别人在看球，我天天看谁在看球 | 职觉
2014/7/11 壹读
自述|IBM大数据工程师
文|刘静
这个夏天，我几乎没有好好看过一场球，却对每场比赛都了如指掌。这主要是因为我的职业——大数据工程师。
像当年的“电商”或者“云计算”一样，“大数据”概念仅仅用了几年时间就一跃成为最新的技术热点。人人都在谈大数据，但很少有人能说清楚大数据到底能干点啥。
其实，看看我的工作就能很好地理解它了。我所在的团队目前正跟一家门户网站合作报道足球赛事，并不是传统意义上的“报道”，而是从海量文本信息中挖掘有意思的话题展示给读者。
以前我们怎么知道哪个球队更受欢迎呢？在网上搞个支持度投票吧，但是这种调查的结果，很受球迷的热情程度影响，可能某个球队很受欢迎，但是球迷没那么喜欢投票。现在，我们可以用大数据工具轻松地抓取球迷在社交网络上的发言，并分析他的倾向，这样大家就能随时看到自己有多少志同道合的小伙伴了。
目前，我们项目组每天能搜集到数以百万计的球赛相关信息。很多人以为信息量大就是大数据了，其实那只是数据大而已……对大数据来说，更重要的是带来多少价值，这些“数据”不仅包含数字，还有文字、表情等，我们称之为“非结构化信息”，比如微博文本、讨论帖和视频跟帖等。处理这些信息需要专门的技术，比如这些话是赞还是贬，我们称之为情感分析，还要有技术能挖出球迷们讨论的话题以及话题之间的关联。
媒体可以利用这些热点话题和分析结果来撰写报道。这是大数据带来的喜闻乐见的改变之一——以前体育新闻里报道什么由记者定，而现在，观众的注意力说了算。
虽然我们在做球赛的大数据分析，但是我跟很多同事都不是资深足球爱好者。所以，在这个项目开初，公司里那些足球达人纷纷来当志愿者，帮助我们收集足球技战术、球员体能等常用表达术语，比如谁谁谁的踢法欠火候，某某队太水了等等。
这些足球术语，主要用来训练计算模型，让它能更聪明地识别信息内容及情感倾向。通过这种技术，可以分析球队球员在赛场的各个方面，比如技战术、体能、态度，乃至球员的外貌长相等等，全方位展现球迷对球队球员的期望、认同、赞誉甚至是贬损。
虽然我没有时间上社交媒体，也很少看比赛，但在每天处理数据时能看到各种有意思的术语，什么“上天台”、“萌萌哒”、“门腰”等等，每天也跟球迷一样感受到球场内外的激荡和脉搏。
这个项目里最好玩的是“球迷画像”，用大数据描绘出不同球迷群体的特点。
球迷有很多种，比如深夜默默起来看电视的、呼朋唤友去酒吧看球的、也有天天在网上吐槽的。我们要找的就是那种既爱看球，又乐于在社交网络分享信息的人。当然，通过技术手段很容易把他们“海选”出来。然后，我们要把僵尸粉、软广告这类“噪音”清洗掉。最重要的一步是分析球迷的情感，看他/她对那个球星的评价是正面还是负面的。
选定了目标群体之后，我们把球迷的发言进行有意义的切割，然后根据心理学“大五”人格理论计算他们在不同维度的分数，挑出最典型的人格代表特征。
这种性格分析建立在一个基本假设上，即语言是一个人的媒介，你说话的用词、内容和方式已经向外界透露了你是什么样的人。
从分析的结果来看，社交媒体上的球迷或多或少存在一些共性，比如善于在生活中“找乐子”、容易从周遭事物中感受到正能量不喜欢快节奏工作于生活等。不过，不同球星的球迷确实有各自的特点。比方说，都是以看帅哥为己任的女球迷，内马尔的粉丝一般是那些喊着“好帅啊!”“你长得像何润东!”的小女生，C罗的女球迷支配性得分最高，女王范，这跟他的女球迷年龄大一些有关吧，有一些“辣妈粉丝”，有些还挺着大肚子坚持看球赛。
在这些球迷中，也有比较特殊的，比如意大利队皮尔洛的粉丝们。他们更喜欢独处、抽象思维得分很高、想象力丰富、容易感知自己的情绪和内心世界，总之，就是一副高智商雅痞型男的形象。
这种心理语言学的模型主要针对性格特点，将来肯定还会有更多对人类生活方式、兴趣爱好、价值观等的分析，而大数据分析的意义不仅仅局限于此。毕竟，社交媒体时代让每个人都有发声的机会，对“人”更充分的理解将是大数据发展的必然趋势。
换句话说，你公开的信息越多，就越容易让人通过数据读懂你。
如果你是媒体或者自媒体，喜欢我们的文章并希望转载，请联系我们。只要清晰标注“来自壹读(yiduiread)”，并给出原文链接，我们万分欢迎分享。如果能够在转发时推荐关注我们，就再好不过。
壹读微信招牌栏目以及佳瑜晚安故事精选已并入底部菜单“壹读招牌”，好看好听一次爽个够。
壹读“拍呀”已正式上线。进入壹读微信公共号，点击底部菜单栏的“壹读拍呀”即可进入。
PS：
目前新生成的订单号转化节操会有一定的时滞，为了确保充值成功率，建议在订单生成30分钟后进行充值。如果出现长时间无法充值的情况，请联系我们的淘宝客服。
http://weixin.100md.com
返回 壹读 返回首页 返回百拇医药