Of ze zijn allemaal stuck in middle management, en daardoor gefrustreerd en ruim in de tijd genoeg om zich uit te leven op e-buitenlanders.

Wat opvalt is dat Pro-PVV reageerders *alle tijd* hebben als hardwerkende Nederlanders
Een vraag stellen is hem vaak beantwoorden. Wat ik zo zie bestaat de Leibstandarte Geert Wilders uit:
a) beroepswerkelozen (Dat komt door de buitenlanders. Tuurlijk)
b) gepensioneerden
c) studenten die een cursus doen en dus veel vrije tijd hebben (HBO InHolland)

/Mijn smoes is dat ik lang achter een beeldscherm werk en geregeld pauze moet nemen.

Onderschat niet de macht van het getal. Er zijn een paar miljoen kantoorlullen (M/V) in nederland; als daarvan een procent reageert kom je uit op tienduizenden, waarvan dus anderhalfduizenden reaGeerters.
Een mogelijke hypothese is dat de RWA-types compulsiever zijn; maar dat lijkt me lastig te toetsen.
Als ik door de telegraafpanelen struin krijg ik ooksoms ook de indruk dat er wolfpack-achtige scenarios plaatsgrijpen. Ook dat is niet te toetsen (hoewel ...) Meestal betreft het dan linksige reacties, trouwens.

Vergeet part-time Ingrid niet. Werkt 20 uur in de week, en gebruikt de andere 20 uur als vrijwilliger in Geert e-stormbahnfuhrer Gruppe.

En Henk is eigenlijk hardwerkende Nederlander, maar zit tijdelijk even in de WAO, want door z'n rug gegaan tijdens het korfballen.

Verdeling van aantal ejaculaties per reaguurder lijkt redelijk power-law achtig. Vrij vette klont aan de kop van het peleton, en uiteraard een long tail.
@Jack: als je statistisch geinteresseerd bent kan ik het wel ergen plempen, maar het is nogal lang.

Nee, LegaleStappenTeller is erg WiKi, ondanks die uil, (grtvrrdrie! kan die nick wat korter?) het komt doordat de pro PVV-reugaarders typisch veel minder denkwerk hebben per reugaarsel, dus het niet zoveel tijd kost allemaal.

Interessante vraag, ik zat mij dat namelijk zelf ook al altijd af te vragen.
Zie al wel een paar mogelijke suggesties voorbijkomen. Met name beroepswerkelozen en WAOerts - want dat komp ook door buitelandes, zeg maar.

(psst WP: het is peloton /juffie)

Wildplasser, ik heb een nieuw inzicht over RWA. Heb je daar ergens in forum 14 ooit een pots over gebakken? Anders doe ik het. Interessante poep!

Die RWA heb ik ooit een keer via Monade verkregen. Alles viel op zijn plaats toen ik het las.
Nog nagevraagd bij een kroegviendpsycholoog en die kende de score ook.

Bij interesse kan ik het histogram der teleguurders wel potsen in het GM-forum. Het is nogal lang; 250 regels ofzo.

Ja, doen, doen! Dan kom ik met extra leuks.

Doe ik vanavond thuis dan. Samenvattend uit het hoofd: 1/4 van de 500K reacties komt van nicks die maar een keer voorkomen. De top-aap zat op 600+ reacties. In de top-10 zitten een paar bekende namen. Na de top-10 zit je al op 200 reacties ofzo, en dan gaat het snel omlaag.

Maar er is uiteraard niets te zeggen over hoe stabiel de nicks zijn.

@WP, je kunt schatting maken van het aantal reaguurders door de sample van het aantal postings dat je hebt gemaakt gelijk te stellen aan de integraal van de power distributie.

Ik heb ook soortgelijke discussies gehad toen ik me beklaagde over het afschuwlijk grote aantal stompzinnige Henken en Ingrids in Nederland, en ik werd terechtgewezen. Power law stelt dat het totale aanval meevalt, dus er hoeft niet meteen een atoombom op Nederland.

In den beginne waren het de 'verontrustende' statistieken die over de internetverslaving gedrukt werden in inkt, waarover men het kwaad nog kon uitspreken tijdens het kringgesprek van een verjaardag. Tegenwoordig besta je niet meer als je niet de hele dag in connectie staat met het internet (ook volgens de baas); laat Henk & Ingrid toch met rust, ze zijn alleen maar heel erg modern met hun internetverslaving.
Met de kennis van nu, hadden we al in de jaren 90 al maatregelen moeten nemen tegen deze uitwassen, dat dan weer wel.

Terzijde: ik zou wel eens willen weten welke meningen allemaal aan elkaar gecorreleerd zijn. Ik heb het idee dat PVV'ers (of een bepaald slag VVD'ers) relatief eensgezind zijn over de volgende onderwerpen:

* moslims (teveel, geen religie maar ideologie)
* absolute vrijheid van meningsuiting (alleen voor rechtse meningen)
* kernenergie (doen)
* openbaar vervoer: afschaffen, kost geld
* autosnelwegen: te weinig.
* kunst: onzin, tenzij het desing is.
* israel: tof land.
* palestijnen: armoedzaaiers die moeten opzouten.
* amerika: tof land.
* global warming: onzin.

Etcetera.

Het soortgelijke heb je natuurlijk ook met 'linkse' en 'liberale' meningen. Is d'r niet iemand die daar iets over geschreven heeft, dat je niet iedere mening afzonderlijk vormt, maar dat je al heel snel clustert rond een verschillende boodschappenmandjes met meningen?

@gronk, jij weet dat ik weet dat je een lul bent, maar browse eens door de WakkerPedia. 100% handgeselecteerde liberale correlatie. Kostte zes maanden maar dan heb je ook een semantisch netwerk om je bruine vingers van af te likken.

/Aan de chocola

FYI: statistiekjes in goldmember.

@monade: ja, duh. Maar ik wil niet alleen wakkerpedia voor PVV'ers, maar ook weten welke andere clutsers er zijn. Hoeveel clusters er uberhaupt zijn.

Uiteindelijk zul je wel zo'n motivaction-achtige indeling krijgen ('kosmopolitische stedeling vs conservatieve niet onbemiddelde plattelandsvillabewoner vs ondernemert'), maar goed.

Ik wil in de nabije toekomst Weka loslaten op de onderbuiksels, maar sociale achtergrondinformatie krijg je daar niet uit. Zoals @WP al aangeeft: H&I reacties voldoen aan de power law, net als de reacties per reaguurder op retecool of het aantal wetenschappelijke publicaties per onderzoeker, bijvoorbeeld.

Ik hoop en verwacht detectie van shibbolets ("misplaatse zelfverklaarde morele superioriteit") en een kenmerkende zinsbouw en zinslengte die voorkeur of afkeur verraadt. Meer valt er denk ik niet uit te halen. Clusterdetectie blijft trouwens handwerk van de oplettende onderzoeker(m/v).

Ik kan me zo twee, drie manieren voorstellen waarop je zoiets kan doen:
1) heel veel reaguursels verzamelen, taggen naar meningen en in een database pleuren.
2) een enquete starten op een website, hopen dat-ie niet door het GS-volk wordt verneukt en dan maar bidden dat mensen de tijd nemen om dat helemaal en eerlijk in te vullen.
3) bij de hontd of nipo gaan werken en dan bidden dat je ze zover krijgt om zo'n onderzoek te doen.

Dank trouwens voor weka, die kende ik nog niet. Wel java, maar soit.

64 bit VMs extend the amount of data that these methods can operate on (within the limits of computational complexity), but available RAM still limits the amount of data that can be processed. There are a number of approaches to consider when data is too large to fit into main memory.

van hier. Bummer.

Het enige wat ik nodig heb is de BSN of DoB/PC6/adres van alle reaguurders, ik en knoop wat bestanden aan elkaar... Dan is er naar hartelust te data-minen naar de gezondheidstoestand, vermogenspositie, justitieel verleden en arbeidsmarktgegevens der reaguurders... :)

Ik betwijfel de inzetbaarheid van weka voor dit soort data-mining. De reaguurselset is zo goed als dimensiloos; het zijn (bij mij) alleen maar tuples van {topic_id, nick, topic_tekst}. Er zijn dus geen variabelen waarop je zou kunnen discrimineren (ala ID3 of C4.5).
Die variabelen (noem het principale componenten) zal je dus eerst moeten afleiden, dat kan met keywords + misschien iets markov-achtigs.

Ik heb zelf nog steeds een plannetje om topics adhv keyword-sets te clusteren, en zo dus tot clustering van topics te komen. Die zou je dan als PC kunnen gebruiken om reaguurders te klassificeren. Maar de data is zeer schaars; long tail enzo.
*vervolg in GM*

@WP, je moet geen wonderen verwachten, maar machine learning toolkits kunnen je helpen met de detectie van de clusters. Een van de truken is om de data te prefilteren en stukje bij beetje te voeren; dus niet de dump van je database, zeg maar. Ik denk wel dat het grove classificatie blijft, zoiets als wel/niet PVV.

Ze gebruiken weka ook om twitters te classificeren, en dat schijnt vrij aardig te lukken. Zoek maar op "sentiment detection in twitter data".

Bij die twats spelen ze natuurlijk wel een beetje vals;ze gebruiken de @Monade en #tags, en ook nog evt URL's om (een deel van) de onderliggende graaf te reconstrueren. Met alleen maar zender-nick + bag_of_words wordt dat lastig.

Het probleem lijkt heel veel op het maken van een dendogram uit een groot (1E7) universum van kleine (1e4) DNA-sequences. Zo goed als ondoenlijk zonder voorkennis.

Oh, het blijft slavenarbeid. Met het afknijpen van de studieduur, en dus de belangrijkste bron van spotgoedkoop kenniswerk, moet je andere bronnen aanboren; Amazon’s Mechanical Turk bijvoorbeeld.

Ik vind die weka trouwens een onsmakelijk hoog gehalte aan datamining / BI hebben.
Ook handig als je bij de CIDI of eggelon werkt. Jammer dat het niet schaalt.

Ik vind weka prachtig spul; het is "data mining for the rest of us". CIDI en Echelon gebruiken vziw proprietary eigenbrouwsel.

Jammer dat het niet schaalt
Wat bedoel je, afgezien van het feit dat data mining algoritmes polynomiale orde of erger zijn?

[NB vernaggeling van kiewoorden was een poging om de goegels uit de buurt te houden ]

Ja, in stream-mode schaalt het dus wel een beetje. Zij zeggen O(N) met een groooote O.
Mijn keywoord-correlatie-tabel met aging + power-iteratie is te zien als een gedegenereerde vorm van hun sliding-window techniek.
In-stream clusters en cliques detekteren en updaten (unsupervised!) is nog steeds moeilijk. Zeker zonder toegevoegde semantiek. IMHO, YMMV, IANAT.

Dus jij en ik zijn ook PVV stemperts? Ook wij hebben altijd maar alle tijd om te reaguuren.