Ana Paula Gomes apresenta uma análise de redes sociais utilizando Python. Ela coleta dados do Twitter sobre o hashtag #WomenTechmakers, modela as informações em um grafo e calcula métricas como grau, closeness e clusterização para identificar os termos e perfis mais influentes relacionados ao tópico. A apresentação também discute ferramentas para visualização dos dados coletados.

1. Análise de Redes Sociais com Python
Women Techmakers 2015
Ana Paula Gomes

2. Quem
Ana Paula Gomes
Mestranda em Ciência da
Computação - UFMG
Organizer do GDG-BH /
Leader Women
Techmakers BH
Inquieta, curiosa e
apaixonada por tecnologia

3. O quê
1. Introdução: Redes complexas
2. Coleta de dados do Twitter
3. Modelagem em grafos e implementação
4. Uso de métricas de grafos
5. Visualização de dados

4. Redes complexas
Começando pelo começo

5. Antes de mais nada…
Precisamos responder perguntas:
Quais termos estão relacionados ao
#WomenTechmakers?
Quais pessoas são mais influentes dentre
as pessoas que falam sobre o
#WomenTechmakers?

6. Coleta dos dados
Precisamos usar alguma coisa

7. Coleta de dados
Marvel
Yelp
Foursquare
Twitter :)
Coringa:
Programmable Web
Lod-cloud

8. Coleta de Dados do Twitter
Modalidades:
Streaming
Search

9. Coleta de Dados do Twitter
Restrições:
1% da base
Search
15 requisições numa janela de 15
minutos

10. Coleta de Dados do Twitter
Tudo documentado em: dev.twitter.com
Passos:
Criar uma aplicação
Instalar TwitterAPI

11. Coleta do Twitter - conexão
from TwitterAPI import TwitterAPI
# credenciais de conexao com o Twitter
twitter_api = TwitterAPI(consumer_key='XXXX',
consumer_secret='XXXX',
access_token_key='XXXX',
access_token_secret='XXXX')

12. Coleta do Twitter via Search
resultado = twitter_api.request('search/tweets',
{'q': '#womentechmakers', 'lang': 'en', 'count': '100'})

13. Coleta do Twitter via Streaming
resultado = twitter_api.request('statuses/filter',
{'track': 'python'})

14. Dicas
JSON
SimpleJSON
JSONLint
Códigos de resposta

15. Grafos
Relacionar é preciso

16. Grafos
Estrutura que demonstra relacionamentos
entre entidades
Vértice Vértice
Aresta

17. Grafos
Estrutura que demonstra relacionamentos
entre entidades
Maria José
amigos

18. Grafos
Estrutura que demonstra relacionamentos
entre entidades
Maria José
Rede de amigos
Joana
Ana

19. Algumas métricas
Degree (grau)
Closeness
Betweenness
Clustering
Page Rank

20. Voltando as perguntas!
Quais termos estão relacionados ao
#WomenTechmakers?
Quais pessoas são mais influentes dentre
as pessoas que falam sobre o
#WomenTechmakers?

21. Modelagem - Hashtags
#IWD2015 #WTM
#mulheresNaTecnologia
#tech

22. Modelagem - Perfis influentes
WomenTechmakers José
Joana
Ana

23. NetworkX
Biblioteca para grafos: NetworkX
pip install networkx

24. NetworkX
import networkx as nx
G = nx.Graph()
G.add_node("ana")
G.add_node("joao")
G.add_node("camila")
G.add_edge("ana", "joao")
G.add_edge("ana", "camila")

25. NetworkX
nx.draw(G)
print G.edges()
nx.write_gml(G, "grafo_hashtag.gml")

26. Criação do grafo de hashtags
Lê o arquivo de tweets
Extrai as hashtags
Cria uma aresta para as hashtags que
estiverem em um mesmo tweet

27. Métricas com grafos
Algoritmos e ferramentas

28. Grau dos vértices
Degree (grau)
Grau de Entrada e Saída
Degree Centrality

29. Grau dos vértices
Influência
Número de conexões
WomenTechmakers
José
Joana
Ana

30. Closeness
O quão próximo um vértice está dos demais
Caminhos mínimos
WomenTechmakers
José
Joana
Ana

31. Closeness
Disseminação de informações
Quem é a pessoa/lugar que irá atingir mais
pessoas?

32. Grau de clusterização
Capacidade de um nó de conectar-se com os
outros
#IWD2015 #WTM
#mulheresNaTecnologia
#tech

33. Visualização de dados
O.O

34. Ferramentas
NetworkX /Matplotlib
Cytoscape
Gephi
iGraph

35. NetworkX
Gallery

36. Cytoscape
From Network File > GML

37. apgomes88@gmail.com
Dúvidas, sugestões, troca de ideias