Progettazione e realizzazione di un algoritmo basato sulla stigmergia per l'analisi di dati in ambito social sensing

In questo lavoro abbiamo sviluppato uno strumento software basato sulla stigmergia per l’analisi di serie temporali provenienti da social network. Per prima cosa abbiamo sviluppato un tool Java che permette la raccolta di messaggi da Twitter. Successivamente sono state estratte serie temporali a partire dalle parole chiave identificate nei tweet. È stato quindi implementato il primo livello di analisi che, grazie alla stigmergia, riduce la dimensione delle serie temporali in ingresso e contemporaneamente ne fa emergere le caratteristiche. Il secondo livello è stato implementato utilizzando la Dynamic Time Warping. Infine è stato applicato il k-means alle serie analizzate, ottenendo un raggruppamento tra le parole chiave dalle quali erano state estratte. Il clustering è stato confrontato con la suddivisione iniziale delle parole chiave scelte. I risultati ottenuti mostrano che l’approccio stigmergico è promettente, in grado di dare risultati anche migliori di quelli ottenuti tramite un’analisi più tradizionale in cui viene applicata la DTW direttamente alle serie temporali; la stigmergia costituisce quindi un valido strumento per l’analisi di serie temporali