Internet è una agorà in cui milioni di persone e aziende creano un cortocircuito con il mondo reale in continua espansione (relazioni, opinioni, acquisto di beni e servizi, salute, benessere, ricerca informazioni, …).
In questo senso possiamo considerare la rete come una trasposizione / rappresentazione del modo reale sempre più fedele ed efficacie.
Il punto di contatto e continua espansione di questo cortocircuito sono i contenuti che evolvono globalmente e in modo caotico per poi trovare delle isole di ordine e aggregazione (social media, blog, bacheche, …).
La possibilità di individuare, decifrate / catalogate, ma soprattutto pesare e misurare queste informazioni rappresenta un formidabile asset competitivo per qualsiasi organizzazione:
- Un azienda potrebbe sapere cosa si dice sui prodotti e servizi per coglierne difetti da correggere o inaspettati punti di forza da valorizzare
- Un ente pubblico potrebbe rilevare la soddisfazione o meno dei cittadini in merito ai servizi erogati e avere le leve per sostenere eventuali correzioni di direzione politico amministrativa
- …

In questo contesto Wave ha avviato un progetto che ha l’obiettivo di realizzare un piattaforma di Sentiment Analysis rivolta principalmente ad aiutare i professionisti del Marketing nelle loro attività strategiche.
Una soluzione di Sentiment Analysis deve unire competenze metodologie e statistiche con competenze tecniche / informatiche.

In questo contesto è nata la collaborazione con l’Università di Milano Bicocca che ha sviluppato delle importanti competenze metodologiche e statistiche in merito al Text Mining.

L’obiettivo è mettere a fattor comune le capacità di Wave e gli studi dell’Università di Milano Bicocca per realizzare un’unico strumento modulare in grado di supportare l’analisi e la classificazione di un insieme di testi, dalla ricerca (su Internet) alla reportistica.

Concettualmente abbiamo definito sei macro moduli funzionali ad oggi in fase di integrazione:
- Vocabolario: Creazione di un’ interfaccia utente per semplificare la definizione del vocabolario specifico relativo all’ argomento della ricerca.
- Recupero informazioni: automatizzazione della fase di estrazione di testi in linguaggio naturale dalle pagine dei blog. Definizione di un modello dati adeguato alle caratteristiche del problema da trattare.
Ricerca tramite parole chiave di materiale rilevante in un gruppo di blog, pulizia dei testi dei singoli blog, classificazione e salvataggio su database rispetto a data, link e altri parametri rilevanti.
- Misurazione attinenza: creazione di un’interfaccia per gestire il filtro rispetto alla reale attinenza del testo rispetto al vocabolario specifico e alle parole chiave relative alla ricerca. Integrazione di librerie specifiche per l’analisi del testo naturale.
- Definizione di categorie per la classificazione dei testi: Automatizzazione della fase di definizione delle categorie per la suddivisione dei testi
- Misurazione di ciò che è stato definito nella nell’ambito di applicazione: Classificazione /valutazione delle informazioni rilevanti rispetto alle categorie definite
- Reportistica risultati: Visualizzazione delle informazioni mediante tabelle e grafici riassuntivi.