Neben Online- und Offline-Programmen, die irgendetwas Hübsches mit seinen last.fm-Daten machen, lässt sich im Internäther auch so einiges anderes, bereits analysiertes finden. Der vierte Teil meiner last.fm-Statistikenreihe.

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. ;(

Ich bin noch nicht ganz fertig mit meiner kleinen last.fm-Statistiken-Serie. Ich wollte mich zum Ende hin steigern und die hübscheste Visualisierung der gehörten Musik erst am Ende präsentieren. Gute Idee, eigentlich. Denn der Service, der eben diesen finalen Graphen erstellt, brauchte ziemlich lange. Und machte zusätzlich seltsamen murks, er fing z.B. kurz vor Ende wieder von vorne an, die Daten von last.fm herunterzuladen. Jetzt habe ich, damit es voran geht, den zu analysierenden Zeitraum arg beschränkt. Und siehe da: ein Ergebnis!

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!

Im zweiten Teil (Teil 1) der last.fm Statistiken geht es um bunte Grafiken, die man sich aus seinen sozialen Musikdaten da draußen im Internet generieren kann.
Es geht sogar noch bunter, aber das später…

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…