Roma +39 0644254074 - Milano +39 0240031289 info@eurokleis.com
Menu

PROJECT DETAILS

Funding Scheme CP – Collaborative project Call for Proposal FP7-ICT-2011-7 Partner Country DE AU BG SP FR HU IN IT FR PL UK Duration 2011-2014 Site  www.trendminer-project.eu
La recente crescita massiccia dei social media e l’incremento dei contenuti generati dagli utenti – come Blog, Twitter, Facebook – richiede un’elevata capacità di interpretazione delle informazioni,  che necessitano di essere processate in modo efficiente e tempestivo. I social media e gli utenti, dal punto di vista scientifico, pongono diverse sfide poiché la tipologia di conversazione prodotta è sempre più dinamica, colloquiale, rapida e breve. Inoltre i contenuti di questi feed di notizie sono scritte in differenti lingue, e la sfida è quella di tradurli a fattor comune e di correlarli.
Tali conversazioni generano un flusso di informazioni altamente radicato nel contesto sociale  e, di conseguenza, i linguaggi tecnologici preesistenti non sono più adeguati poiché sono poco precisi, scalabili e portabili.
L’obiettivo del progetto TrendMiner è di sviluppare una metodologia innovativa e open-source, che consenta una sintesi in tempo reale del flusso di informazioni multilingua che viene generato sui  social media.
Compito di Eurokleis sarà quello di adattare l’algoritmo di apprendimento, sviluppato in termini generici, al dominio della finanza e dell’economia, e di misurare la correlazione esistente tra i movimenti di mercato e le opinioni esistenti sullo strumento finanziario di volta in volta considerato. Attraverso il supporto di organizzazioni ed esperti di calibro internazionale e grazie alle specifiche competenze acquisite nel tempo, riguardanti lo sviluppo e implementazione di modelli quantitativi basati sull’intelligenza artificiale e i modelli ad agenti, Eurokleis ha sviluppato un’applicazione web che, attraverso i tweet, sintetizza in tempo reale le opinioni degli utenti riguardanti lo strumento finanziario selezionato per indicare il probabile percorso di variazione nel breve.
Tale obiettivo verrà raggiunto attraverso un approccio interdisciplinare che unisce metodi di elaborazione del testo (Natural Language Processing), l’apprendimento automatico (Machine Learning), l’economia e la politica. Una novità fondamentale sarà costituita dall’utilizzo di algoritmi di apprendimento per la scoperta automatica di nuove tendenze e correlazioni debolmente supervisionati. L’accessibilità e la scalabilità verrà garantita da un’infrastruttura di Cloud Computing.
La validità dei risultati verrà valutata attraverso due casi di studio di alto livello: sostegno alle decisioni finanziarie (tramite il supporto di analisti, trader, regolatori ed economisti) e analisi e monitoraggio delle opinioni politiche (tramite il supporto di politici, economisti e giornalisti politici).  Le stesse tecniche utilizzate per i due casi di studio, in seguito, potranno essere utilizzate in numerosi ambiti applicativi come, per esempio, business intelligence e customer relationship management.

APPROFONDIMENTI