Tillämpas maskin lärande tekniker kan identifiera tweeters beteenden i realtid och leta upp dem inom 100 meter, enligt ett dokument
Rochester University computer forskare som offentliggjordes tidigare i månaden.
Forskargruppen fokuserar på att upptäcka mönster av alkohol i stads-och förortsområden inställningar för att bättre förstå var och hur folk dricker. Dricka resultat i 75 000 dödsfall årligen i Usa, och den information som skulle kunna användas i insatser för folkhälsan.
“Mer intressant information som kan dras från denna studie är inte läge att spåra, men personligheten länkar mellan dem som efter ofta och deras dryckesvanor,” sade Jim McGregor, chefsanalytiker på
Tirias Forskning.
“Den eventuella information som kan härledas är nästan oändliga, beroende på vem som tittar på uppgifterna och vad de letar efter”, sa han till TechNewsWorld.
Den teknik “skulle kunna vara ett användbart verktyg för att analysera data för direkt marknadsföring, trafikmönster, … eller det kan användas av polisen för att spåra potentiella rattfyllerister, av brottslingar för att spåra när folk är borta från sina hem, eller av försäkringsbolagen att spåra ohälsosamma vanor kunder,” McGregor läggas till.
Hur Forskarna Gjorde Det
Laget samlas in geotaggade tweets från tätorts -, förorts-och landsbygden i delstaten New York från och med juli 2013-juli 2014, preprocessed dem för att göra dem lättare att analysera, för att sedan användas Amazon Mechanical Turk för att skapa en utbildning som som fångar detaljer som om de tweets som nämns dricka alkohol, användaren dricka eller användaren dricka när du twittrar.
Det tillvägagångssätt som anslutit sig till begreppet mänskliga guidade lärande införs i en 2013
papper.
Forskare skapat en hierarki av tre support vector machine, eller SVM, klassificerare för att skilja av fina detaljer.
De utförs finkornig hem läge slutledning av Twitter-användare genom att utbilda en SVM klassificerare att förutse platsen för aktiva användare — de med fem eller fler geotaggade tweets-inom 100-x-100 meter nät.
För varje SVM, laget som används 80 procent av de märkta uppgifterna för träning och vila för att testa. Det sysselsatta femfaldigt cross-validation.
Laget skrev sina egna program i Python och använde scikit-lär dig bibliotek, sade Professor Henry Kautz, direktör för Institutet för Data Vetenskap vid Rochester University.
Inte Bara för Nabbing Berusad Diskanter
Metoden kan användas för att analysera vad användarna av sociala medier gör om de lägger om sin verksamhet, när de gör det, och om deras enheter är på plats-enabled, där.
En analys av människors läge och innehåll tillsammans och korrelera den har gjort innan, påpekade Mukul Krishna, en ledande global director på Frost & Sullivan.
“Det tillvägagångssätt som är allmänt”, sa han till TechNewsWorld. “Nya idéer är ett sätt att skilja tweets som finns om ett ämne i allmänhet från dem som är om användaren att göra den saken i det ögonblicket och gissa användarens hem läge.”
Data kan användas för att bygga gemenskaper av människor, då är det segment de gemenskapernas medlemmar och tjäna upp, genom annons utbyte, mycket fokuserade annonser för vissa segment, Krishna sade.
Metoden kan användas vid val. “Om ett betydande antal personer diskuterade en viss … kandidat, slutsatser överensstämmer med vad som diskuterades skulle kunna göras,” föreslog Rob Enderle, förste analytiker på Enderle Group.
Det kan också hjälpa till att avgöra var du ska leta upp ett företag. “Baserat på rörelsemönster prov, använder du [har] idéer om att bygga nästa stora bar,” han berättade TechNewsWorld.
Marknadsföring kan också vara ytterligare förfinas, som “du kan även göra noggranna indelningar baserade på ålder och kön, från den information som lämnats av Twitter,” Enderle klart.
Som kan slå tillbaka, men eftersom “mer effektivt blir detta i termer av dess användning till mål konsumenter, desto mer negativ reaktion och motreaktion vi ser från människor som tror att integritet är viktigare än effektiv marknadsföring,” Larry Chiagouris, en professor i marknadsföring vid
Pace University, berättade TechNewsWorld.
Eller kanske inte. Konsumenterna är villiga att dela personlig information,
Sitecorefound, för att få en mer personligt anpassad upplevelse när du köper online.
Richard Adhikari har skrivit om high-tech för ledande publikationer i industrin sedan 1990-talet och undrar om det hela leder till. Kommer inopererade RFID-chip i människor vara Vilddjurets Märke? Kommer nanotekniken att lösa våra kommande livsmedelskris? Gör Sturgeons Lag håller fortfarande sant? Du kan ansluta med Richard på
Google+.