誰在橢圓形辦公室發(fā)推:機(jī)器學(xué)習(xí)揭露川普推文的真實(shí)作者
你是否好奇,名人在社交網(wǎng)絡(luò)上發(fā)的消息,哪些是自己寫的,哪些是工作人員寫的呢?Coursera數(shù)據(jù)科學(xué)社區(qū)導(dǎo)師(Community Mentor)Greg Rafferty使用機(jī)器學(xué)習(xí)技術(shù)分析了川普的推文,預(yù)測哪些推文是川普親自發(fā)的,哪些推文是工作人員所發(fā)。
我創(chuàng)建了一個推特機(jī)器人@whosintheoval,這個機(jī)器人會轉(zhuǎn)推唐納德·川普的推特,然后預(yù)測這條推是否是川普本人所寫。在閱讀下文了解我是如何創(chuàng)建模型的之前,別忘了在推特上關(guān)注這個機(jī)器人。
我是Greg Rafferty,灣區(qū)的一個數(shù)據(jù)科學(xué)家。你可以在我的github上查看這個項目的代碼,也可以訪問我的LinkedIn頁面。有任何疑問和反饋,都?xì)g迎和我聯(lián)系。
動機(jī)
2017年12月1日,邁克爾·弗林(Michael Flynn)承認(rèn)向FBI撒謊了。12月3日,川普的個人推特賬號發(fā)了這樣一條推:
由于弗林向副總統(tǒng)和FBI說謊,我不得不解雇了他。他已經(jīng)對這些謊言認(rèn)罪。這真可恥,因為他在過渡期間的行為是合法的。沒什么好隱瞞的!
這條推引起了很大的爭議,因為在這一年的2月14日,在弗林辭職之后,川普曾要求FBI局長詹姆斯·科米(James Comey)停止對弗林的所有調(diào)查。如果川普在向科米要求時已經(jīng)知道弗林確實(shí)向FBI說謊了,那么川普的推特是川普試圖妨礙司法的證據(jù)。在若干法律專家主張這一觀點(diǎn)之后,川普為自己辯護(hù),聲稱撰寫并發(fā)布這條推的是他的律師約翰·多德(John Dowd)。然而,果真如此嗎?
介紹
本文分為四部分:
背景
特征選取
模型
結(jié)果
當(dāng)中的兩小節(jié)(特別是模型那一節(jié))技術(shù)性比較強(qiáng);所以如果你對此不感興趣,可以直接跳到結(jié)果一節(jié),看看到底是誰發(fā)了關(guān)于弗林的那條推。
背景
文本分析取證是一門“古老的”機(jī)器學(xué)習(xí)技術(shù),在各種各樣的案例中得到應(yīng)用,比如識別大學(xué)炸彈客(Unabomber),發(fā)現(xiàn)羅伯特·加爾布雷斯(Rob Galbraith)是J·K·羅琳(J. K. Rowling)的筆名,確定《聯(lián)邦黨人文集》中特定文章的歸屬。我們這個項目嘗試使用這一機(jī)器學(xué)習(xí)技術(shù)識別@realDonaldTrump所發(fā)的推是否是川普本人所寫。然而,這一任務(wù)比較特別,非常具有挑戰(zhàn)性,因為推文都非常短——在如此短的文本中沒有太多的信號可供分析。不過,我最終還是成功了,精確度幾乎達(dá)到了99%. 你可以關(guān)注我的推特機(jī)器人@whosintheoval,這樣一旦川普發(fā)推,你就可以實(shí)時查看相應(yīng)的預(yù)測。
數(shù)據(jù)
2017年3月26日之前,川普使用三星Galaxy發(fā)推而他的工作人員使用iPhone發(fā)推;谶@些推文的元數(shù)據(jù),我們可以知道是川普本人還是他的工作人員在發(fā)推(參考這些具體討論這一假設(shè)的文章的鏈接)。在此之后,川普轉(zhuǎn)而使用iPhone,因此發(fā)推者的身份無法基于元數(shù)據(jù)得出,需要通過推文內(nèi)容推斷。
我使用了Brendan Brown的Trump Tweet Data Archive(川普推文數(shù)據(jù)歸檔),得到了川普賬號在2009年中至2017年末所發(fā)的所有推文,約有33000條。盡管我知道推文來自于哪個設(shè)備,作者身份仍有一些模棱兩可,因為人們知道川普有時會向助理口述發(fā)推內(nèi)容,因此一條具有川普特色的推文可能發(fā)自非川普所有的設(shè)備,同時(特別是大選期間)推文可能是由川普和助手們共同撰寫的,沒有明確的作者。
川普推特賬號從開始(2009年5月4日)至停止使用Android設(shè)備(2017年初)的超過30000條推文我知道(至少有比較大的把握能猜到)作者(關(guān)鍵在于,關(guān)于弗林的推文不在這一期間,所以我讓我的模型猜測真正的發(fā)推者——本文之后的結(jié)果一節(jié)會更多地討論這個)。這30000條推文基本上是在Android和非Android設(shè)備間均勻分布的(47%/53%),所以不用擔(dān)心類別失衡問題。這是我用的訓(xùn)練數(shù)據(jù)。使用若干不同的技術(shù),我基于數(shù)據(jù)創(chuàng)建了將近900個不同的特征,我的模型可以使用這些特征預(yù)測作者。
選擇特征
我查看了六方面的特征以建立模型:
川普的癖好
風(fēng)格
情感
情緒
遣詞
語法結(jié)構(gòu)
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 Intel宣布40年來最重大轉(zhuǎn)型:年底前裁員15000人、拋掉2/3房產(chǎn)
- 2 因美封殺TikTok,字節(jié)股價骨折!估值僅Meta1/5
- 3 宏山激光重磅發(fā)布行業(yè)解決方案,助力智能制造產(chǎn)業(yè)新飛躍
- 4 國產(chǎn)AI芯片公司破產(chǎn)!白菜價拍賣
- 5 具身智能火了,但規(guī)模落地還需時間
- 6 國產(chǎn)英偉達(dá)們,抓緊沖刺A股
- 7 三次錯失風(fēng)口!OpenAI前員工殺回AI編程賽道,老東家捧金相助
- 8 英特爾賦能智慧醫(yī)療,共創(chuàng)數(shù)字化未來
- 9 英偉達(dá)的麻煩在后頭?
- 10 將“網(wǎng)紅”變成“商品”,AI“爆改”實(shí)力拉滿
- 高級軟件工程師 廣東省/深圳市
- 自動化高級工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市