<data>
<row _id="1"><città>Milano</città><edizione Osservatorio Milano>2019</edizione Osservatorio Milano><X1 = sentiment su Twitter relativo alla città (scala 0-100)>89,7</X1 = sentiment su Twitter relativo alla città (scala 0-100)><X2 = sentiment su Twitter relativo all'economia e all'indu_4>88,1</X2 = sentiment su Twitter relativo all'economia e all'indu_4><X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5>97,5</X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5><x1_anno>2018</x1_anno><x2_anno>2018</x2_anno><x3_anno>2018</x3_anno><x1_città/regione>Milano</x1_città/regione><x2_città/regione>Milano</x2_città/regione><x3_città/regione>Milano</x3_città/regione><x1_livello territoriale>città</x1_livello territoriale><x2_livello territoriale>città</x2_livello territoriale><x3_livello territoriale>città</x3_livello territoriale><x1_fonte>Voices from the Blogs</x1_fonte><x2_fonte>Voices from the Blogs</x2_fonte><x3_fonte>Voices from the Blogs</x3_fonte><x1_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi alla città in generale. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 15 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x1_note><x2_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'economia e all'industria. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 15 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x2_note><x3_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'arte e ai luoghi simbolo della cultura. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 15 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x3_note><X1 indice (media = 1)>1,094970703125</X1 indice (media = 1)><X2 indice (media = 1)>1,09960059910135</X2 indice (media = 1)><X3 indice (media = 1)>1,18642005354101</X3 indice (media = 1)><Score (media X123 indicizzati)>1,12699711858912</Score (media X123 indicizzati)></row>
<row _id="2"><città>Barcellona</città><edizione Osservatorio Milano>2019</edizione Osservatorio Milano><X1 = sentiment su Twitter relativo alla città (scala 0-100)>92,2</X1 = sentiment su Twitter relativo alla città (scala 0-100)><X2 = sentiment su Twitter relativo all'economia e all'indu_4>83,5</X2 = sentiment su Twitter relativo all'economia e all'indu_4><X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5>87,2</X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5><x1_anno>2018</x1_anno><x2_anno>2018</x2_anno><x3_anno>2018</x3_anno><x1_città/regione>Barcellona</x1_città/regione><x2_città/regione>Barcellona</x2_città/regione><x3_città/regione>Barcellona</x3_città/regione><x1_livello territoriale>città</x1_livello territoriale><x2_livello territoriale>città</x2_livello territoriale><x3_livello territoriale>città</x3_livello territoriale><x1_fonte>Voices from the Blogs</x1_fonte><x2_fonte>Voices from the Blogs</x2_fonte><x3_fonte>Voices from the Blogs</x3_fonte><x1_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi alla città in generale. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 15 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x1_note><x2_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'economia e all'industria. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 15 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x2_note><x3_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'arte e ai luoghi simbolo della cultura. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 15 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x3_note><X1 indice (media = 1)>1,12548828125</X1 indice (media = 1)><X2 indice (media = 1)>1,04218671992012</X2 indice (media = 1)><X3 indice (media = 1)>1,06108542224386</X3 indice (media = 1)><Score (media X123 indicizzati)>1,07625347447133</Score (media X123 indicizzati)></row>
<row _id="3"><città>Lione</città><edizione Osservatorio Milano>2019</edizione Osservatorio Milano><X1 = sentiment su Twitter relativo alla città (scala 0-100)>73,5</X1 = sentiment su Twitter relativo alla città (scala 0-100)><X2 = sentiment su Twitter relativo all'economia e all'indu_4>72,5</X2 = sentiment su Twitter relativo all'economia e all'indu_4><X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5>70,3</X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5><x1_anno>2018</x1_anno><x2_anno>2018</x2_anno><x3_anno>2018</x3_anno><x1_città/regione>Lione</x1_città/regione><x2_città/regione>Lione</x2_città/regione><x3_città/regione>Lione</x3_città/regione><x1_livello territoriale>città</x1_livello territoriale><x2_livello territoriale>città</x2_livello territoriale><x3_livello territoriale>città</x3_livello territoriale><x1_fonte>Voices from the Blogs</x1_fonte><x2_fonte>Voices from the Blogs</x2_fonte><x3_fonte>Voices from the Blogs</x3_fonte><x1_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi alla città in generale. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 15 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x1_note><x2_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'economia e all'industria. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 15 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x2_note><x3_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'arte e ai luoghi simbolo della cultura. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 15 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x3_note><X1 indice (media = 1)>0,897216796875</X1 indice (media = 1)><X2 indice (media = 1)>0,904892661008487</X2 indice (media = 1)><X3 indice (media = 1)>0,85543927963008</X3 indice (media = 1)><Score (media X123 indicizzati)>0,885849579171189</Score (media X123 indicizzati)></row>
<row _id="4"><città>Monaco</città><edizione Osservatorio Milano>2019</edizione Osservatorio Milano><X1 = sentiment su Twitter relativo alla città (scala 0-100)>81,1</X1 = sentiment su Twitter relativo alla città (scala 0-100)><X2 = sentiment su Twitter relativo all'economia e all'indu_4>81,2</X2 = sentiment su Twitter relativo all'economia e all'indu_4><X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5>88,3</X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5><x1_anno>2018</x1_anno><x2_anno>2018</x2_anno><x3_anno>2018</x3_anno><x1_città/regione>Monaco</x1_città/regione><x2_città/regione>Monaco</x2_città/regione><x3_città/regione>Monaco</x3_città/regione><x1_livello territoriale>città</x1_livello territoriale><x2_livello territoriale>città</x2_livello territoriale><x3_livello territoriale>città</x3_livello territoriale><x1_fonte>Voices from the Blogs</x1_fonte><x2_fonte>Voices from the Blogs</x2_fonte><x3_fonte>Voices from the Blogs</x3_fonte><x1_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi alla città in generale. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 15 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x1_note><x2_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'economia e all'industria. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 15 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x2_note><x3_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'arte e ai luoghi simbolo della cultura. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 15 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x3_note><X1 indice (media = 1)>0,989990234375</X1 indice (media = 1)><X2 indice (media = 1)>1,01347978032951</X2 indice (media = 1)><X3 indice (media = 1)>1,07447067412996</X3 indice (media = 1)><Score (media X123 indicizzati)>1,02598022961149</Score (media X123 indicizzati)></row>
<row _id="5"><città>Stoccarda</città><edizione Osservatorio Milano>2019</edizione Osservatorio Milano><X1 = sentiment su Twitter relativo alla città (scala 0-100)>73,1</X1 = sentiment su Twitter relativo alla città (scala 0-100)><X2 = sentiment su Twitter relativo all'economia e all'indu_4>75,3</X2 = sentiment su Twitter relativo all'economia e all'indu_4><X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5>67,6</X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5><x1_anno>2018</x1_anno><x2_anno>2018</x2_anno><x3_anno>2018</x3_anno><x1_città/regione>Stoccarda</x1_città/regione><x2_città/regione>Stoccarda</x2_città/regione><x3_città/regione>Stoccarda</x3_città/regione><x1_livello territoriale>città</x1_livello territoriale><x2_livello territoriale>città</x2_livello territoriale><x3_livello territoriale>città</x3_livello territoriale><x1_fonte>Voices from the Blogs</x1_fonte><x2_fonte>Voices from the Blogs</x2_fonte><x3_fonte>Voices from the Blogs</x3_fonte><x1_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi alla città in generale. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 15 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x1_note><x2_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'economia e all'industria. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 15 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x2_note><x3_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'arte e ai luoghi simbolo della cultura. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 15 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x3_note><X1 indice (media = 1)>0,892333984375</X1 indice (media = 1)><X2 indice (media = 1)>0,939840239640539</X2 indice (media = 1)><X3 indice (media = 1)>0,822584570455099</X3 indice (media = 1)><Score (media X123 indicizzati)>0,884919598156879</Score (media X123 indicizzati)></row>
<row _id="6"><città>Milano</città><edizione Osservatorio Milano>2018</edizione Osservatorio Milano><X1 = sentiment su Twitter relativo alla città (scala 0-100)>88,6</X1 = sentiment su Twitter relativo alla città (scala 0-100)><X2 = sentiment su Twitter relativo all'economia e all'indu_4>82,2</X2 = sentiment su Twitter relativo all'economia e all'indu_4><X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5>95,4</X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5><x1_anno>2017</x1_anno><x2_anno>2017</x2_anno><x3_anno>2017</x3_anno><x1_città/regione>Milano</x1_città/regione><x2_città/regione>Milano</x2_città/regione><x3_città/regione>Milano</x3_città/regione><x1_livello territoriale>città</x1_livello territoriale><x2_livello territoriale>città</x2_livello territoriale><x3_livello territoriale>città</x3_livello territoriale><x1_fonte>Voices from the Blogs</x1_fonte><x2_fonte>Voices from the Blogs</x2_fonte><x3_fonte>Voices from the Blogs</x3_fonte><x1_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi alla città in generale. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x1_note><x2_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'economia e all'industria. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x2_note><x3_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'arte e ai luoghi simbolo della cultura. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x3_note><X1 indice (media = 1)>1,08048780487805</X1 indice (media = 1)><X2 indice (media = 1)>1,05330599692465</X2 indice (media = 1)><X3 indice (media = 1)>1,20090634441088</X3 indice (media = 1)><Score (media X123 indicizzati)>1,11156671540453</Score (media X123 indicizzati)></row>
<row _id="7"><città>Barcellona</città><edizione Osservatorio Milano>2018</edizione Osservatorio Milano><X1 = sentiment su Twitter relativo alla città (scala 0-100)>91</X1 = sentiment su Twitter relativo alla città (scala 0-100)><X2 = sentiment su Twitter relativo all'economia e all'indu_4>83,4</X2 = sentiment su Twitter relativo all'economia e all'indu_4><X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5>87,6</X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5><x1_anno>2017</x1_anno><x2_anno>2017</x2_anno><x3_anno>2017</x3_anno><x1_città/regione>Barcellona</x1_città/regione><x2_città/regione>Barcellona</x2_città/regione><x3_città/regione>Barcellona</x3_città/regione><x1_livello territoriale>città</x1_livello territoriale><x2_livello territoriale>città</x2_livello territoriale><x3_livello territoriale>città</x3_livello territoriale><x1_fonte>Voices from the Blogs</x1_fonte><x2_fonte>Voices from the Blogs</x2_fonte><x3_fonte>Voices from the Blogs</x3_fonte><x1_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi alla città in generale. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x1_note><x2_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'economia e all'industria. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x2_note><x3_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'arte e ai luoghi simbolo della cultura. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x3_note><X1 indice (media = 1)>1,10975609756098</X1 indice (media = 1)><X2 indice (media = 1)>1,06868272680677</X2 indice (media = 1)><X3 indice (media = 1)>1,10271903323263</X3 indice (media = 1)><Score (media X123 indicizzati)>1,09371928586679</Score (media X123 indicizzati)></row>
<row _id="8"><città>Lione</città><edizione Osservatorio Milano>2018</edizione Osservatorio Milano><X1 = sentiment su Twitter relativo alla città (scala 0-100)>80,2</X1 = sentiment su Twitter relativo alla città (scala 0-100)><X2 = sentiment su Twitter relativo all'economia e all'indu_4>71,8</X2 = sentiment su Twitter relativo all'economia e all'indu_4><X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5>71,5</X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5><x1_anno>2017</x1_anno><x2_anno>2017</x2_anno><x3_anno>2017</x3_anno><x1_città/regione>Lione</x1_città/regione><x2_città/regione>Lione</x2_città/regione><x3_città/regione>Lione</x3_città/regione><x1_livello territoriale>città</x1_livello territoriale><x2_livello territoriale>città</x2_livello territoriale><x3_livello territoriale>città</x3_livello territoriale><x1_fonte>Voices from the Blogs</x1_fonte><x2_fonte>Voices from the Blogs</x2_fonte><x3_fonte>Voices from the Blogs</x3_fonte><x1_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi alla città in generale. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x1_note><x2_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'economia e all'industria. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x2_note><x3_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'arte e ai luoghi simbolo della cultura. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x3_note><X1 indice (media = 1)>0,978048780487805</X1 indice (media = 1)><X2 indice (media = 1)>0,920041004613019</X2 indice (media = 1)><X3 indice (media = 1)>0,900050352467271</X3 indice (media = 1)><Score (media X123 indicizzati)>0,932713379189365</Score (media X123 indicizzati)></row>
<row _id="9"><città>Monaco</città><edizione Osservatorio Milano>2018</edizione Osservatorio Milano><X1 = sentiment su Twitter relativo alla città (scala 0-100)>74,9</X1 = sentiment su Twitter relativo alla città (scala 0-100)><X2 = sentiment su Twitter relativo all'economia e all'indu_4>78,5</X2 = sentiment su Twitter relativo all'economia e all'indu_4><X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5>73,5</X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5><x1_anno>2017</x1_anno><x2_anno>2017</x2_anno><x3_anno>2017</x3_anno><x1_città/regione>Monaco</x1_città/regione><x2_città/regione>Monaco</x2_città/regione><x3_città/regione>Monaco</x3_città/regione><x1_livello territoriale>città</x1_livello territoriale><x2_livello territoriale>città</x2_livello territoriale><x3_livello territoriale>città</x3_livello territoriale><x1_fonte>Voices from the Blogs</x1_fonte><x2_fonte>Voices from the Blogs</x2_fonte><x3_fonte>Voices from the Blogs</x3_fonte><x1_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi alla città in generale. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x1_note><x2_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'economia e all'industria. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x2_note><x3_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'arte e ai luoghi simbolo della cultura. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x3_note><X1 indice (media = 1)>0,913414634146341</X1 indice (media = 1)><X2 indice (media = 1)>1,00589441312148</X2 indice (media = 1)><X3 indice (media = 1)>0,925226586102719</X3 indice (media = 1)><Score (media X123 indicizzati)>0,948178544456845</Score (media X123 indicizzati)></row>
<row _id="10"><città>Stoccarda</città><edizione Osservatorio Milano>2018</edizione Osservatorio Milano><X1 = sentiment su Twitter relativo alla città (scala 0-100)>75,3</X1 = sentiment su Twitter relativo alla città (scala 0-100)><X2 = sentiment su Twitter relativo all'economia e all'indu_4>74,3</X2 = sentiment su Twitter relativo all'economia e all'indu_4><X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5>69,2</X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5><x1_anno>2017</x1_anno><x2_anno>2017</x2_anno><x3_anno>2017</x3_anno><x1_città/regione>Stoccarda</x1_città/regione><x2_città/regione>Stoccarda</x2_città/regione><x3_città/regione>Stoccarda</x3_città/regione><x1_livello territoriale>città</x1_livello territoriale><x2_livello territoriale>città</x2_livello territoriale><x3_livello territoriale>città</x3_livello territoriale><x1_fonte>Voices from the Blogs</x1_fonte><x2_fonte>Voices from the Blogs</x2_fonte><x3_fonte>Voices from the Blogs</x3_fonte><x1_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi alla città in generale. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x1_note><x2_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'economia e all'industria. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x2_note><x3_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'arte e ai luoghi simbolo della cultura. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x3_note><X1 indice (media = 1)>0,918292682926829</X1 indice (media = 1)><X2 indice (media = 1)>0,952075858534085</X2 indice (media = 1)><X3 indice (media = 1)>0,871097683786506</X3 indice (media = 1)><Score (media X123 indicizzati)>0,913822075082473</Score (media X123 indicizzati)></row>
<row _id="11"><città>Milano</città><edizione Osservatorio Milano>2017</edizione Osservatorio Milano><X1 = sentiment su Twitter relativo alla città (scala 0-100)>81,9</X1 = sentiment su Twitter relativo alla città (scala 0-100)><X2 = sentiment su Twitter relativo all'economia e all'indu_4>85,5</X2 = sentiment su Twitter relativo all'economia e all'indu_4><X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5>90,1</X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5><x1_anno>2016</x1_anno><x2_anno>2016</x2_anno><x3_anno>2016</x3_anno><x1_città/regione>Milano</x1_città/regione><x2_città/regione>Milano</x2_città/regione><x3_città/regione>Milano</x3_città/regione><x1_livello territoriale>città</x1_livello territoriale><x2_livello territoriale>città</x2_livello territoriale><x3_livello territoriale>città</x3_livello territoriale><x1_fonte>Voices from the Blogs</x1_fonte><x2_fonte>Voices from the Blogs</x2_fonte><x3_fonte>Voices from the Blogs</x3_fonte><x1_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi alla città in generale. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x1_note><x2_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'economia e all'industria. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x2_note><x3_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'arte e ai luoghi simbolo della cultura. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x3_note><X1 indice (media = 1)>1,11977030352748</X1 indice (media = 1)><X2 indice (media = 1)>1,1182317551661</X2 indice (media = 1)><X3 indice (media = 1)>1,11648079306072</X3 indice (media = 1)><Score (media X123 indicizzati)>1,11816095058477</Score (media X123 indicizzati)></row>
<row _id="12"><città>Barcellona</città><edizione Osservatorio Milano>2017</edizione Osservatorio Milano><X1 = sentiment su Twitter relativo alla città (scala 0-100)>65,3</X1 = sentiment su Twitter relativo alla città (scala 0-100)><X2 = sentiment su Twitter relativo all'economia e all'indu_4>75,5</X2 = sentiment su Twitter relativo all'economia e all'indu_4><X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5>88,4</X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5><x1_anno>2016</x1_anno><x2_anno>2016</x2_anno><x3_anno>2016</x3_anno><x1_città/regione>Barcellona</x1_città/regione><x2_città/regione>Barcellona</x2_città/regione><x3_città/regione>Barcellona</x3_città/regione><x1_livello territoriale>città</x1_livello territoriale><x2_livello territoriale>città</x2_livello territoriale><x3_livello territoriale>città</x3_livello territoriale><x1_fonte>Voices from the Blogs</x1_fonte><x2_fonte>Voices from the Blogs</x2_fonte><x3_fonte>Voices from the Blogs</x3_fonte><x1_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi alla città in generale. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x1_note><x2_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'economia e all'industria. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x2_note><x3_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'arte e ai luoghi simbolo della cultura. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x3_note><X1 indice (media = 1)>0,89280831282472</X1 indice (media = 1)><X2 indice (media = 1)>0,987444415380591</X2 indice (media = 1)><X3 indice (media = 1)>1,09541511771995</X3 indice (media = 1)><Score (media X123 indicizzati)>0,991889281975087</Score (media X123 indicizzati)></row>
<row _id="13"><città>Lione</città><edizione Osservatorio Milano>2017</edizione Osservatorio Milano><X1 = sentiment su Twitter relativo alla città (scala 0-100)>60,3</X1 = sentiment su Twitter relativo alla città (scala 0-100)><X2 = sentiment su Twitter relativo all'economia e all'indu_4>70,2</X2 = sentiment su Twitter relativo all'economia e all'indu_4><X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5>76,9</X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5><x1_anno>2016</x1_anno><x2_anno>2016</x2_anno><x3_anno>2016</x3_anno><x1_città/regione>Lione</x1_città/regione><x2_città/regione>Lione</x2_città/regione><x3_città/regione>Lione</x3_città/regione><x1_livello territoriale>città</x1_livello territoriale><x2_livello territoriale>città</x2_livello territoriale><x3_livello territoriale>città</x3_livello territoriale><x1_fonte>Voices from the Blogs</x1_fonte><x2_fonte>Voices from the Blogs</x2_fonte><x3_fonte>Voices from the Blogs</x3_fonte><x1_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi alla città in generale. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x1_note><x2_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'economia e all'industria. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x2_note><x3_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'arte e ai luoghi simbolo della cultura. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x3_note><X1 indice (media = 1)>0,824446267432321</X1 indice (media = 1)><X2 indice (media = 1)>0,918127125294272</X2 indice (media = 1)><X3 indice (media = 1)>0,952912019826518</X3 indice (media = 1)><Score (media X123 indicizzati)>0,898495137517704</Score (media X123 indicizzati)></row>
<row _id="14"><città>Monaco</città><edizione Osservatorio Milano>2017</edizione Osservatorio Milano><X1 = sentiment su Twitter relativo alla città (scala 0-100)>77,3</X1 = sentiment su Twitter relativo alla città (scala 0-100)><X2 = sentiment su Twitter relativo all'economia e all'indu_4>72,7</X2 = sentiment su Twitter relativo all'economia e all'indu_4><X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5>66,5</X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5><x1_anno>2016</x1_anno><x2_anno>2016</x2_anno><x3_anno>2016</x3_anno><x1_città/regione>Monaco</x1_città/regione><x2_città/regione>Monaco</x2_città/regione><x3_città/regione>Monaco</x3_città/regione><x1_livello territoriale>città</x1_livello territoriale><x2_livello territoriale>città</x2_livello territoriale><x3_livello territoriale>città</x3_livello territoriale><x1_fonte>Voices from the Blogs</x1_fonte><x2_fonte>Voices from the Blogs</x2_fonte><x3_fonte>Voices from the Blogs</x3_fonte><x1_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi alla città in generale. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x1_note><x2_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'economia e all'industria. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x2_note><x3_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'arte e ai luoghi simbolo della cultura. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x3_note><X1 indice (media = 1)>1,05687722176648</X1 indice (media = 1)><X2 indice (media = 1)>0,950823960240649</X2 indice (media = 1)><X3 indice (media = 1)>0,824039653035936</X3 indice (media = 1)><Score (media X123 indicizzati)>0,94391361168102</Score (media X123 indicizzati)></row>
<row _id="15"><città>Stoccarda</città><edizione Osservatorio Milano>2017</edizione Osservatorio Milano><X1 = sentiment su Twitter relativo alla città (scala 0-100)>80,9</X1 = sentiment su Twitter relativo alla città (scala 0-100)><X2 = sentiment su Twitter relativo all'economia e all'indu_4>78,4</X2 = sentiment su Twitter relativo all'economia e all'indu_4><X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5>81,6</X3 = sentiment su Twitter relativo all'arte e ai luoghi si_5><x1_anno>2016</x1_anno><x2_anno>2016</x2_anno><x3_anno>2016</x3_anno><x1_città/regione>Stoccarda</x1_città/regione><x2_città/regione>Stoccarda</x2_città/regione><x3_città/regione>Stoccarda</x3_città/regione><x1_livello territoriale>città</x1_livello territoriale><x2_livello territoriale>città</x2_livello territoriale><x3_livello territoriale>città</x3_livello territoriale><x1_fonte>Voices from the Blogs</x1_fonte><x2_fonte>Voices from the Blogs</x2_fonte><x3_fonte>Voices from the Blogs</x3_fonte><x1_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi alla città in generale. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x1_note><x2_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'economia e all'industria. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x2_note><x3_note>il sentiment è un valore da 0 a 100 che rispecchia il rapporto tra giudizi positivi e negativi (al netto dei testi neutrali) pubblicati su Twitter relativi all'arte e ai luoghi simbolo della cultura. L'analisi è stata eseguita attraverso la tecnologia iSA© (Integrated Sentiment Analysis) che unisce la forza degli algoritmi e l'accuratezza della codifica manuale permettendo di distinguere il "rumore", i doppi sensi e i giochi di parole. I risultati si riferiscono a circa 12 milioni di tweet geolocalizzati nelle 5 città benchmark nella rispettiva lingua di appartenenza</x3_note><X1 indice (media = 1)>1,106097894449</X1 indice (media = 1)><X2 indice (media = 1)>1,02537274391839</X2 indice (media = 1)><X3 indice (media = 1)>1,01115241635688</X3 indice (media = 1)><Score (media X123 indicizzati)>1,04754101824142</Score (media X123 indicizzati)></row>
</data>
