Achtung!!! Este es un post friki (si si , de esos que luego no comenta nadie), no iba a serlo pero es como me ha salido….

Voy a poner un poquito de las cosas que suelo hacer cuando estoy en la oficina, aburrido y practicamente subiendome por las pareces, sin poder decirles una chorrada a mis compagneros de cube, mas que nada porque son chinos o indios y no suelen ni enterarse de que existo ni mucho menos saben donde esta Cadiz ni que es el carnava ni na de na. Cuando hablo de politica con esta gente suele ser todo muy muy light, solo hay un indio que que medianamente se interesa y tiene bastante idea critica. El resto no se moja para nada y generalmente los temas politicos se van a orillas del “tu a que votas” hacia temas como teoria politica o usos politicos de la tecnologia que tenemos.

En una conversacion ya dije la semana pasada por la oficina que iba a estrangular al proximo que me soltara esa teoria de como youtube iba a cambiar la politica y como los candidatos presidenciales (o la masa que los sigue) iban a usar el video online para publicitar sus ideas. Aqui se ha puesto mucho de moda profetizar sobre usos mediaticos de internet en torno a la politica, algo asi como el swarming que hicimos en Madrid con los moviles en 2004 pero aplicado a Internet…. pensando pensando me di cuenta que en Espagna ya he visto dos casos de video online aplicado a la difusion rapida de productos individuales, aunque en este caso bien organizamos desde los medios de comunicacion: el jartible del Opa y el Corral (gracias Jorge, no voy a tener dias en mi vida para agradecerte que me trajeras esa maravilla musical a San Francisco) y los de la MTV con el grupo fachita de respeto a Laura y tal. Y es curioso que lo haya notado en un producto hispano y no californiano, como suele ser la costumbre, pero parece que en currarnolos aprovechando buenamente lo que tenemos delante los hispanos estamos por delante.

Hay un concepto en Information Retrieval (Que es como decirlo, la ciencia que estudia los motores de busqueda), que se llamada distancia semantica. La idea y la definicion tiene mucha matematica detras (y para el que le interese, que empiece leyendo esto ), pero rapidamente digo que la distancia semantica es la diferencia en significado entre dos terminos cualquiera y se utiliza para encontrar queries que aparecen muy cercanas semanticamente y forman una frase indivisible o unidad de significado, con lo que se indexarian en un buscador de forma unica. Por decirlo de alguna manera, si buscas New York en yahoo (o en google mismo, que tambien vale), el sistema no buscara paginas que tengan New y York repartidas en el cuerpo de la pagina (I am a new freshman from york, por ejemplo), sino que como habra indexado “new york” como una entidad, solo nos dara paginas relevantes a lo que estamos buscando.

Usando toda esa teoria, esta tarde estuve jugando con el youtube y su API, intentando hacer un agente que seleccinara los mejores videos y me los pusiera en un agregador (para cuando estoy aburrido en la ofi, que el agente me ponga videos cachondos delante y no tenga ni que esforzarme en buscar), jugando con la distancia semantica para encontrar paginas con tags que se parecieran bastante a mis preferencias… pero despues de programar un rato, ver los resultados y tragarme cuatro o cinco horas de videos (me ha encontrado desde el informal, a capitulos de batman de los 70, las dos temporadas de lost y media de sex and the city), se me ocurrio hacer lo contrario, encontrar paginas con mucha diferencia semantica (incoherencia) entre sus tags, a ver que pasaba.

Use una lista de terminos espagnoles que tengo en el curro y sin mucha sorpresa, salio muchisima mierda, muchos videos personales en los que el autor habia sido muy incoherente en los tags, pero me sorprendio encontrar un video de propaganda (muy muy facha) con los tags alterados deliberadamente : [aqui] el video es una apologia espagnolista y de supremacia blanca, pero entre los tags tiene cosas como inmigracion, xxx y webcam…. conclusion ? Spam propagandistico politico. Un tio que intenta conseguir la maxima visibilidad usando tags supuestamente populares en youtube y que intenta salir en los resultados de la mayor cantidad de gente… quiza un principio de activismo de video en youtube… a ver si estos profetas no iban a estar equivocaos.

A todo esto de encontrar videos por los tags, hay otro “approach” para encontrar informacion usando algun sistema de tags, y es entrenar un sistema de “machine learning”, que es un ente estadistico, capaz de aprender de un modelo dado y capaz de discernir y clasificar un nuevo elemento en una serie de grupos dados. Es decir, yo le daria una serie de videos que me gustan, y una serie que no me gusta para nada y el sistema aprenderia a clasificar un nuevo video en uno de esos dos grupos (me gusta, no me gusta, o me gustara mucho o poquito). Aunque parezca cogna, esto funciona y he estado haciendo modelos de este tipo desde hace unos meses para el curro, aplicandolo a grandes conjuntos de datos. He estado pensando que a lo mejor tendria que currarme un “machile learner” para encontrar videos y comparar ambos sistemas. (El sistema que uso ahora son tres conjuntos de reglas dinamicas). Al que le interese esto, hay un tutorial muy muy muy sencillito para currarse esto en python asqui

Escuchando : Thievery Corporation – International Flight