Fil

trié par nom ça rend heureux :

5 tables
 23 000 intermédiaires
 150 000 adresses
 345 000 agents
 319 000 entités
1 265 000 liens
peu de données en dehors des identités et pays, surtout des dates.

Donc de l’analyse de réseaux, que je ne connais pas vraiment. Je ne maîtrise pas non plus les outils (j’ai dû en essayer un ou deux sur des réseaux de petite taille).

(NB : un gâchis d’octets fabuleux avec tous les libellés en clair, alors que dans la notice, ils se plaignent du poids du bouzin…)

j’ai mis quelques lignes de code ici et les premiers résultats de csvstat
▻https://github.com/Fil/offshore-leaks

Salut, est-ce que tu essayé de mettre ça dans du Mysql, Mongo, ES, ... pour avoir des indexs et donc faire des recherches plus rapides ?

Il faudrait faire des recherches automatisées, entrer à la main des noms prend trop de temps. Donc un bot nourri à partir de listes de noms et/ou une API qui tape dans le SGBD ?

Non je n’ai rien fait de tel, et d’ailleurs c’est pas vraiment ça que je ferais en priorité, car les données ne sont pas très “big” et la vitesse n’est pas un souci. Dans un premier temps je pensais plutôt regarder les pays et juridictions concernées.

Donc c’est plutôt pour faire de la visualisation et pas de la recherche, et du coup tu partirais sur une « grille géographique » ? La passion locale pour les cartes, en somme ? ;)

Je ne dis pas que ce que tu suggères est une mauvaise idée ; sur le plan technique, si on s’aperçoit qu’une lecture « à plat » manque de rapidité, on pourra aisément importer le truc en SQL. Mais ça ne me semble pas en soi donner des pistes pour fouiller ces données.

Il y a essentiellement des noms de personnes et d’entités, des lieux (adresses, juridictions), et des liens entre tout ça. Donc oui l’analyse géographique :)

Mais pourquoi pas aussi utiliser nltk pour extraire les noms à la manière de
▻http://timmcnamara.co.nz/post/2650550090/extracting-names-with-6-lines-of-python-code

Désolé j’étais absent ;) Je ne dis pas que j’ai eu une bonne idée ;) Je trouve qu’une analyse géographique pourrait être une bonne chose. Tu as avancé sur l’analyse ?