你是否好奇，名人在社交网络上发的消息，哪些是自己写的，哪些是工作人员写的呢？Coursera数据科学社区导师（Community Mentor）Greg Rafferty使用机器学习技术分析了川普的推文，预测哪些推文是川普亲自发的，哪些推文是工作人员所发。
我创建了一个推特机器人＠whosintheoval，这个机器人会转推唐纳德·川普的推特，然后预测这条推是否是川普本人所写。在阅读下文了解我是如何创建模型的之前，别忘了在推特上关注这个机器人。
我是Greg Rafferty，湾区的一个数据科学家。你可以在我的github上查看这个项目的代码，也可以访问我的LinkedIn页面。有任何疑问和反馈，都欢迎和我联系。
动机
2017年12月1日，迈克尔·弗林（Michael Flynn）承认向FBI撒谎了。12月3日，川普的个人推特账号发了这样一条推：
由于弗林向副总统和FBI说谎，我不得不解雇了他。他已经对这些谎言认罪。这真可耻，因为他在过渡期间的行为是合法的。没什么好隐瞒的！
这条推引起了很大的争议，因为在这一年的2月14日，在弗林辞职之后，川普曾要求FBI局长詹姆斯·科米（James Comey）停止对弗林的所有调查。如果川普在向科米要求时已经知道弗林确实向FBI说谎了，那么川普的推特是川普试图妨碍司法的证据。在若干法律专家主张这一观点之后，川普为自己辩护，声称撰写并发布这条推的是他的律师约翰·多德（John Dowd）。然而，果真如此吗？
介绍
本文分为四部分：
背景
特征选取
模型
结果
当中的两小节（特别是模型那一节）技术性比较强；所以如果你对此不感兴趣，可以直接跳到结果一节，看看到底是谁发了关于弗林的那条推。
背景
文本分析取证是一门“古老的”机器学习技术，在各种各样的案例中得到应用，比如识别大学炸弹客（Unabomber），发现罗伯特·加尔布雷斯（Rob Galbraith）是J·K·罗琳（J． K． Rowling）的笔名，确定《联邦党人文集》中特定文章的归属。我们这个项目尝试使用这一机器学习技术识别＠realDonaldTrump所发的推是否是川普本人所写。然而，这一任务比较特别，非常具有挑战性，因为推文都非常短——在如此短的文本中没有太多的信号可供分析。不过，我最终还是成功了，精确度几乎达到了99％． 你可以关注我的推特机器人＠whosintheoval，这样一旦川普发推，你就可以实时查看相应的预测。
数据
2017年3月26日之前，川普使用三星Galaxy发推而他的工作人员使用iPhone发推。基于这些推文的元数据，我们可以知道是川普本人还是他的工作人员在发推（参考这些具体讨论这一假设的文章的链接）。在此之后，川普转而使用iPhone，因此发推者的身份无法基于元数据得出，需要通过推文内容推断。
我使用了Brendan Brown的Trump Tweet Data Archive（川普推文数据归档），得到了川普账号在2009年中至2017年末所发的所有推文，约有33000条。尽管我知道推文来自于哪个设备，作者身份仍有一些模棱两可，因为人们知道川普有时会向助理口述发推内容，因此一条具有川普特色的推文可能发自非川普所有的设备，同时（特别是大选期间）推文可能是由川普和助手们共同撰写的，没有明确的作者。
川普推特账号从开始（2009年5月4日）至停止使用Android设备（2017年初）的超过30000条推文我知道（至少有比较大的把握能猜到）作者（关键在于，关于弗林的推文不在这一期间，所以我让我的模型猜测真正的发推者——本文之后的结果一节会更多地讨论这个）。这30000条推文基本上是在Android和非Android设备间均匀分布的（47％／53％），所以不用担心类别失衡问题。这是我用的训练数据。使用若干不同的技术，我基于数据创建了将近900个不同的特征，我的模型可以使用这些特征预测作者。
选择特征
我查看了六方面的特征以建立模型：
川普的癖好
风格
情感
情绪
遣词
语法结构
1234下一页>（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
