Brukt maskin lære teknikker som kan identifisere diskanthøyttalere’ atferd i sanntid og finne dem innenfor 100 meter, i henhold til en papir
Rochester University datamaskinen forskere publisert tidligere denne måneden.
Forskergruppen fokuserer på å oppdage mønstre av bruk av alkohol i by-og forstads-innstillinger for å bedre forstå hvor og hvordan folk drikker. Drikker resultater i ca 75 000, med dødsfall årlig i Usa, og at informasjonen kan brukes i offentlige helse-innsats.
“Det mer interessant informasjon som kan være avledet fra denne studien er ikke plasseringen sporing, men personligheten koblinger mellom de som legger ut ofte og deres alkoholvaner,” sa Jim McGregor, rektor analytiker ved
Tirias Forskning.
“Potensialet informasjon som kan være avledet er nesten uendelige, avhengig av hvem som ser på data og hva de er ute etter,” sa han TechNewsWorld.
Teknikken “kan være et nyttig verktøy for å analysere data for direkte markedsføring, trafikkmønstre, … eller det kan bli brukt av politiet til å spore potensielle drukket drivere, av kriminelle til å spore når folk er borte fra sine hjem, eller av forsikringsselskaper, for å spore usunne vaner av kunder,” McGregor lagt til.
Hvordan Forskerne Gjorde Det
Team samlet som er geotaggede tweets fra urbane, suburban og rurale områder i staten New York fra juli 2013 til juli 2014, preprocessed dem for å gjøre dem lettere å analysere, og deretter brukt Amazon Mechanical Turk å opprette en opplæring som satt som fanger detaljer, for eksempel om det er tweets som er nevnt drikke alkohol, brukeren eller drikke brukeren å drikke når du tvitrer.
Den tilnærming som er festet til begrepet menneskelig guidede maskinlæring introdusert i 2013
papir.
Forskere opprettet et hierarki av tre support vector machine, eller SVM, classifiers å skille de fine detaljene.
De utførte finkornet hjemsted slutning av Twitter-brukere ved å trene en SVM classifier å forutsi hjemsted for aktive brukere — de med fem eller flere geotaggede tweets — innenfor 100-x-100-meters rutenett.
For hver SVM, teamet brukt 80 prosent av merket data for trening og hvile for testing. Det ansatt femdelte cross-validation.
Teamet skrev sin egen programvare i Python og brukes scikit-lære bibliotek, sier Professor Henry Kautz, direktør for Institutt for Data-Vitenskap ved Rochester University.
Ikke Bare for Nabbing Drunken Diskanthøyttalere
Metoden kan også brukes til å analysere hva som brukere av sosiale medier er å gjøre hvis de legger ut om sine aktiviteter, når de gjør det, og hvis deres enheter er plassering-aktivert, der.
Å analysere folks plassering og innhold sammen og sammenholde det har vært gjort før, påpekte Mukul Krishna, en ledende global leder i Frost & Sullivan.
“Tilnærming er generell,” fortalte han TechNewsWorld. “Den nye ideer er en måte å skille tweets som er om et emne i generell fra de som er om brukeren gjør at ting i det øyeblikket, og gjetter brukerens hjem.”
Dataene kan brukes til å bygge fellesskap av mennesker, så segmentet de samfunnene’ medlemmer og tjene opp gjennom ad exchanges veldig fokusert annonser for det enkelte segment, Krishna sa.
Tilnærmingen kan brukes under valget. “Hvis et betydelig antall mennesker diskutert en bestemt … kandidat, konklusjoner i samsvar med det som ble diskutert kan være gjort,” foreslo Rob Enderle, rektor analytiker på Enderle Group.
Det kan også hjelpe i å avgjøre hvor du skal finne en bedrift. “Basert på reise mønstre av prøven, bruker kunne [inkluder] ideer hvor du skal bygge den neste store bar,” fortalte han TechNewsWorld.
Markedsføring og reklame også kan bli ytterligere raffinert, som “du kan sannsynligvis også gjøre nøyaktige differentiations basert på alder og kjønn fra den informasjon som leveres av Twitter,” Enderle antatt.
Det kan slå tilbake, skjønt, fordi “jo mer effektiv blir dette i form av sin bruk for å målrette forbrukere, jo mer negativ reaksjon og tilbakeslag vil vi se fra folk som tror personvernet er viktigere enn effektiv markedsføring,” Larry Chiagouris, som er professor i markedsføring ved
Pace University, fortalte TechNewsWorld.
Eller kanskje ikke. Forbrukerne er villige til å dele personlig informasjon,
Sitecorefound, for å få en mer tilpasset brukeropplevelse når du kjøper online.
Richard Adhikari har skrevet om high-tech for ledende publikasjoner siden 1990-tallet og under der det er alle fører til. Vil det RFID-chips i mennesker være Dyrets Merke? Vil nanotech løse våre kommende mat krise? Gjør Stør ‘ s Lov fortsatt holder sant? Du kan koble til med Richard på
Google+.