【51CTO.com快譯】目前，大型數據企業正在積極利用機器學習技術判斷人類社會中的種種行為趨勢。他們利用社交媒體中的個人資料推斷人格特質，并將結果交付至第三方廠商以進行廣告宣傳甚至辨別輿論導向。利用一系列數據點，包括購物習慣、所訂閱雜志、Facebook關注乃至多達其他5000種關注取向，Cambridge Analytica等數據企業為美國的2.2億成年人建立起了預測性個性模型。

當然，他們并不是采取這種分析舉措的惟一廠商。事實上，財富五百強企業的營銷人員、數字廣告客戶以及各類分析廠商皆在采取此類途徑，旨在更好地對消費者進行引導。早期研究表明，個性化目標在Facebook廣告活動中獲得的點擊比例高達63%。

因此，如果您同樣樂于在社交媒體上積極活動，那么以下五項機器學習方案從您社交資料中窺得的五種秘密顯然值得關注。

1.年齡與性別

女性來自金星，男性來自火星。在社交媒體所使用的語言表達層面，兩性之間的區別更為突出：

男性往往大量使用“xbox”等游戲詞匯并在表達中不自覺地發誓。他們同時會頻繁使用“我老婆”及“我女朋友”這種表述。女性則僅使用“丈夫”及“男朋友”，而不常加上“我的”這種修飾。年齡段也對表達方式產生巨大影響。對于“精彩”或者“激動人心”這類表達，則會隨著年齡段的不同而產生多種表達方式。

在此次名為MyPersonality項目的調查中，Ungar團隊對7萬5千條Facebook個人資料進行了分析。如果大家感興趣，也可以點擊此處訪問Ungar的網站，體驗分析結果對您的年齡與性別預測是否準確。

2. 性格特征

在此次研究中，Ungar提出了開放、自覺、外向、兼顧與神經質（簡稱OCEAN）五大性格特征，且確實表現出對實際行為的較高預測價值。性格不屬于精確的物理屬性，我們無法通過計算小數點后多位來獲得確切答案。事實上，研究人員發現的往往是這些特征對于預測結果的弱正或者弱負相關性。

同樣的，感興趣的朋友可以點擊此處通過IPIP-300測試了解自己在OCEAN測試中的分數。

與性別與年齡一樣，性格特征也會影響我們的上述語言表達。外向者們往往迫不及待地參與各類派對活動，而內向者則癡迷于動畫、漫畫、互聯網，當然還有《寵物小精靈》。

另外，個人資料中的頭像圖片也能夠表達我們的性格特征。開放程度較高的人可能采用藝術風格濃郁及較特立獨行的頭像。他們也擁有更好的審美意識，會選擇高對比度、銳度及飽和度的高品質照片。自覺型用戶則傾向于做出符合一般性預期的判斷：正統的面部照片。外向型用戶傾向于通過生活照展示自己。

3. 從事工作

如果未在領英上與他人建立聯系，您可能無法查看對方的個人資料及當前職業。然而事實證明，用戶在推特上的表達詞匯中可能隱含著重要的線索性信息。

很明顯，管理人員通常會討論商業或者財務類新聞，而級別較低的員工則用更多時間討論個人興趣，而非工作相關的話題。

4. 自戀與精神病傾向

另外，大家也可以利用社交媒體上的表達過濾掉那些“怪人”。自戀者往往會努力吸引他人的關注，渴望得到地位與崇拜。精神病患者則缺乏悔意、過分敏感且不具備道德觀念。再有，權謀型用戶會有意操縱并利用他人。人類行為中的這些黑暗方面在結合之后，即構成了所謂的“黑暗三性格”。

與預期一致，精神病患者往往會使用“死亡”或者“憤怒”等更加激進及暴力的語言，同時表現出消極的情緒狀態。權謀型用戶則貢獻了大部分垃圾或者廣告型內容。

另外，行為與性格特征之間亦存在著可分析的關聯。自戀者往往更傾向于發送配合地理位置的推文，且很少發布重復的內容或者主題標簽，這證明他們會認真策劃自己的發布內容。

5. 罹患心臟病的機率

在2015年的一篇研究論文中，Ungar團隊描述了一種僅適用于推特的數據模型，其可較傳統因素（包括人口統計學、社會經濟學以及吸煙與糖尿病等健康危害性因素）更準確地預測心臟病死亡率模型。

心臟病的誘發往往源自敵對關系與慢性壓力。Ungar及其團隊追蹤了各類反映于社交活動內的負面情緒，包括憤怒、反社會乃至辭去工作等言論。這些跡象被證明能夠更好地預測心血管疾病的發生及致死率。

原文標題：5 secrets machine learning knows about you from your social media posts

原文作者：MARIYA YAO

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】