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.
Затем исследователи решили определить, где находятся пользователи во время написания своих твитов. В частности, находятся ли они дома или где-нибудь еще. Для того, чтобы определить местонахождение дома авторов записей, ученые скомбинировали несколько методов, использующих геолокацию в Twitter. В частности, исследователи учитывали, откуда пользователь пишет чаще всего, откуда был отправлен последний пост за день и где находится место, откуда пользователь обычно пишет между часом ночи и шестью утра.
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.
При помощи SVM исследователи не только смогли определить, какие твиты были написаны пьяными людьми, но и составить карту наиболее популярных мест употребления алкоголя. В будущем ученые также планируют научить систему по твитам определять возраст, пол, этническую принадлежность и другие характеристики пользователей. Авторы работы считают, что это исследование может помочь властям в исследованиях проблем общественного здравоохранения.
Кристина Уласович