Avvisi

La discussione dei progetti si terrà il 12/03/2019 alle ore 14:30 in Sala Riunioni - 7 Piano.

Programma del corso
Syllabus del corso
Teoria 28/02/2018

Presentazione del corso (slide).

Temi d'esame
Informazioni

Modalità d'esame

Teoria: scritto con esercizi e domande aperte.

Laboratorio: progetto da concordare con il docente e discussione del progetto.

Modalità Presentazione Progetti

Lo studente deve presentare ai docenti il progetto svolto in circa 10 minuti + 2 minuti di domande.

  • Caratteristiche del social media
  • Modalita' di estrazione delle informazioni, evidenziando i punti critici, quali meccanismi di autenticazione, caricamento dinamico delle pagine, API mal documentate
  • Quali informazioni si utilizzeranno per la costruzione della network (nodi, archi, eventuali attributi) e quali aspetti si vogliono analizzare (community, sentiment, tags, reciprocity, assortativity, etc...)
  • Stato del progetto. Per esempio, codice gia' sviluppato, primi tentativi con le librerie, login effettuato, etc..

Orario

Giorno Aula Indirizzo Orario
Lunedì Aula Beta Via Comelico 39/41 - Dipartimento di Informatica 14:30-16:30
Mercoledì Aula Beta Via Comelico 39/41 - Dipartimento di Informatica 11:30-13:30
Giovedì Aula Beta Via Comelico 39/41 - Dipartimento di Informatica 13:45-15:30
Venerdì Aula Delta Via Comelico 39/41 - Dipartimento di Informatica 9:00-12:45

Bibliografia

Social Media Mining

Reza Zafarani, Mohammad Ali Abbasi, Huan Liu

Cambridge University Press

2014

Network Science

A.L. Barabasi

2014

Networks, Crowds, and Markets: Reasoning About a Highly Connected World

David Easley e Jon Kleinberg

Cambridge University Press

2010

Social Network Analysis: Methods and Applications

Stanley Wasserman e Katherine Faust

Cambridge University Press

1995

Networks: An Introduction

M.E.J. Newman

Oxford Press

2010

Social Media ROI

Vincenzo Cosenza

Apogeo

2014

Letture consigliate

  • Barabasi, Albert-Laszlo. "Scale-free networks: a decade and beyond."science 325, no. 5939 (2009): 412. Link
  • Reka Albert, Hawoong Jeong and Albert-Laszlo Barabasi. "Internet: Diameter of the World-Wide Web." Nature 401, 130-131 (9 September 1999).Link
  • Granovetter, Mark S. "The strength of weak ties." American journal of sociology (1973): 1360-1380.
  • Ugander, Johan, Brian Karrer, Lars Backstrom, and Cameron Marlow. "The anatomy of the facebook social graph." arXiv preprint arXiv:1111.4503(2011).
  • Kwak, Haewoon, Changhyun Lee, Hosung Park, and Sue Moon. "What is Twitter, a social network or a news media?." In Proceedings of the 19th international conference on World wide web, pp. 591-600. ACM, 2010.
  • Broder, Andrei, Ravi Kumar, Farzin Maghoul, Prabhakar Raghavan, Sridhar Rajagopalan, Raymie Stata, Andrew Tomkins, and Janet Wiener. "Graph structure in the web." Computer networks 33, no. 1 (2000): 309-320.
  • Onnela, J-P., Jari Saramaki, Jorkki Hyvonen, Gyorgy Szabo, David Lazer, Kimmo Kaski, Janos Kertesz, and A-L. Barabasi. "Structure and tie strengths in mobile communication networks." Proceedings of the National Academy of Sciences 104, no. 18 (2007): 7332-7336.
  • M Cha, H Haddadi, F Benevenuto, PK Gummadi. "Measuring User Influence in Twitter: The Million Follower Fallacy." ICWSM, 2010.

Contatti e ricevimento

Docente Mail Ufficio Orario
Sabrina Gaito sabrina.gaito@unimi.it Stanza S203 - Via Comelico 39/41 su appuntamento
Zignani Matteo (laboratorio) matteo.zignani@unimi.it Lab. S230 - Via Comelico 39/41 su appuntamento
Proposte di tesi
Early anomaly detection and warning - in collaborazione con Blogmeter
La tesi è mirata a comprendere come implementare meccanismi di riconoscimento di anomalie e loro segnalazione. Il contesto di riferimento è la social media analysis, dove ad ogni progetto vengono associati set di keyword di ascolto concordati che vanno a comporre il set di messaggi associati a quel progetto stesso. L'attività sarà mirata a mettere in luce eventuali variazioni rilevanti rispetto alla media (es. un picco di messaggi molto superiore all'atteso) e a segnalarlo automaticamente. Lo stesso tipo di attività potrà essere finalizzata non solo sui volumi di messaggi complessivi ma anche:
  • per segnalazioni di anomalie legate al sentiment automatico atteso (sempre su dati clienti/progetti)
  • per segnalazione di anomalie legate all'andamento di metriche base sull'andamento di singole pagine Facebook o altri profili social (es. segnalazioni di picco anomalo di crescita numero di fan o engagament)
Content Similarity - in collaborazione con Blogmeter
Sulla base di un un insieme di contenuti pubblicati sui social network sia da brand che da persone cosiddette Social Influencer la tesi sarà mirata a definire quali set di contenuti (e quindi di persone e brand che li pubblicano) possano essere definiti simili all'insieme iniziale dato.
Partendo quindi da uno specifico profilo social, lo scopo della ricerca sarà quello di segnalare quali altri persone/pagnie (facenti parte di una lista selezionata di profili di partenza) presentino caratteristiche simili, attraverso l'analisi dei contenuti prodotti sui social dalle persone stesse ma anche considerando dei parametri quanti-qualitativi pre-assegnati (es. numero di fan, tasso di engagement, nazione di provenienza)