Mašīnmācīšanās algoritms identificē tvītus, kas nosūtīti alkohola ietekmē

Nosūtīt savam bijušajam partnerim tvītu ar asarām acīs pulksten 1:00 pēc Šardonay pudeles ne vienmēr ir labākais veids, kā panākt izlīgumu. Mēs visi zinām, ka alkohols un čivināšana ne vienmēr ir laba kombinācija.

Tomēr pārsteidzoši daudzi no mums ļaujas šai savdabīgajai neuzmanības formai. Un šī prakse Nabilam Hosainam un viņa draugiem Ročesteras universitātē ir radījusi interesantu ideju.

Šodien šie puiši parāda, kā viņi ir apmācījuši mašīnu, lai pamanītu ar alkoholu saistītus tvītus. Viņi arī parāda, kā izmantot šos datus, lai uzraudzītu ar alkoholu saistītās darbības un veidu, kā tās tiek izplatītas sabiedrībā. Viņi saka, ka metode varētu būtiski ietekmēt to, kā mēs saprotam un reaģējam uz sabiedrības veselības problēmām, ko rada alkohols un citas darbības.

Hossain un co darbs ir balstīts uz diviem sasniegumiem. Pirmais ir veids, kā apmācīt mašīnmācības algoritmu, lai pamanītu tvītus, kas attiecas uz alkoholu, un tos, ko sūtījuši cilvēki, kuri tajā laikā lietoja alkoholu. Otrais ir veids, kā noteikt Twitter lietotāja mājas atrašanās vietu ar daudz lielāku precizitāti, nekā jebkad bijis iespējams, un tādējādi noteikt, vai viņš mājās dzer vai nē.

Komanda sāka apkopot ar ģeogrāfisko atzīmi atzīmētos tvītus, kas tika nosūtīti gada laikā līdz 2014. gada jūlijam no Ņujorkas un Monro apgabala uz štata ziemeļu robežas, kurā ietilpst arī Ročesteras pilsēta. No šī komplekta tie filtrē visus tvītus, kuros minēts alkohols vai ar alkoholu saistīti vārdi, piemēram, piedzēries, alus, ballīte utt.

Pēc tam viņi izmantoja Amazon Mechanical Turk kolektīvā piegādes pakalpojuma darbiniekus, lai detalizētāk analizētu tvītus. Par katru tvītu viņi lūdza trīs turkerus izlemt, vai ziņojums attiecas uz alkoholu un, ja jā, vai tas attiecas uz čivinātāju, kurš lieto alkoholu. Visbeidzot viņi jautāja, vai tvīts tika nosūtīts tajā pašā laikā, kad tvītotājs iesūcas.

Šis process ietvēra aptuveni 11 000 ģeogrāfiski noteiktu tvītu, kas bija saistīti ar alkoholu (lai gan sīkākas ziņas par šī pētījuma apjomu un līdz ar to arī tā nozīmi dokumentā diemžēl trūkst). Tā ir pietiekami liela datu kopa, lai apmācītu mašīnmācības algoritmu, lai pats pamanītu ar alkoholu saistītus tvītus.

Tas viņus noveda pie nākamā jautājuma — kur ir šie cilvēki, kad viņi tviterī par dzeršanu? Un jo īpaši, vai viņi ir mājās vai kaut kur citur?

Pētnieki ir izstrādājuši dažādas metodes cilvēku mājas atrašanās vietas noteikšanai, izmantojot tikai viņu ģeogrāfiskās atrašanās vietas tvītus. Tie ietver tās vietas izvēli, no kuras viņi visbiežāk sūta tvītu, vietas izvēli, no kuras viņi sūta dienas pēdējo tvītu, vai vietu, no kuras viņi sūta tviterī no pulksten 1:00 līdz 6:00. Tomēr visām šīm metodēm ir trūkumi, kuru dēļ ir grūti paļauties. ieslēgts.

Hossain un co izstrādāja citu pieeju. Viņi sastādīja sarakstu ar vārdiem un frāzēm, ko cilvēki, visticamāk, izmantos tvītos, kas tiek sūtīti no viņu mājām, piemēram, Beidzot mājās! vai vanna, dīvāns, televizors un tā tālāk. Viņi filtrēja ģeogrāfiskās atrašanās vietas tvītus, kuros bija šie vārdi, un jautāja trim turkiem, vai viņi domā, ka katrs tvīts ir nosūtīts no mājām, paturot tikai tos, uz kuriem visi trīs turkeri atbildēja apstiprinoši.

Hosains un kolēģi nosauca šos tvītus kā pamata patiesības datu kopu mājas atrašanās vietai un izmantoja to, lai apmācītu mašīnmācības algoritmu, lai identificētu citus modeļus, kas saistīti ar mājas tvītiem. Algoritms mēģināja noskaidrot, kā mājas atrašanās vieta ir saistīta ar citiem rādītājiem, piemēram, dienas pēdējā tvīta atrašanās vietu, populārāko tvīta atrašanās vietu, tvītu procentuālo daļu no noteiktas vietas utt.

Paļaušanās uz vairākiem rādītājiem, lai noteiktu mājas atrašanās vietu, ievērojami uzlabo pieejas precizitāti, salīdzinot ar tiem, kas izmanto vienu indikatoru. Patiešām, Hosains un kolēģi apgalvo, ka var noteikt mājas atrašanās vietu 100 metru attālumā ar precizitāti līdz 80 procentiem. Tas ir ievērojami labāk nekā iepriekšējais darbs.

Kopā šie divi paņēmieni ļāva komandai noskaidrot, kad un kur cilvēki dzer. Viņi to izmantoja, lai salīdzinātu dzeršanas paradumus Ņujorkā un Monro apgabala piepilsētas rajonā.

Viņi to dara, sadalot katru apgabalu 100 x 100 režģī un atzīmējot tos apgabalus, kuros ir ar alkoholu saistīti tvīti. Tas ļauj viņiem izveidot un salīdzināt alkohola lietošanas siltuma kartes katrā apgabalā.

Viņi arī atšķir tvītus par dzeršanu, kas izgatavoti no mājām, no tiem, kas izgatavoti citur. Un viņi plāno alkohola tirdzniecības vietas katrā apgabalā. Tas ļauj pētniekiem izpētīt saistību starp no dažādiem reģioniem nosūtīto tvītu blīvumu reibuma stāvoklī un alkohola tirdzniecības vietu blīvumu.

Rezultāti rada interesantu lasīšanu. Pirmkārt, Hosains un kolēģi norāda, ka Ņujorkā lielāka daļa tvītu ir saistīta ar alkoholu nekā Monro apgabalā. Viens no iespējamiem izskaidrojumiem ir tāds, ka pārpildītā pilsētā, piemēram, Ņujorkā, kur ir ļoti blīvi alkohola tirdzniecības centri un daudzi cilvēki, kas socializējas, visticamāk, dzer vairāk.

Turklāt ģeogrāfiskās atrašanās vietas dati atklāj, ka Ņujorkā lielāka cilvēku daļa dzer mājās (vai 100 metru rādiusā no mājām) nekā Monro apgabalā, kur liela daļa cilvēku lieto alkoholu tālāk nekā kilometra attālumā no mājām.

Siltuma kartes atklāj arī interesantus modeļus. Tas ļauj komandai iekļūt 100 x 100 metru režģa laukumos, kuros ir bijuši vismaz pieci tvīti par alkoholu. Mēs uzskatām, ka šādi režģi ir neparastu dzeršanas aktivitāšu reģioni, saka Hosains un citi.

Viņi arī atklāja korelāciju starp alkohola tirdzniecības vietu blīvumu reģionā un tvītu skaitu, kas liecina, ka kāds šobrīd dzer. Tas rada interesantu jautājumu par to, kā korelācija un cēloņsakarība ir saistītas šajā gadījumā. Vai liels alkohola tirdzniecības vietu blīvums liek cilvēkiem dzert vairāk? Vai arī dzērāji plūst uz vietām, kur ir liels alkohola tirdzniecības vietu blīvums? Protams, šāda veida dati paši par sevi nevar atbildēt uz to.

Tomēr šīs tehnikas lielais spēks ir tas, ka tā ir lēta un ātra. Turpretim līdzīga ieskata iegūšana par dzeršanas paradumiem ar citiem līdzekļiem ir ļoti dārga un laikietilpīga.

Tas parasti prasa cilvēku rūpīgu atlasi, sagatavotu anketu aizpildīšanu un detalizētu to analīzi. Mašīnmācīšanās pieeja varētu pat uzraudzīt šo darbību reāllaikā. Mūsu rezultāti liecina, ka tvīti var sniegt spēcīgus un smalkus norādījumus par pilsētās notiekošajām aktivitātēm, viņi saka.

Protams, ir brīdinājumi. No Twitter iegūtajos datos ir skaidra neobjektivitāte, jo jaunieši un dažas minoritātes ir pārāk pārstāvētas. Taču līdzīgas novirzes ir arī citās datu vākšanas metodēs, piemēram, aptaujās ir nepietiekami pārstāvēti cilvēki, kuri nevēlas aizpildīt aptaujas, piemēram, daži imigranti. Aizspriedumu identificēšana un novēršana ir svarīga visu datu vākšanas metožu sastāvdaļa.

Hosainam un citiem ir lieli plāni attiecībā uz savu tehniku. Nākotnē viņi vēlas izpētīt, kā alkohola patēriņš mainās atkarībā no vecuma, dzimuma, etniskās piederības un tā tālāk; kā dažādi iestatījumi ietekmē dzeršanu un čivināšanu, piemēram, draugu mājas, stadions, parks un tā tālāk; un salīdzināt ātrumu, kādā dzērāji ieplūst blakus esošajiem rajoniem un izplūst no tiem.

Noderēs arī Twitter sociālais aspekts. Mēs varam izpētīt dzērāju sociālo tīklu, lai noskaidrotu, kā sociālā mijiedarbība un vienaudžu spiediens sociālajos medijos ietekmē tendenci atsaukties uz dzeršanu, saka Hosains un citi.

Viss, kas varētu palīdzēt diskutēt par alkohola veselības aspektiem, kas ir trešais lielākais novēršamo nāves cēlonis ASV. Tas ir 75 000 nāves gadījumu, ko alkohols izraisa katru gadu — šis skaitlis parāda šī darba nozīmīgumu, salīdzinot. mīlestības dzīves pārbaudījumiem un likstām.

Atsauce: arxiv.org/abs/1603.03181 : Smalkas informācijas izsecināšana par lietotāju darbībām un mājas atrašanās vietu no sociālajiem saziņas līdzekļiem: dzeršanas čivināšanas modeļu noteikšana kopienās

paslēpties