Twitter News Recommender

Bachelor Projekt von Julienne Büchele. Es wurde ein News Recommender-System basierend auf der Twitter-API mit scikit learn umgesetzt.

Information über das Project

• Die verwendete IDE ist PyCharm
• Es wurde Anaconda für das Package Management und Deployment verwendet
• Sonstige Packages:
  • Tweepy (Twitter-API Helper)
  • Yellowbrick (Visualizer)

Ordner Struktur

• src/data: Schnittstelle zur Twitter-API sowie Daten Vor- und Aufbereitung
• src/helper:
  • Hier wird der Klassifizierer trainiert (Modeling.py)
  • Hier werden die Methoden umgesetzt (Modeling.py und Recommender.py)
• src/models: Tweet und User Objekte

---

Teste durchführen

• Um die Methoden zu starten, muss die Datei treiber.py geöffnet werden
  • Der Teil unter "Get data" muss dabei stets einkommentiert sein
• Unter "Visualization" können die verwendeten Twitter-Beiträge visualisiert werden, dazu einfach den Code einkommentieren
• Unter "Evaluation" können die verschiedenen Methoden ausgewertet werden. Dafür muss jeweils der Code unter der beschrieben Methode einkommentiert werden
  • Unter "Test different classifier" können können die verschiedenen Klassifizierungsalgorithmen getestet werden
  • Unter "Plain Recommender" wird das klassische Empfehlungssystem getestet
  • Unter "Bounded-Greedy-Selection", "User Profile Partitioning" und "Anomalies and exceptions" können die einzelnen Methoden getestet und die Werte dargestellt werden
  • Unter "Test every method" können alle Methoden auf einmal ausgeführt werden. Dies könnte etwas länger dauern

Extras

• Man kann nicht zu viele Anfragen auf einmal machen, sonst überschreitet man die Rate Limits der Twitter-API
  • Falls dass passiert reicht es maximal 10min zu warten, dann müsste die Anfrage wieder durchgehen