminare il codice Python per fare sentiment analysis dei giudizi sui video estratti da YouTube e dal database di rating e reviews  Rotten Tomatoes (per la descrizione delle API vedere http://developer.rottentomatoes.com/page), nell’ambito del corso EECS 510 Social Media Mining descritto su http://www.mccormick.northwestern.edu/eecs/courses/descriptions/510-1.html .