Cómo utilizar Twitter para la minería de datos personales

Su flujo de Twitter (y, pronto, su historial de publicaciones en el muro de Facebook) constituye una rica fuente de información sobre usted o, considerando que la mayoría de los Tweets son públicos, sobre cualquier otra persona. Incluye todo, desde tus patrones de habla y los temas con los que te obsesionas hasta la identidad de tus verdaderos amigos, al menos en la esfera de los tweets. El truco es desbloquearlo.

El primer paso para introducirse en su subconsciente es descargar una muestra representativa de sus tweets. Afortunadamente, Twitter almacena los últimos 3200 de ellos, que probablemente sea más de lo que jamás ha dicho, a menos que sea especialmente prolífico.

Una forma fácil de descargar todos esos tweets es registrarse en un servicio como BackupMy.Net , que capturará todos los tweets disponibles (hasta ese límite de 3200) y le permitirá descargarlos en varios formatos diferentes.

Paso dos, obtenga una copia gratuita de TextWrangler (si está en una Mac) o su Equivalente de Windows . Si está en Linux, vi o emacs pueden hacer todo lo que voy a describir.

Paso tres, comience a filtrar su corpus de tweets. Piense en ello como un montículo de arcilla húmeda. Puedes hacerle las preguntas que quieras. Esto es lo que le pregunté al mío; si tienes otras ideas déjalas en los comentarios.

i) Elimine cada dos líneas para eliminar el ruido de todas esas marcas de fecha y hora. TextWrangler tiene una potente función de Líneas de proceso que contienen… en el menú Texto. En este caso, le permite eliminar cada línea que contenga la cadena +0000, que supongo que es la variable en blanco donde normalmente irían los datos de ubicación geográfica. Si sus Tweets están ubicados geográficamente, haga que busque cada año en el que twitteó, asumiendo que no suele pasar años en sus tweets.

Esta:

Se convierte en esto:

Ahora pega el texto resultante en Wordle , el generador de nubes de palabras, porque las nubes de palabras son formas bonitas de visualizar la frecuencia de las palabras.

Para una primera aproximación, no está mal: se puede ver a algunos de sus intereses y amigos tratando de echar un vistazo a las palabras basura que todos usamos en Twitter, como RT.

ii) Usando un comando simple de buscar y reemplazar, deshazte de RT, via y cualquier otra palabra que no te diga nada. Ahora puede ver con qué está obsesionado. Pasé a estar obsesionado con el cambio climático, las palabras de moda en las noticias (nuevo, ahora) y, aparentemente, señalar el sarcasmo y la distancia irónica al comenzar fragmentos de oraciones con la palabra aparentemente.

iii) Para obtener un destilado más puro de sus propios patrones de habla y neurosis, use el comando Líneas de proceso que contienen ... o su equivalente para eliminar todas las líneas que son retweets.

iv) Si quieres saber quiénes son tus verdaderos amigos en Twitter (y, en menor medida, de qué les hablas) extrae todas las líneas que tengan @.

Si quieres saber lo que dices cuando hablas con tus amigos, simplemente elimina todas las palabras que comienzan con @. O clasifique el documento para que pueda capturar solo todas las conversaciones que haya tenido con una persona en particular y convertir * eso * en una nube de palabras.

v) Si desea saber que habla cuando habla de sí mismo, simplemente extraiga cada línea con la cadena (distingue entre mayúsculas y minúsculas) I

Hay innumerables herramientas en la web para analizar su flujo de Twitter, desde análisis de frecuencia a contenido emocional , pero hasta donde yo sé, descargar todos tus tweets y analizarlos tú mismo es la única forma de visualizar su contenido real con este nivel de especificidad. Estoy seguro de que hay docenas de consultas en las que ni siquiera he pensado que son posibles con este método. No dude en dejar sus ideas en los comentarios.

Sigue a Mims en Twitter o contáctalo por correo electrónico .

esconder