Компьютер научился вычислять «пьяные» твиты

Seth Sawyers / flickr.com
Ученые создали систему машинного обучения, которая может находить «пьяные» записи в Twitter, а также вычислять по их тексту, где именно пьют пользователи в данный момент. Об этом сообщает MIT Technology Review, с исследованием можно ознакомиться на сайте arXiv.org.
Для своей работы ученые из Рочестерского университета в течение года собирали в Нью-Йорке и округе Монро твиты с геотегами. Среди них исследователи выбрали твиты, в которых упоминается алкоголь и относящиеся к нему по контексту слова, такие как «вечеринка», «пиво», «пьяный» и другие. Затем, при помощи сервиса Amazon Mechanical Turk отобранные посты из Twitter отфильтровали, оставив только те, которые имели непосредственное отношение к употреблению алкоголя. Твиты отбирались по трем ключевым вопросам: делает ли твит ссылки на употребление алкоголя; если да, то относится ли этот твит к автору поста непосредственно; если да, вероятно ли то, что пост был на писан во время и в месте распития спиртных напитков. Всего было проанализировано около 11 тысяч твитов. На основе этих данных группа ученых обучила машину опорных векторов (SVM), распознавать «пьяные» посты по содержанию.
Однако этих данных было недостаточно, чтобы точно определить, пишет ли человек из дома или, например, из бара. Поэтому ученые составили список слов и фраз, которые бы могли точно указывать на то, что твит был отправлен пользователем, когда он находился дома. В список «домашних» признаков попали такие фразы, как «Ура, я дома!» и слова, вроде «ванна», «телевизор» или «диван».
Исследователи также отфильтровали твиты по геолокации и снова попросили работников Amazon Mechanical Turk решить, откуда были написаны посты. Затем, на основе этих данных, ученые вновь обучали SVM распознавать «пьяные» твиты. В результате, она смогла определить, откуда написаны твиты с точностью до 70 процентов.
Кристина Уласович