Zdravim potreboval bych radu, snazim se napsat praci o tom jak mladi travi volny cas a strasne by se mi hodily nejake analyzy socialnich siti, napr vekova struktura, navstevnost apod, facebook primarne. nasmerujete me prosim? prave jsem zacal a nevim od ceho se odpichnout

zaujalo: http://cliquecluster.org/

TSCHIKO: vyborne, diky

FRAKTALEK: v Hubu na Andelu byvaji podobne akce

FRAKTALEK: rado se stalo

BARD: super, wikipedia miner jsem neznal. diky!

FRAKTALEK: mrkni na tohle http://www.slideshare.net/josefslerka/smantick-vznam-wikipedie vic uz nemuzu

BARD: jasne, chapu

vidis, na OpenCalais jsem pozapomnel...mozna by to slo nejak chytre pouzit k postaveni vlastniho tezauru

FRAKTALEK: nekde jsme museli zacit, pak uz to jelo samo. byl to prvni set

Na kategorizaci jsme si museli sami napsat, pro anglictinu je prima zaklad OpenCalais

BARD: tweety jsou anotovane geo-lokaci? pokud ano, tak asi ne vsechny, ne?


docela by me zajimalo, jake nastroje mate na kategorizaci. Shanel jsem nejaky tezaurus nebo aspon slovnik zajmu a dovednosti v anglictine, ale nic volne dostupneho jsem nenasel. Nejake komercni moznosti existuji, ale ty jsou momentalne mimo muj dosah.

FRAKTALEK: zacali jsme setem uzivatelu podle toho, ze Twittovali z uzemi CR a SR a indetifikovali, zda si alespon jednou za cas pipnou cesky nebo slovensky. Po tomhle setu jsme uz pak jen crawlovali jejich followery a jejcih followingy a opakovali detekce. V tuhle chvili mame 5 IP adres na WHitelistu Twitteru, takze se to dela vyrazne prijemneji. Na kategorazace mame nastroje, ale nemame zatim cas, protoze se ted soustredime hlavne na Facebook.

BARD: prozradis, jak jste identifikovali cesky a slovensky twitter?

Mate ho rozdeleny treba i podle kategorii, napr. zajmu jednotlivych uzivatelu?

at tak nebo tak, jdu do toho

SATAI: Na druhou stranu, pro nas co kupujeme ebooky, na MBRBG je tam dlouhodoba akce "buy 1, get 1 free".

PAD: pro vymenu a storovani dat pouzivam GraphML. Pokud jde o db, tak v tuhle chvili vyslovene zadnou graphdb nepouzivam, vyuzivam Redis a Ruby. Nicmene se chystam napsat si nad tim jednoduch DSL, ktere budu postupne podle potreby rozsirovat. Zakladni implementace v Pythonu existuje od nekoho jineho a vali se nekde na Gitu.

FRAKTALEK: jde mi predevsim o interoperabilitu - nekdy potrebuju spis batch processing, tzn. natahnout cely graf do pameti a pak s nim pracovat, jindy potrebuju traverzovani ... momentalne pouzivam JUNG, ale neco v nem chybi a hodilo by se spis Gephi (hlavne na vizualizace) a asi by se hodilo se obcas dotazovat i pres sparql ... momentalne mi prijde jako dobry napad jako api pouzivat ty blueprinty s tim, ze jako backend muze byt treba neo4j nebo sail (sesame rdf store), pripadne to lze vylit do toho xml, ktere zase umi cist gephi. kdybych si napsal adapter blueprints-gephi, tak bych pak mohl pouzivat v podstate cokoliv, co je tak nejak pro javu k dispozici ...

moje otazka byla minena tak, ze treba nekdo uz neco podobneho resil a treba vi o lepsim zpusobu ...

PAD: rikal a vysvetlil jsem jak jsem to myslel, viz treba http://www.graph-database.org/implementations/

nejde o terminologii, jde o ten rozdil a ten je potreba zduraznit

co se ukladani tyce, tak prece opet jde o to, co s tim chces delat a jake nastroje mas k dispozici. Vzhledem k tomu, ze tu vetsinou zminujes velky site, tak bych si na xml asi dal pozor... pracovat s XML soubory vetsimi nez par desitek MB muze byt neprijemny.

a vubec - me to privadi k otazce: co pouzivate/jestli pouzivate na ukladani siti? nejaky spolecny format jako graphml? nebo (jako ja momentalne) je proste ukladate do relacni databaze? pripadne nejake grafove db?

ptam se proto, ze zacinam pocitovat potrebu mit nejaky jednotny format, se kterym budu pracovat ... premyslim o graphml, protoze je to xml, ktery se ztransformovat v pripade potreby, a je podporovano Blueprints (neco jako JDBC pro grafove databaze), takze pak ty grafy by sly i naloadovat do nejakych triplestoru, neo4j apod...