誰在橢圓形辦公室發(fā)推:機器學習揭露川普推文的真實作者

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)科學社區(qū)導師(Community Mentor)Greg Rafferty使用機器學習技術(shù)分析了川普的推文,預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)。

誰在橢圓形辦公室發(fā)推:機器學習揭露川普推文的真實作者

川普發(fā)了這條推嗎?還是川普的助理以川普的身份發(fā)了推?

我創(chuàng)建了一個推特機器人@whosintheoval,這個機器人會轉(zhuǎn)推唐納德·川普的推特,然后預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)注這個機器人。

我是Greg Rafferty,灣區(qū)的一個數(shù)據(jù)科學家。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,都歡迎和我聯(lián)系。

動機

2017年12月1日,邁克爾·弗林(Michael Flynn)承認向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!

誰在橢圓形辦公室發(fā)推:機器學習揭露川普推文的真實作者

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之后,川普為自己辯護,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

當中的兩小節(jié)(特別是模型那一節(jié))技術(shù)性比較強;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”機器學習技術(shù),在各種各樣的案例中得到應(yīng)用,比如識別大學炸彈客(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器學習技術(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,精確度幾乎達到了99%. 你可以關(guān)注我的推特機器人@whosintheoval,這樣一旦川普發(fā)推,你就可以實時查看相應(yīng)的預測。

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%),所以不用擔心類別失衡問題。這是我用的訓練數(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測作者。

選擇特征

誰在橢圓形辦公室發(fā)推:機器學習揭露川普推文的真實作者

這么多重大決定!

我查看了六方面的特征以建立模型:

川普的癖好

風格

情感

情緒

遣詞

語法結(jié)構(gòu)

1234下一頁>

(免責聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性,但不保證有關(guān)資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏,概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時,應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明,并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關(guān)文章源頭核實,溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 )

贊助商
2018-03-26
誰在橢圓形辦公室發(fā)推:機器學習揭露川普推文的真實作者
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)科學社區(qū)導師(Community Mentor)Greg Rafferty使用機器學習技術(shù)分析了川普的推

長按掃碼 閱讀全文