Friendship Network von Anonymousprof

Bild aus Anonymousprofs flickr

Anonymousprof hat einen ‘kleinen’ Crawler angeschmissen und über die last.fm-API bei zufällig ausgewählten Usern notiert, was dieser für Freunde hat. Obwohl er mittlerweile über eine Million Personen abgegrast hat, nutze er erst einmal nur 25.000 Personen mit ihren Freundesdaten um sie mit einer Graphen-Software namens TULIP in Verbindung zusetzen. Wenn er mehr Daten nahm, stürzte sein Rechner ab¹.
Herausgekommen ist eine tolle Veranschaulichung, die er in seinem Blog auszugsweise veröffentlicht hat. Man kann nicht nur sehen erahnen, wer mit wem verbunden ist – viel interessanter ist, dass es Verbindungsansammlungen, also Netzwerke gibt, die (zumindest in den 25.000 Zufallsdaten) nicht im Hauptnetzwerk integriert sind. Diese fristen ein Nischendasein und haben ihre eigenen, kleinen Netzwerke, außerhalb des Großen. Volksmusik. Ob diese Abseitsnetzwerke sich ins große Netz integrieren, wenn man mehr als 25.000 (zufällige!) Personen nimmt?
Im Zusammenhang der Verbindungsvisualisierung von Musik hat Herr Anonymousprof sich auch mal an klassische Musik gemacht und aufgezeigt, wer da wen beeinflusst hat und durch wen beeinflusst wurde. Das Video ist auch sehenswert, Deutschland ist ein ganz schöner Klassiktrendsetter.

Pionierarbeit von Lee Byron
Im letzten Beitrag hatte ich es schonmal am Rand erwähnt: Lee Byron hat auch so seine Visualisierungen gemacht. Das ist nicht nur der lastgraphige WaveGraph, sondern auch ein seltsamer, aber schöner Künstler-Bezugskreis. Leider sind die Darstellungen entweder blöde Java-Apletts oder ein wenig heranzoombare Flashdinger.

last.forward
Dieses kleine interplanetäretforme Java-Programm stellt die Freunde, Nachbarn und Gruppen eines last.fm-Benutzers grafisch dar. Nicht mehr, nicht mehr. Wer also schon immer mal auf einen Blick sehen wollte, wer das ist, der sollte unbedingt herunterladen.

build.last.fm und ReadWriteWeb
Wer an dieser Stelle, die übrigens das Ende der last.fm-Statistikenreihe² markiert, immernoch nicht genug davon hat, dem sei build.last.fm ans Herz gelegt. Während ich hier schrieb hat last.fm ihre Sammlung an Links veröffentlicht, die sich irgendwie mit last.fm beschäftigen und “die last.fm-Erfahrung erweitern”. Jippayeah.
Und wer dann immernoch nicht genug hat, dem sei diese ebenfalls frische Liste des ReadWriteWeb empfohlen. Dort sind ein paaaar sehr hübsche Veranschaulichungen von unterschiedlichsten Sachen verlinkt — The Best Tools for Visualization.

Danke für Ihre Aufmerksamkeit, auch wenn ich Ihr Interesse für last.fm Statistiken wohl nicht wecken konnte.
Beim nächsten mal dann.

1. Was auch fast logisch klingt, immerhin befinden wir uns hier bei einem Problem mit (un) ="http://de.wikipedia.org/wiki/Gerichteter_Graph">gerichteten Graphen, deren Komplexitätsordnung… Informatiker anwesend?!
2. ;(

LastGraph

Inspiriert von der Hördarstellung eines Künstlers hat Andrew Godwin (der nichts mit dem Gesetz zu tun hat) sich hingesetzt und einen Online-Programm namens LastGraph geschrieben, dass einen WaveGraph zum Hörverhalten eine last.fm-Users generiert. Was dieser WaveGraph genau ist, ist wesentlich komplizierter zu erklären, als wenn man es einfach durch hinschauen versteht. In Kürze: Die Anzahl der Wiedergaben eines Künstlers steht in einer bestimmten Farbe auf der y-Achse. Nach rechts hin ist der Zeitraum aufgetragen, in dem seine gehörten Künstler analysiert wurden. (Da fängt’s schon an mit dem Kompliziert…)
Heraus kommt eine wunderbar bunte Welle, in der die Künstler passend ihrer Farben dargestellt sind.¹

Um an so einen hübschen Graphen zu gelangen, gibt man auf der Seite von LastGraph unter “Create” seinen last.fm-Username ein, bestimmt ein Start- und ein Enddatum, gibt noch seine E-Mail-Adresse an (wenn man bei Fertigstellung des Graphen benachrichtigt werden will) und nach einem Klick auf “Create >>” hat man … eine Warteseite. LastGraph benötigt sehr viele Daten zum Erstellen der Graphen und multipliziert mit sehr vielen Anfragen ergibt das bei gleicher last.fm-Datenbank-Abfragegeschwindigkeit eine relativ lange Wartezeit. Wie in der Einleitung aber schon erwähnt: Wenn man ein einigermaßen schnelles Ergebnis haben will, so wählt man einen kurzen Zeitraum aus und kann schon bald mit einer bunten Welle rechnen.
Ist es soweit, darf man sich seinen Graph eine Woche lang als PDF oder SVG herunterladen und, soweit ich weiß, damit machen was man will. Vielleicht ja sogar ausdrucken oder gar plotten?
Für meinen kurzen Zeitraum aus dem Kopfbild ergeben sich dieses PDF und dieses SVG-Zip.

Wenn man einen größeren Zeitraum analysieren will, dann kriegt man anscheinend ein Problem.
Aber auch zu diesem Problem gibt es in den unendlichen Weiten des Internets da draußen eine Lösung, nämlich:

Last.fm Extra Stats

Hierbei handelt es sich um ein Windowsprogramm, was das Selbe macht wie LastGraph– und noch mehr. Es kann WaveGraphs erstellen und sie, mehr als bei oben genanntem Webservice, farblich und formlich anpassen. Die Optionen sind dabei so vielzählig und komplex, dass ich nur auf diesen erklärenden Blogpost hinweisen möchte.
Hat man seine Daten eingegeben, seine Lieblingseinstellungen gefunden, dann kann man auch bei Extra Stats seinen Graphen am Ende exportieren (sogar direkt zu Imageshack oder flickr!). Leider erhält man beim Festplattenexport keine Vektordatei, klitze kleines Manko am Rande.
Ganz kommt es an das Darstellungsfeeling² von LastGraph nicht heran, aber das ist sicherlich nur eine Frage des Feintunings.

Neben WaveGraphs hat man bei diesem Tool auch noch die Möglichkeit eine Reihe anderer interessanter Statistiken generieren zu lassen. Unbedingt also einmal herunterladen und ausprobieren.

Eure WaveGraphs? Gerne in die Kommentare!

1. Am Ende ist es übrigens eine (viel!) schönere Variante des bereits vorgestellten “last.fm in Time“!
2. Pro Anglizisneologismenpaarungen!

Ich würde ja gerne über meinen Besuch des Konzerts von Hot Chip im Kölner Gloria erzählen.

Ich könnte dann anfangen, wie bei Regen und Sturm eine Kuh auf den Bahngleisen meine Fahrt von Aachen nach Köln immer noch ein Stückchen mehr verspätete, wie ein Zug nach dem Anderen zum Ausfall gebracht wurde und die Ansagen darüber im Regen untergingen. Wie ich dann mit dem ICE doch noch nur 30 Minuten verspätet in Köln ankam und schließlich das Gloria noch garnicht-so-voll erreichte.

Ich könnte erzählen, wie dann um 21:10 The Letter G ein Live-Sample-Mix auf die Bühne legte und dabei mit den Bassboxen zeitweise kleines Augenflimmern erzeugte (ca. 80% des nach ISO-DAFTPUNK Maximalaugenflimmerns). Wie er hinter seinem MacBook stand und an seinen Reglern drehte, dabei Musik produzierte, die ich mir zu Hause ob ihrer Monotonie niemals anhören würde, die im Gloria an dem Abend zu dem Zeitpunkt allerdings einfach nur rockte. Wie ich dann in geschickten Nebensätzen erwähnt hätte, dass der Buchstabe G seinen Namen wohl daher hätte, weil er zeitweise in eben jener Haltung, die im Profil wie ein “G” aussieht, rhythmisch hin- und herwaberte.

Ich könnte dann erzählen, wie die Roadies eine satte halbe Stunde immer und immer wieder sämtliche Gitarren, Mikrofone, Keyboards und Wasweißichgeräte getestet haben. Bei den Gitarren jede Seite einzeln liebevoll mit unsichtbaren südvietnamesischem Rosenöl (oder Vergleichbaren) eingerieben haben müssen.

Könnte dann endlich dazu kommen, wie um 22:00 Hot Chip auf die Bühne gekommen wären. Begleitet von grellem Gegenlicht ihr Set mit lauten Trommeln begannen hätten. Um dann kaum verständlich, weil sprachlich viel zu schlecht abgemischt irgendwann zu “Boy from School” zu kommen. Wie sich dann Stück für Stück der Klang doch noch verbessert hätte, während sie sehr tanzbare Versionen ihrer Lieder pausenlos spielten. Wie lustig nerdig der Mensch am Zentral-Synthie ganz hinten aussah. Und wie gefährlich weit sich der tanzende große Mensch im Publikum von seiner Herde entfernte!

Und wie ich dann nach unterhaltsamen 30 Minuten wieder aus dem Gloria gegangen wäre, weil mein Zug würde fahren müssen.

Ich würde also gerne über meinen Besuch des Konzerts von Hot Chip im Kölner Gloria erzählen.
Tue ich aber nicht. Ich hab schließlich nur 30 Minuten mitbekommen.
Und für meine nächsten Konzertbesuche (Fettes Brot und Digitalism in Köln) werde ich mir frei nehmen. Und mit dem Auto Hubschrauber fliegen. Und die Zeit anhalten. Und einen Notfallfluxkompensator in der Tasche bereit halten. Jawohl.

Google Sky ist Google Maps, nur anders. Weil für den Weltraum.
Aus dem Web heraus kann man sich ‘simple’ Sternenbilder und Nebel anschauen, kann aber auch Infrarot- und Mirkowellenaufnahmen zuschalten. Außerdem historische Sternenkarten überlagern.
Im unteren Rand findet man Hotlinks, beispielsweise zu Bildern des Hubble-Teleskops, zu einem Spitzer-Bilderverzeichnis und einer Auflistung von Astronomie-Podcasts.
Erklärungsvideo nach dem Klick.

Wer also demnächst seine Route zum Andromedanebel berechnen lassen will, kann das jetzt tun und auf dem Weg noch etwas Käse vom Mond und einen kleinen Marsrover mitnehmen. Handtuch nicht vergessen!

[via Nerdcore]

Andrew Kuo ist ein Künstler, der für die New York Times und für sein eigenes Blog schreibt zeichnet. Wenn andere Leute sagen “Besonders das zweite Lied auf der neuen Platte von Dingsdibums hat mir gut gefallen. Das erste war allerdings relativer Mist”, dann malt Andrew Kuo ein farbenfrohes, eckiges Etwas hin, was seine Meinung zu Dingsdibums in Diagrammform repräsentiert.

Was dabei heraus kommt ist wirklich grandios. Meistens braucht man einen Augenblick, bis man verstanden hat, was da aufgezeichnet ist. Denn mit den unterschiedlichen Beschriftungen und Verweisen und Farbgebungen muss man sich immer neu zurechtfinden¹. Manchmal wird man aber, je länger man auf die Zeichnung schaut, nur noch verwirrter. Dann ist das Restherausfinden fast schon eine Knobelei (und umso interessanter).
Immer aber finde ich die Diagramme bestaunenswert.

Diese beschränken sich nicht nur auf Plattenkritiken, es kommt auch vor, dass er einen Kinofilm, ein komplettes Konzert, oder sogar die letzten fünf Morrissey-Konzerte graphisch darstellt.
Besonders lustig wird es, wenn andere seine Kritiken wiederum mit Diagrammen kritisieren .

Ich finde das wirklich interessant. Schade nur, dass ich einen Großteil der Künstler nicht kenne, ist des Herrn Kuo Musikgeschmack wohl eher im Hip-Hop-Bereich anzusiedeln².

Unbedingt das Archiv des Blogs anschauen. Denn trotz dem man wenige der Künstler kennt, die Illustration ist dennoch interessant. Auch noch: Die am 11.9.07 erschienen Platten, geordnet nach Geschmack und “Analyzing Conor Oberst “.

1. Was umso mehr für die Kreativität des Machers spricht
2. Und meiner glücklicherweise nicht

Mehr dazu, im aktualisierten “Neue Alben für’s Frühjahr“-Beitrag.

Soziomap

Um ihr eigenes Programm zu vermarkten und eine Anwendungsmöglichkeit darzustellen, haben die Programmierer der QED Group ihre Sociomap last.fm-tauglich gemacht. Nach Eingabe seines last.fm-Usernames fragt das Flash-Programm die ersten 30 Freunde ab und stellt sie dann in einer 3D-Landkarte dar.
Durch unterschiedliche Farben sind Höhenlinien deutlich gemacht (bei der interaktiven 3D-Ansicht sieht man das ein wenig besser, wenn man die Grafik hin und her dreht). Die Höhe entspricht der durchschnittlichen musikalischen Übereinstimmung mit den restlichen Usern; wer am weitesten oben steht hat einen gleichen Geschmack wie die meisten der User (Klingt irgendwie seltsam, oder?). Ich habe mir meine Freunde also ganz gut ausgesucht.
Der Abstand der Namen untereinander repräsentiert die musikalische Übereinstimmung. Je näher, desto höher ist ihr ‘Übereinstimmungswert’ (also wohl das, was im Taste-O-Meter angezeigt wird).Irgendwie kann ich mir die Höhe noch nicht ganz vorstellen; wie sich dieser Durchschnitt wirklich darstellt…
Aber egal. Sieht fancy aus!
Eingebettet ist die Flashapplikation nach dem Klick ganz unten.

Last.fm In Time

2-Jahres-Rückschau
(im Header: 1-Jahr-Rückschau)

Paul Cornelissen hat sich in dem Projekt “Musicmapper” ein wenig mit der Datenbank von last.fm auseinander gesetzt und dabei eine ziemlich coole Idee bekommen: Man könnte doch die Top-Artists mal über die Zeit betrachten. Soll heißen: Das Tool fragt die aktuelle Wiedergabeanzahl der einzelnen Künstler-Top-50 ab, dann geht es eine Woche in die Vergangenheit und tut das gleiche. Dann wieder eine Woche und wieder eine Woche. Und. So. Weiter. Pro Künstler kriegt man dann bei einem Jahr, theoretisch zumindest, 52 Datenpunkte (weil das Jahr, genau, 52 Wochen hat! Gut mitgedacht, setzen). Diese Datenpunkte kann man dann verbinden (bzw., wie der Statistiker sagt: Die Zwischenräume linear interpolieren). Heraus kommt ein so grandioses, farbenfrohes Statistikkunstwerk wie dieses hier oben unter der Überschrift. Die blauen Balken im Hintergrund repräsentieren die Gesamtliedwiedergaben in der Woche.
So kann man bei mir z.B. sehen, dass ich vor ca. einem Jahr die meisten Widergaben von Songs hatte (es war Praktikumszeit und wir haben am Stück Musik gehört), und dass meine momentane Top-1-Band “Athlete” ihren Status relativ drastisch vor einem halben Jahr erhalten hat, ich die vorige Spitzenreiterband “The Kooks” seit knapp 50 Wochen so gut wie gar nicht mehr gehört habe¹. Wenn man nur lange genug drauf schaut, erkennt man immer mehr interessante Dinge. Die höchste Steigung haben, wie mein geschultes Analyseauge bis auf eine exponentielle Interpolation genau feststellen konnte, die Stars, die ich vor ein paar Wochen für mich entdeckte und seitdem viel gehört habe²…

Your Music Listening Habits

Eine Vielzahl der Analysen aus dem letzten Posting visualisiert Kalu Kalu unter der Frage “How Do You Listen To Music?“.
Insgesamt geht’s darum, in wie weit die Top-Artists, -Alben und -Songs die Gesamtdaten in den drei Kategorien beeinflussen. Im letzten Posting wurde da auch z.B. beim AEP, beim eclectic test und dem Long Tail angesetzt. Diese Seite hat quasi die passenden Diagramme dafür zur Hand.

Wenn man z.B. die Top 50 Künstler als Referenz nimmt und sie mit den restlichen Künstlern vergleicht, erhält man rechtestes Diagramm auf rechtem Bild. Diese Werte sind genau das, was der Long Tail auch aussagte – nur eben in bund und runt.
Noch deutlicher kann man sich eine Vorstellung über den Longtail machen, wenn man sich die letzten Grafiken anschaut. Flachen die Balken nur langsam ab, dann deutet das auf einen langen Long Tail, je spitzer das linke Ende ist, desto shorter der Tail.

1. Mit dem neuen Kooks-Album werde ich dann sicherlich eine neue No.1 haben…
2. Und über die ich sehr bald auch schreiben werde…

MoneyCalc
Nimmt man die Preise von Amazon.com als Grundlage, dann sind meine Top-50-Alben 969.18 Dollar wert. Ausrechnen tut das der MoneyCalc.

AEP
Mein AEP hat einen Wert von 4.22. Der AEP (“Anti Exponiential Points”) ist ein Wert, zwischen -20 und 5, der über die Vielfältigkeit des Musikgeschmacks eines Users Aufschluss gibt. Ein Wert über 4 bedeutet einen sehr breitgefächerten Musikgeschmack, über 3 einen relativ breitgefächerten Musikgeschmack und so weiter nach unten hin. Mit meinen 4.22 bin ich also ziemlich oben, ich bin also sehr geschmackvoll, oder so². Mehr zur Berechnung des AEP gibt’s im Blog der passenden Gruppe. Seinen AEP berechnen lassen kann man hier.

Eclectic Test
Ähnlich sucht auch der “eclectic test” nach der Vielseitigkeit des Musikgeschmacks. Er verfolgt einen etwas anderen (und weniger komplexen) Ansatz: Das Skript nimmt die Top 20 Künstler, sucht sich jeweils die fünf ähnlichsten Künstler heraus und erstellt so eine Liste. Je näher die Anzahl der Künstler auf dieser Liste an 100 (=5*20) ist, also je weniger ‘überlappende’ Künstler es gibt, desto vielseitiger ist des Users Geschmack.
Ich erreiche einen Wert von 72 — bei mir sind Basement Jaxx, Coldplay, Kaiser Chiefs, Groove Armada und noch ein paar andere doppelt vorhanden (Und bei diesem Tool schneide ich schon ganz und gar nicht mehr so gut unter meinen ‘Freunden’ ab…).

Underground-O-Meter
Dann gibt es da noch das “underground-o-meter“. Das Tool berechnet den Underground-, bzw. den Mainstreamfaktor des Benutzers. Wie das genau geht, ist in einem Wiki erklärt. Ich habs nicht verstanden. Die “Weekly Top Artists” als Indikator nehmend bin ich 0% Underground und 20% Mainstream. Aha.

Average Age Calculator
Beim “Average Age Calculator” kann man sich sein musikalisches Alter ausrechnen lassen. Dazu fragt das Skript die Altersangaben der musikalischen Nachbarn, soweit vorhanden, ab und bildet daraus einen Mittelwert. Dauert ein bisschen, weil viele, ungecachte Daten abgefragt werden müssen. Jedenfalls bin ich durchschnittlich 21 Jahre alt. Muss noch zwei Jahre Mozart hören.

Long Tail
Seinen “Long Tail” (was auf Deutsch viel aussagekräftiger wäre…) kann man auf dieser Seite berechnen. Der Long Tail gibt Auskunft darüber, wieviel Prozent seiner angehörten Musik NICHT in seiner der Top 50 vertreten sind³ . Wenn man viele Künstler angehört hat, die über seine Top-50-Künstler hinausgehen, die Liste aller Künstler mit anderen Worten also weit nach unten reicht, dann wird der Long Tail größer. Der Long Tail ist dabei eine prozentuale Angabe, so dass 100% minus Long Tail den Short Tail ergibt.
Mein Long Tail ist 49,3% – und stichprobenartig bin ich damit gar nicht so schlecht gestellt unter meinen ‘Freunden’. (Der Long Tail ist übrigens relativ ähnlich zum AEP…)

Wenn ich weiter so höre, wie bisher, dann werde ich im zarten Alter von 188 am 18. Juli 2173 mein millionstes Musikstück gehört haben. Treffen wir uns dann zur Million-Track-Party?

1. last.fm? Last.fm ist die “social music revolution”. Zum Einen werden Informationen zu jedem Lied, was man anhört, an den last.fm-Server geschickt. Heraus kommt da eine tolle Aufstellung, was man wann gehört hat, wie häufig und … vieles mehr. Zum Anderen hat sich daraus ein riesiges Musiknetzwerk entwickelt, dass “Lieblingsradios”, also Radios, die seiner musikalischen Präferenz entsprechen, anbietet und auch immer mehr vollwertige Songs zum Soforthören in petto hat. In kurz: Tolle Möglichkeit, Musik zu mögen und Neue kennenzulernen. Wenn der Funke noch nicht übergesprungen ist, dann musst du es wohl selbst probieren…
2. Ich habe die meisten meiner ‘Freunde’ be-AEP-ed und ich war tatsächlich unangefochten mit den 4.22 – die meisten haben eine 3.x
3. Zur Berechnung (weil ich mich gerade, zwecks Verstehens damit beschäftigt habe): Das Skript summiert die Anzahl der Wiedergaben von den Top 50 Künstlern (z.B. 5234). Diese teilt es dann durch die Anzahl aller Wiedergaben (z.B. 5234/15702 = 0.30). Das ist der Short Tail. Subtrahiert man diesen Wert von 1 (was ja in relativen Angaben allen Wiedergaben entspricht), so erhält man seinen Long Tail, z.B. 0.70 (Um genau zu sein muss man jetzt den Wert für Short und Long Tail noch mit 100 multiplizieren, damit man auf einen prozentualen Wert gelangt (also 70%).).