Il Centro di Eccellenza del Distretto Tecnologico per le nuove tecnologie per i beni e le attività Culturali della regione Lazio
https://dtclazio.it/
Team sottoprogetto: Professor Riccardo Torlone e Alessio Zoccoli.
Utilizzando alcuni tweet tweet si vogliono creare delle mappe geografiche che mettano in relazione flussi di dati provenienti dai social network e informazioni geospaziali. Nelle mappe è possibile associare il colore dell'icona (a goccia) al sentimento espresso dal tweet: da rosso scuro per molto negativo a verde scuro per molto positivo, grigio qualora il sentimento sia neutro, il tweet non è soggettivo o il testo non è analizzabile. Questo mini progetto è eseguito in locale, non comunica con il web (verrà poi portato tutto su Flask o Django).
Tecnologie:
- Python: 3.7
- Folium 0.9.1: creazione delle mappe
- MongoDB 4.0 (driver PyMongo 3.8.0): base di dati per i tweet
- translate 3.5.0: traduzione verso l'inglese di tutte le lingue (in futuro verrà aggiunto un modello specifico per l'italiano)
- TextBlob 0.15.2: per la sentiment analysis
In blu i cluster, questi sono etichettati dal numero di tweet al loro interno. Clickando sui cluster:
- ci si avvicina (zoom automatico)
- il cluster viene scomposto nei tweet che lo formano.
Passandoci semplicemente sopra, un poligono delimiterà l'area che il cluster copre.
Il mongo intero.
Copertura del cluster vicino Roma.
Europa: indicatori di colore verde scuro rappresentano tweet che esprimono sentimenti più positivi rispetto a quelli chiari
Irlanda e Regno Unito. Qui alcuni tweet esprimono sentimenti negativi o molto negativi.
Clickando su un indicatore vengono mostrati i seguenti dati relativi allo specifico tweet:
- lingua
- numero di retweet
- utenti che hanno apprezzato il tweet
Con il colore del cluster che esprime il sentimento medio dei tweet
Dettagli della mappa
