语言学家开发出算法识别Twitter用户性别

标签: internet | 发表时间:2011-07-29 17:25 | 作者:blackhat geek2live
出处:http://solidot.org/
网民多以假名掩盖身份,雌雄难辩,男扮女女扮男屡见不鲜,然而他们的言语和喜好会暴露他们的身份。Mitre公司的语言学研究人员,在苏格兰举行的自然语言处理实证方法会议上公布了一篇论文(PDF),称他们开发出一种算法能根据Twitter用户的帖子内容识别出其性别,他们的依据是女性所用语言和男性存在相当大的差异。 研究发现,女性比男性更常使用表情符号、缩略语,重复字母和情感表达。如果一个twitter帖子包含了感叹号或笑脸符号,那么有很大可能性发帖者是女性。例如,女性常用单词包括:haha、cute、omg、love、yaha、yay、hahaha、happy、girl、 hair,、lol、hubby和chocolate。而男性喜好用google和http。研究人员开发的程序识别性别的正确率有65.9%。


相关 [语言学家 开发 算法] 推荐:

语言学家开发出算法识别Twitter用户性别

- geek2live - Solidot
网民多以假名掩盖身份,雌雄难辩,男扮女女扮男屡见不鲜,然而他们的言语和喜好会暴露他们的身份. Mitre公司的语言学研究人员,在苏格兰举行的自然语言处理实证方法会议上公布了一篇论文(PDF),称他们开发出一种算法能根据Twitter用户的帖子内容识别出其性别,他们的依据是女性所用语言和男性存在相当大的差异.

IT新职业:算法开发者

- ashuai - Solidot
德州大学的研究人员认为,当算法与软件变得泾渭分明,未来将会出现算法开发者和算法工程专业. 计算机科学教授András Faragó说,我们可能将目睹历史新趋势的出现,他指出算法的重要性日益上升,将重现计算机历史上软件取代硬件成为行业明星的一幕. 今天没有人质疑软件的价值,但算法的价值却未必得到认真对待.

mahout贝叶斯算法开发思路(拓展篇)2

- - CSDN博客云计算推荐文章
如果想直接下面算法调用包,可以直接在 mahout贝叶斯算法拓展下载,该算法调用的方式如下:. 这一步骤相当于 TrainNaiveBayesJob的第二个prepareJob,其中mapper和reducer都是参考这个job的,基本没有修改代码;代码如下:. 其实也就是设置一个标识的个数而已,其他参考AbstractJob的默认参数;.

mahout贝叶斯算法开发思路(拓展篇)1

- - CSDN博客云计算推荐文章
首先说明一点,此篇blog解决的问题是就下面的数据如何应用mahout中的贝叶斯算法. 完结篇)blog最后留的问题,如果想直接使用该工具,可以在 mahout贝叶斯算法拓展下载):. 前篇blog上面的数据在最后的空格使用冒号代替(因为样本向量和标识的解析需要不同的解析符号,同一个的话解析就会出问题).

缓存算法

- lostsnow - 小彰
没有人能说清哪种缓存算法由于其他的缓存算法. (以下的几种缓存算法,有的我也理解不好,如果感兴趣,你可以Google一下  ). 大家好,我是 LFU,我会计算为每个缓存对象计算他们被使用的频率. 我是LRU缓存算法,我把最近最少使用的缓存对象给踢走. 我总是需要去了解在什么时候,用了哪个缓存对象.

BFPRT算法

- zii - 小彰
BFPRT算法的作者是5位真正的大牛(Blum 、 Floyd 、 Pratt 、 Rivest 、 Tarjan),该算法入选了在StackExchange上进行的当今世界十大经典算法,而算法的简单和巧妙颇有我们需要借鉴学习之处. BFPRT解决的问题十分经典,即从某n个元素的序列中选出第k大(第k小)的元素,通过巧妙的分析,BFPRT可以保证在最坏情况下仍为线性时间复杂度.

贪心算法

- Shan - 博客园-首页原创精华区
顾名思义,贪心算法总是作出在当前看来最好的选择. 也就是说贪心算法并不从整体最优考虑,它所作出的选择只是在某种意义上的局部最优选择. 当然,希望贪心算法得到的最终结果也是整体最优的. 虽然贪心算法不能对所有问题都得到整体最优解,但对许多问题它能产生整体最优解. 如单源最短路经问题,最小生成树问题等.

缓存算法

- 成 - FeedzShare
来自: 小彰 - FeedzShare  . 发布时间:2011年09月25日,  已有 2 人推荐. 没有人能说清哪种缓存算法由于其他的缓存算法. (以下的几种缓存算法,有的我也理解不好,如果感兴趣,你可以Google一下  ). 大家好,我是 LFU,我会计算为每个缓存对象计算他们被使用的频率.

K-Means 算法

- - 酷壳 - CoolShell.cn
最近在学习一些数据挖掘的算法,看到了这个算法,也许这个算法对你来说很简单,但对我来说,我是一个初学者,我在网上翻看了很多资料,发现中文社区没有把这个问题讲得很全面很清楚的文章,所以,把我的学习笔记记录下来,分享给大家. k-Means 算法是一种  cluster analysis 的算法,其主要是来计算数据聚集的算法,主要通过不断地取离种子点最近均值的算法.

查找算法:

- - CSDN博客推荐文章
从数组的第一个元素开始查找,并将其与查找值比较,如果相等则停止,否则继续下一个元素查找,直到找到匹配值. 注意:要求被查找的数组中的元素是无序的、随机的. 比如,对一个整型数组的线性查找代码:. // 遍历整个数组,并分别将每个遍历元素与查找值对比. 要查找的值在数组的第一个位置. 也就是说只需比较一次就可达到目的,因此最佳情况的大O表达式为:O(1).