Como parte de nuestro nuevo acuerdo con la Birmingham City University y sus estudiantes, Majestic ha tenido el honor de ser patrocinador del primer Hackathon, BCUHack.
Estamos orgullosos de haber participado, y encantados por el talento que hay en el programa, especialmente de muchos de los participantes para los que era su primera participación en un Hackathon. Teníamos 4 “Kits de inciación” de Raspberry Pi disponibles para el mejor proyecto que utilizara la API de Majestic, lo que animaba a ser parte de la motivación para promover el uso de nuestra API.
Majestic encontró la forma de ser usado en un entorno educativo a través de estos proyectos, uno de los cuales, Codeacation, utilizaba la API de Majestic y nuestro PHP Connector para puntuar los sitios web que ayudan a aprender lenguajes de programación, y después, generar un ranking de posiciones de esos sitios web basados en las Flow Metrics de Majestic.
Otro proyecto que utilizaba la API de Majestic fue el presentado por el equipo JILL, que combinaba Majestic con YouTube para recoger un montón de recursos sobre un tema determinado, y después enlazarlos con usuarios de Twitter de intereses similares.
UnManned fue otro proyecto, que tuvo algunos problemas en las primeras fases del evento, pero que terminó muy fuerte con una web que ofrece las métricas de Majestic para un sitio en concreto. Por su parte, Education Hub trató de usar la API de Majestic de una forma innovadora dentro de un partido de fútbol.
Hubo otros dos proyectos que utilizaban Majestic, ambos de formas diferentes e innovadoras y ambos también merecedores de ganar nuestros premios. El equipo de iPiWatchPhone que creó una API que utilizaba una ubicación para encontrar lugares que están cerca del usuario en Google Places. De esta lista de sitios web, ellos analizan cada negocio utilizando los datos de Topical Trust Flow y observando la fortaleza del sector para cada negocio. Además de esto, el grupo hizo una aplicación móvil y utilizó una Raspberry Pi conectada a una pantalla LED y un iWatch para mostrar los datos.
Después de esto, es probable que entiendas porqué nos resultó tan difícil decidir al ganador, pero quien finalmente se hizo con la vistoria fue el Team Sapphire. El equipo construyó una especie de Tinder, llamado “Crawls”, para descubrir que webs del Top500 del Majestic Million le podrían gustar a alguien. Usaron el deslizamiento derecha/izquierda de la pantalla táctil de un Smartphone para crear un patrón de Topical Trust Flow de la clase de cosas que les interesarían. Tenían soluciones de múltiples niveles y muy bien estructuradas, incluso incluyeron una secuencia de comandos de Python que hacía y guardaba capturas de pantalla cada 10 minutos de los sitios en su base de datos.
La aplicación lo que hace es mostrarte un sitio web, y con los gestos derecha/izquierda sobre la pantalla le indicas si te gusta o no, de forma similar a como funciona Tinder. A través del uso de la API de Majestic consiguen sitios relacionados con el que tienes en pantalla, ya que están enlazados entre sí y pueden ser de interés para el usuario. De esta manera, al valorar positivamente un sitio, los siguientes que te muestran provienen de los más enlazados con ese sitio, obtenidos a través de la API de Majestic.
Max del Team Sapphire añadió:
“Cuando los usuarios deslizan hacia la derecha la pantalla de la App, nuestra API llama a la API de Majestic para obtener los GetRefDomains, y a continuación añade cinco de los dominios que no están en nuestra base de datos a la tabla de sitios, lo cuales serán escaneados la próxima vez que el usuario solicite información del sitio, y hacemos una captura de pantalla del sitio. Si la API de Majestic tiene información desfasada del sitio (por ejemplo, sin título) – usamos una librería de Python (llamada urllib2) para completarlos y actualizar la base de datos.”
Aquí podéis ver una captura de pantalla y un vídeo genial, que muestra lo que hace “Crawlr”:
Nos encontramos con el equipo ganador compuesto por Tom Bofry, John Hayes and Max Maton (de izquierda a derecha) de la Birmingham City University, que después de la entrega de premios nos respondieron a algunas preguntas:
¿Cómo se os ocurrió la idea de “Crawlr”?
Realmente hay algo de confusión acerca de cómo se nos ocurrió la idea. Creo que estábamos sentados, y era la segunda o tercera idea que yo (Max) lanzaba, y a John y Tom les gustó. Sabíamos que la presión estaba justo en el comienzo. Recuerdo pensar que normalmente sólo visito 5 sitios web de forma regular (reddit, arstechnica, y-combinator, facebook, y bbc news) y pensé que sería bueno encontrar nuevos sitios parecidos, en los que también podría estar interesado.
En Majestic todos pensamos que el resultado ha sido fascinante, ¿creíais que realmente iba a ser tan bueno cuando empezasteis?
Estamos muy contentos con el resultado, teniendo en cuenta las limitaciones de tiempo. Inicialmente, Tom esquematizó la interfaz de usuario para funciones adicionales, tales como “sitios recomendados para mi” y “sitios que me gustan”, sin embargo yo no tenía tiempo de implementar las llamadas a la API – por lo que esto perjudicaba a nuestros objetivo, pero el front-end ha superado finalmente nuestras expectativas, Tom ha hecho un trabajo brillante, solo se giraba para no dejar de pedirnos ¡¡que no rompiéramos la API!!
Si tuvierais más tiempo, ¿qué os gustaría hacer con “Crawlr” de ahora en adelante?
Personalmente me ha encantado rastrear las 5 TOP pages de los sitios web analizados, tomando un fragmento de texto de cada página (normalmente los primeros X párrafos después del primer H1) y ejecutándolo todo a través del identificador de personalidad de IBM Watson – así podríamos tener algunas personalidades asociadas a cada sitio web que nos permitía saber si éste era un sitio abierto, liberal, feliz, conservador, triste, etc. Esto nos podria ayudar a delimitar nuestras búsquedas temáticas.
¿Es éste vuestro primer Hackathon, y si no, en qué otros habéis estado?
Este ha sido mi segundo Hackathon – asistí a un Hackathon de machine learning en Rapallo, Italy, organizado por la empresa donde realicé mis prácticas. Nosotros utilizamos Watson’s cognitive advisor para reducir el conjunto de resultados de búsqueda, basado en el lenguaje natural del usuario, para construir un pequeño motor de búsqueda. Me gustó mucho este Hackathon porque éramos todos de edades similares, talentos similares y ¡estábamos realmente emocionados! Hicimos turnos para dormir (realmente poco) y había mucho entusiasmo en lo que estábamos haciendo.
¿Qué otros proyectos te han impresionada más?
Realmente me gustaba el proyecto que combinaba software de geo-aware con el análisis de dominio para obtener un ranking real de negocio, pienso que tenía muchas posibilidades (así como el proceso inverso – si la tienda es un buen negocio y lo están haciendo bien en la calle, por qué no van a estar en el top de las SERPS?) Después de hablar con muchos de los chicos del equipo Team Jill, que construyeron la aplicación de educación, me gustó su entusiasmo y sus grandes ideas, sin duda podría tener un impacto en el aprendizaje desde casa (me imagino con implementación en las universidades de los cursos libres).
——————————————————————————————————————————————————
Nos encaró charlar con Max, Tom y John y ver qué podían hacer con los datos de Majestic.