L'algoritmo di apprendimento automatico identifica i tweet inviati sotto l'influenza dell'alcol

Inviare al tuo ex partner un tweet con le lacrime agli occhi all'una di notte dopo una bottiglia di chardonnay non è necessariamente il modo migliore per raggiungere la riconciliazione. Sappiamo tutti che l'alcol e i tweet non sono sempre una buona combinazione.

Eppure un numero sorprendente di noi si abbandona a questa peculiare forma di indiscrezione. E questa pratica ha dato a Nabil Hossain e ai suoi amici dell'Università di Rochester un'idea interessante.

Oggi, questi ragazzi mostrano come hanno addestrato una macchina per individuare i tweet relativi all'alcol. E mostrano anche come utilizzare questi dati per monitorare l'attività legata all'alcol e il modo in cui è distribuito nella società. Dicono che il metodo potrebbe avere un impatto significativo sul modo in cui comprendiamo e rispondiamo ai problemi di salute pubblica sollevati dall'alcol e da altre attività.

Il lavoro di Hossain e co si basa su due scoperte. Il primo è un modo per addestrare un algoritmo di apprendimento automatico per individuare i tweet relativi all'alcol e quelli inviati da persone che bevono alcol in quel momento. Il secondo è un modo per trovare la posizione di casa di un utente di Twitter con una precisione molto maggiore di quanto sia mai stato possibile e quindi per determinare se sta bevendo a casa o meno.

Il team ha iniziato raccogliendo tweet georeferenziati inviati durante l'anno fino a luglio 2014 da New York City e dalla contea di Monroe al confine settentrionale dello stato, che include la città di Rochester. Da questo set, filtrano tutti i tweet che menzionano alcol o parole correlate all'alcol, come ubriaco, birra, festa e così via.

Hanno quindi utilizzato i dipendenti del servizio di crowdsourcing Mechanical Turk di Amazon per analizzare i tweet in modo più dettagliato. Per ogni tweet, hanno chiesto a tre turchi di decidere se il messaggio si riferisse all'alcol e, in caso affermativo, se si riferisse al tweeter che beve alcolici. Infine, hanno chiesto se il tweet fosse stato inviato nello stesso momento in cui il tweeter stava assorbendo.

Questo processo ha coinvolto circa 11.000 tweet geolocalizzati associati all'alcol (sebbene i dettagli sulle dimensioni di questo studio, e quindi sul suo significato, siano purtroppo privi di questo documento). È un set di dati abbastanza grande per addestrare un algoritmo di apprendimento automatico per individuare i tweet relativi all'alcol.

Questo li ha portati alla domanda successiva: dove sono queste persone quando twittano sul bere? E in particolare, sono in casa o altrove?

I ricercatori hanno escogitato vari metodi per calcolare la posizione di casa delle persone utilizzando solo i loro tweet geolocalizzati. Questi includono la scelta del luogo da cui twittano di più, la scelta del luogo da cui inviare l'ultimo tweet della giornata o il luogo da cui twittano tra l'1:00 e le 6:00. Tuttavia, tutti questi metodi hanno punti deboli che li rendono difficili da fare affidamento in poi.

Hossain e co hanno sviluppato un altro approccio. Hanno redatto un elenco di parole e frasi che le persone potrebbero utilizzare nei tweet inviati dalle loro case, come Finalmente a casa! o bagno, divano, TV e così via. Hanno filtrato i tweet geolocalizzati contenenti queste parole e hanno chiesto a tre turchi se pensavano che ogni tweet fosse stato inviato da casa o meno, conservando solo quelli per i quali i tre turchi hanno risposto di sì.

Hossain e colleghi hanno designato questi tweet come un set di dati sulla verità sul terreno per la posizione di casa e lo hanno utilizzato per addestrare un algoritmo di apprendimento automatico per identificare altri modelli associati ai tweet basati su casa. L'algoritmo ha cercato di vedere come la posizione di casa è correlata con altri indicatori come la posizione dell'ultimo tweet della giornata, la posizione più popolare di un tweet, la percentuale di tweet da una determinata posizione e così via.

Fare affidamento su diversi indicatori per determinare la posizione di casa migliora significativamente l'accuratezza dell'approccio, rispetto a quelli che utilizzano un singolo indicatore. In effetti, Hossain e colleghi affermano di poter calcolare la posizione di casa entro 100 metri con una precisione fino all'80%. È significativamente migliore rispetto al lavoro precedente.

Insieme, queste due tecniche hanno permesso al team di capire quando e dove le persone bevono. E hanno usato questo per confrontare i modelli di consumo di alcol a New York City e nell'area suburbana della contea di Monroe.

Lo fanno dividendo ogni area in griglie 100 x 100 e contrassegnando le aree in cui sono presenti tweet associati all'alcol. Ciò consente loro di elaborare e confrontare mappe termiche del consumo di alcol per ciascuna area.

Distingono anche i tweet sul bere fatti da casa da quelli fatti altrove. E tracciano i punti vendita di alcolici in ogni area. Ciò consente ai ricercatori di indagare sulla relazione tra la densità dei tweet inviati da diverse regioni in stato di ebbrezza e la densità dei punti vendita di alcol.

I risultati costituiscono una lettura interessante. In primo luogo, Hossain e colleghi sottolineano che una percentuale maggiore di tweet a New York City è associata all'alcol rispetto alla contea di Monroe. Una possibile spiegazione è che una città affollata come New York, con punti vendita ad alta densità di alcolici e molte persone che socializzano, probabilmente avrà un tasso di alcolismo più elevato, dicono.

Inoltre, i dati di geolocalizzazione rivelano che una percentuale maggiore di persone beve a casa (o entro 100 metri da casa) a New York rispetto alla contea di Monroe, dove un'alta percentuale di persone beve a più di un chilometro da casa.

Le mappe di calore rivelano anche schemi interessanti. Consente alla squadra di entrare in una griglia quadrata di 100 x 100 metri dove ci sono stati almeno cinque tweet sull'alcol. Riteniamo che tali griglie siano regioni di attività alcoliche insolite, affermano Hossain e co.

Hanno anche trovato una correlazione tra la densità dei punti vendita di alcolici in una regione e il numero di tweet che indicano che qualcuno sta bevendo ora. Ciò solleva una domanda interessante su come correlazione e causalità siano collegate in questo caso. Un'alta densità di punti vendita di alcolici induce le persone a bere di più? O i bevitori si affollano in aree con un'alta densità di punti vendita di alcolici? Naturalmente, questo tipo di dati di per sé non può rispondere a questo.

Tuttavia, il grande potere di questa tecnica è che è economica e veloce. Al contrario, ottenere una visione simile dei modelli di consumo di alcol con altri mezzi è estremamente costoso e richiede tempo.

Di solito richiedeva un'attenta selezione delle persone, la compilazione di questionari preparati e l'analisi dettagliata di questi. L'approccio dell'apprendimento automatico potrebbe persino monitorare questa attività in tempo reale. I nostri risultati dimostrano che i tweet possono fornire spunti potenti e dettagliati delle attività in corso nelle città, dicono.

Ci sono avvertimenti ovviamente. C'è un chiaro pregiudizio nei dati raccolti da Twitter poiché i giovani e alcune minoranze sono sovrarappresentate. Ma pregiudizi simili sono presenti in altri metodi di raccolta dei dati: ad esempio, i sondaggi tendono a sottorappresentare le persone che non vogliono compilare sondaggi, come alcuni immigrati. L'identificazione e la gestione dei pregiudizi è una parte importante di tutti i metodi di raccolta dei dati.

Hossain e compagni hanno grandi progetti per la loro tecnica. In futuro, vogliono studiare come il consumo di alcol varia con l'età, il sesso, l'etnia e così via; in che modo le diverse impostazioni influenzano il bere e il tweet, come la casa degli amici, lo stadio, il parco e così via; e confrontare la velocità con cui i bevitori entrano ed escono dai quartieri adiacenti.

Anche l'aspetto social di Twitter sarà utile. Possiamo esplorare il social network dei bevitori per scoprire come le interazioni sociali e la pressione dei pari nei social media influenzano la tendenza a fare riferimento al bere, affermano Hossain e co.

Tutto ciò potrebbe aiutare a informare il dibattito sugli aspetti legati alla salute dell'alcol, che è la terza causa di morte prevenibile negli Stati Uniti Sono 75.000 decessi che l'alcol provoca ogni anno, un numero che mette il significato di questo lavoro in prospettiva rispetto alle prove e alle tribolazioni delle vite amorose.

Rif: arxiv.org/abs/1603.03181 : Deduzione di dettagli dettagliati sulle attività degli utenti e sulla posizione della casa dai social media: Rilevamento dei modelli di abuso di alcol durante il tweet nelle comunità

nascondere