Хочу поделиться одной моей поделкой и примерами кода, возможно, все это тоже будет полезно сообществу. В этой статье я поделюсь тем, что я сделал, чтобы читать Twitter-аккаунт Маска в удобном мне месте и имея под рукой перевод англоязычных твитов на русский. Все описания, ссылки и примеры кода также под катом
Twitter API *
API, предоставляемый сервисом Twitter
Новости
Twitter взломали. Пострадали аккаунты Apple, Барака Обамы, Билла Гейтса и множества других звезд твиттера
Огромное количество самых звездных акканутов Твиттера вчера было взломано (Ким Кардашьян, Илон Маск, Джеф Безос, Билл Гейтс, Барак Обама, Уоррен Баффет и другие). От их лица было опубликовано объявление о раздаче биткоинов небывалой щедрости. Сообщение гласило, что все биткоины, которые будут переведены на определенный кошелек, вернутся обратно в двойном размере:
Армия троллей
Есть тролли обыкновенные. Они развлекаются в комментариях к новостям и статьям, развлекают народ и обогащают эмоциями дискуссии, чаще милые и безобидные. Они сами по себе и действуют в своих интересах. А есть другие, которые выступают под флагами неведомых сил, их влечет блеск золота, они беспощадны и готовы крушить все на своем пути. Их целое полчище… стихия, управляемая чужими интересами.
Далее речь пойдет о троллях, действующих в чужих интересах, и чаще всего в интересах государств. Их цель — пустить пыль в глаза и сформировать ложное общественное мнение на острые события. Такой троллинг развивается во многих странах. В статье Bloomberg Россию называют мастером спорта в этом деле, ключевым экспортером данной тактики и родиной троллинга.
Под катом особенности российских троллей и их цифровой след на платформе Twitter
Микросервис на GO для граббинга видео из твитов
Добрый день, Хабравчане! Статья для новичков, каких то сверх новых идей вы здесь не увидите. Да и данный функционал, скорее всего, реализовывался десятки раз на различных языках. Идея состоит в том, что бы получив ссылку на пост в твиттере в котором содержится видео, забрать это видео и конвертировать в mkv.
Data-mining и Твиттер
Среди социальных сетей Твиттер более других подходит для добычи текстовых данных в силу жесткого ограничения на длину сообщения, в которое пользователи вынуждены поместить все самое существенное.
Предлагаю угадать, какую технологию обрамляет это облако слов?
Используя Твиттер API можно извлекать и анализировать самую разнообразную информацию. Статья о том, как это осуществить с помощью языка программирования R.
Как предсказать победителя премии Оскар по данным социальных сетей или как я провел выходной
Конечно же, просто залипнуть в Интернет не получилось, и вспомнилась идея предсказания победителя премии «Оскар» в 2018 году, результаты которой будут известны совсем скоро 4-го марта. Данная идея была сформирована в общении с одним интересным человеком, так что спасибо ему за идею.
Как за полтора дня собрать фейсбучного чат-бота из подручных материалов
Начинаем рассказывать про некоторые проекты нашего хакатона. Сегодня – бот, выдающий нашему ученику в ФБ несколько популярных твитов с только что взятым на изучение словом. Получился эдакий микро-тьюториал по Chatfuel, удобному и простому инструменту сборки таких ботов из «кубиков».
Как быстро настроить автопостинг для Facebook и Twitter
Здравствуйте, дорогие читатели!
Потребность максимально быстро и эффективно выполнять работу с сайтом есть у всех, как у успешных, так и у начинающих предпринимателей. Желание автоматизировать процесс выражается не только в лёгком наполнении сайта контентом, но и в наиболее быстром информировании целевой аудитории о появлении нового контента.
В этой статье я хочу продемонстрировать вам простой способ постинга информации (например, статей или страниц сайта) в социальные сети с минимальным количеством усилий. Представьте себе, что вы добавляете контент на сайт, или же пользователи вашего сайта публикуют объявления (подобно тому, как это было выполнено нашей командой в работе над сайтом carvoy.com), и информация о добавлении нового контента появляется на ваших страницах в социальных сетях. Этот способ эффективен тем, что доносит информацию непосредственно целевой аудитории.
Инфраструктура Twitter: масштаб
Обзор парка Twitter
Twitter пришёл из эпохи, когда в дата-центрах было принято устанавливать оборудование от специализированных производителей. С тех пор мы непрерывно разрабатывали и обновляли серверный парк, стремясь извлечь пользу из последних открытых технологических стандартов, а также повысить эффективность работы оборудования, чтобы обеспечить наилучший опыт для пользователей.
Наше текущее распределение оборудования показано ниже:
Почему вам может пригодиться собственный Twitter-бот и как создать его за полчаса
Взять хотя бы оповещения от Twisst ISS бота, который отправляет вам сообщение каждый раз, когда Международная космическая станция (МКС) будет видна из вашего местоположения.
Или боты публичных сервисов наподобие Earthquake Robot, который отправляет твит о подземных толчках более 5 баллов по шкале Рихтера, как только они случаются.
Ну и конечно, poem.exe, робот, который постит стихотворения, а также Accidental Haiku, который ретвитит посты, случайно написанные в форме хайку.
Over 9000: неочевидные сложности работы со счетчиками социальных кнопок (+ задачка)
Одна из наиболее востребованных функций социальных кнопок «поделиться» — это счетчик совершенных действий. Малое число лайков и шеров может говорить* о «некачественности» материала; большие числа, наоборот, служат своего рода социальным доказательством и заставляют других делиться контентом.
В ситуации с большими числами становятся актуальны отдельные счетчики для каждой иконки-кнопки соцсети. Однако, даже простой вывод такого счетчика не всегда просто организовать — с технической и визуальной точек зрения. Проще говоря:
- счетчик может отвалиться в самый неподходящий момент;
- некоторые социальные сервисы не предоставляют данных о репостах в принципе;
- а другие не всегда в состоянии обеспечить корректную передачу этой информации.
Пишем приложение для анализа твитов в real-time режиме за 30 минут
Несколько лет назад наша компания разработала инструмент Node-RED. Это open-source сервис, который помогает создавать приложения на модульной основе — нужно просто соединять готовые блоки. В качестве блоков выступают не только программные модули, но и различные устройства, веб-API и онлайн-службы. Для работы с Node-RED нужны базовые знания HTML, CSS и JavaScript. Конечно, чем глубже ваши знания, тем более совершенное приложение можно будет создать.
Сегодня в качестве примера мы покажем, как на основе Node-RED можно создать приложения для анализа твитов заданной тематики в режиме реального времени (первоисточник — англоязычная статья). Тематика (ключевое слово) — не единственный критерий, искать можно и по автору или хэштегу. Но в примере используется именно поиск по ключевым словам. Кроме темы, приложение, которое мы напишем, будет способно оценивать эмоциональную окраску сообщения. Искать будем только негативные твиты определенной тематики. Нужные сообщения будут показываться в течение пары секунд после того, как их кто-то напишет.
1000 и 1 репост: гайд по кнопке «поделиться» в русских соц сетях
Недавно передо мной встала задача — провести на нашем сайте «народное голосование» за номинантов на премию в нашей отрасли (франчайзинг). В рамках народного голосования человек размещал на своей странице в социальной сети пост, рассказывающий о том, за кого именно он проголосовал. Чтобы реализовать эту задачу, мне пришлось перелопатить массу информацию о том, как именно устроен шаринг в различных соцсетях, и как лучше размещать эти самые посты. Кроме того, была создана система подсчета количества размещенных репостов.
К сожалению, большая часть информации на эту тему, которую можно найти на хабре или stackoverflow — уже устарела, поэтому я постарался превратить этот в пост в актуальный мега-гайд по шерингу страниц в соц сетях. Я рассмотрел 5 наиболее популярных в России социальных сетей: контакт, facebook, твиттер, одноклассники и мой мир. Для каждой социальной сети приведен актуальный URL для шаринга, небольшие советы и рекомендации по использованию, а также JS код, позволяющий узнать количество шеров конкретного URL в каждой из соц. сетей.
В конце статьи есть сводная таблица со всеми ссылками и кратким описанием возможностей каждой из сетей.
Анализ тональности высказываний в Twitter: реализация с примером на R
В этой статье я покажу, как проводить простой анализ тональности высказываний. Мы загрузим twitter-сообщения по определенной теме и сравним их с базой данных позитивных и негативных слов. Отношение найденных позитивных и негативных слов называют отношением тональности. Мы также создадим функции для нахождения наиболее часто встречающихся слов. Эти слова могут дать полезную контекстуальную информацию об общественном мнении и тональности высказываний. Массив данных для позитивных и негативных слов, выражающих мнение (тональных слов) взят из Хью и Лью, KDD-2004.
Реализация на R с применением
twitteR, dplyr, stringr, ggplot2, tm, SnowballC, qdap
и wordcloud
. Перед применением нужно установить и загрузить эти пакеты, используя команды install.packages()
и library()
.Как пользователи Twitter оценивают «Мир Юрского периода»? Обрабатываем Большие данные при помощи IBM Watson
Новая часть саги о динозаврах, «Мир Юрского периода» побила многие рекорды кассовых сборов и собрала много положительных отзывов критиков. Но как зрители оценивают появление четвертой части фильма о древних рептилиях в привычном для нас мире? Насколько нетерпеливо зрители ожидали выхода «Мира» в кинотеатрах?
Анализировать нужно тысячи и тысячи отзывов, что и сделала команда IBM Watson. Сейчас между корпорацией IBM и Twitter есть договор о сотрудничестве по поводу обработки Big Data, баз данных социальной сети. Поэтому специалисты IBM взяли некоторые данные из Twitter, имеющие отношение к фильму, и загрузили в Watson Analytics.
Использование платы Intel Edison для изменения цвета шара Orbotix Sphero при появлении новых твитов
Сериал: Big Data — как мечта. Незапланированная 5-я серия: Большая игра. Частное мнение
11 апреля Twitter объявил о прекращении контракта с DataSift. Казалось бы, ну и что? Фактически это означает начало Большой Игры, результаты которой можно сравнить с III Мировой. Звучит жутковато? Давайте расставим фигуры на доске и посмотрим.
IBM анонсирует аналитические инструменты для работы с базами данных Twitter
IBM и Twitter представили первые в отрасли облачные сервисы, которые позволяют бизнес-профессионалам и разработчикам извлекать ценную информацию из данных Twitter. В процессе реализации проекта IBM и Twitter тесно сотрудничали с более чем 100 клиентами, и уже сегодня предоставляют корпоративным заказчикам возможность применять социальные данные для принятия бизнес-решений.
Twitter не похож ни на один другой источник данных в мире, представляя собой глобальную информационную платформу для ведения диалогов на самые разнообразные темы в режиме реального времени. Для того чтобы использовать Twitter-данные с целью принятия важных решений, бизнес-профессионалы должны делать нечто большее, чем проводить анализ общественного мнения – они должны отличать сигнал от шума. IBM помогает достичь этого, обогащая и анализируя данные Twitter в сочетании с миллионами источников данных из других информационных потоков, таких как прогнозы погоды, продажи, учет товарных запасов. Такой подход позволяет находить важные связи, которые помогают принимать более взвешенные решения.
Кастомная кнопка логина в Twitter SDK (Fabric kit)
«Наконец-то я избавлюсь от этого громоздкого кода,» — думал я, выпиливая twitter4j и предвкушая, какими аккуратными станут классы авторизации благодаря Twitter SDK. Дело было в субботу утром. По моим расчетам, это должно было занять не больше часа. Вечером я проклял того утреннего дурака, который решил пожертвовать целым выходным днем ради небольшого рефакторинга.
Пример использования Fabric (Twitter Kit) в Android Studio
В конце октября прошлого года ребята из твиттера запустили Fabric. До сих пор информации о Fabric на русском языке в сети не было, поэтому я решил на примере объяснить, как все работает на примере авторизации, ленты твитов, добавлении твита и выходе из аккаунта.
Вклад авторов
-
ilya_compman 111.0 -
alizar 68.0 -
zemel 56.0 -
molozhenko 26.0 -
sobach 23.0 -
o_Lisovenko 20.0 -
valzevul 20.0 -
temujin 18.0 -
rednaxi 17.0