kurgus

Tao Ding et al. Social Media-based Substance Use Prediction. arXiv:1705.05633v2
Опубликовано в разделе Computer Science > Computation and Language

Вообще-то с растущим объемом машинносчитываемого нарратива в соцсетях работы по корпусной лингвистике с социолингвоуклоном стали гораздо менее трудоемкими и посему привлекательны.
А чтобы не заморачиваться со скучной самостоятельной обработкой данных и их же анализом - спихнуть это дело на противоестественный искуственный интеллект. В лице machine learning.
Что, во-первых, модно, и, во вторых, позволяет не напрягаться еще более снижает трудоемкость.

Естественно, возникает искушение наложить это дело на какую-нибудь эпидемиологию - что и было сделано в данной публикации.

Итак, как это было сделано.
Товарищи попрыгали на плечах гигантов (С) взяли dataset из проекта
myPersonality, собранные одноименным Facebook-приложением в рамках заговора обленившихся психологов^[1].
В этом приложении, маскирующемся под набор психометрических тестов, Facebook users отвечают на кучу вопросов, в т.ч. и о частоте употребления табака, алкоголя и прочих нехороших субстанций.

После чего Tao Ding et al. занялись чистой корпусной лингвистикой с социоуклоном взяли эти датасеты, и выбросили из них для простоты обработки них неанглоязычных субъектов:
final dataset includes 106,509 users with 21 million posts. After filtering out low frequency words (those appear less than 50 times in our corpus), the vocabulary size of the status update dataset is 73,935
И натравили на датасет группу алгоритмов на предмет выявления, употребление (или лайканье) каких сем^[2] коррелирует с употреблением нехорошего. И каких - наоборот.

Получилось вот так:

Что означает сема focuspast, единственная с сильной отрицательной корелляцией (по drugs) - я не понял.
Зато если алкоголики-наркоманы шибео озабочены насчет money, то курильщики следуют заветам Pink Floyd "money it's a gas". В смысле it's a smoke.
И вообще, курильщики, судя по этой фигуре, неозабоченные пофигисты - сильных корреляций не обнаружено.

Но больше всего умилила Table 6: Topics Most Significantly Correlated with Substance Use.
Оказывается, если кто-то пишет и лайкает посты со словами tonight, night, free, party, tickets, bar, saturday, friday, dj, drink, club, show, beer, ladi - то он любит алкоголь.
И при этом, оказывается, он не пишет и не лайкает посты со словами class, history, paper, math, science, writing, essay, finished, study, test, final, exam
Какое тонкое наблюдение - ежели человек зависает по клубам, то он там, наверное, пьет. И в это время он же почему-то не готовится к экзамену по матанализу :)
Насчет именно такого поведенческого паттерна все очень просто: средний возраст по выборке - 23 года :)

Жалко только, что авторы не запубликовали половых распределений: в отобранном ими массиве среди субъектов с нехорошими привычками оказалось 63% девиц и 37% юношей.
Что кагбэ намекает на дельнейшие исследования: действительно ли носители дефективной Y-хромосомы оказались высокоморальны - или они усиленно скрывают свои порочные наклонности?

1. Michal Kosinski et al. Facebook as a research tool for the social sciences: Opportunities, challenges, ethical considerations, and practical guidelines. American Psychologist 70(6):543, 2015.
2. значений, соответствующих наборам синонимов/гипонимов, например femail = (woman, girl, lady, doll, ...), body = (head, legs, hands, ...).

Forati et al. Photoemission-based microelectronic devices. Nature Communications 7, Article number: 13399 (2016).
Стимуляция фотоэмиссии электронов за счет многофотонного поглощения на поверхностном плазмонном резонансе.
Сделали решетку - "метаповерхность" в которой плазмонная частота соответствует ИК-диапазону (у сплошного металла - в УФ), светят на нее на резонансной частоте ИК-лазером и оттуда вылетают электроны.

Cтандартной для нынешних техпроцессов микроэлектроники фотолитографией для вакуумных микросхем, о которых так долго говорили большевики терагерцовые военэлектронщики.
Была у DARPA такая програмка High Frequency Integrated Vacuum Electronics (HiFIVE), которую потеснила THz Electronics с субтерагерцовыми транзисторами из фосфида индия (подвижость носителей заряда) с построением в 2014 Northrop Grumman proof-of-concept'ного терагерцового усилителя и выходом в прошлом году на инженерные прототипы субтерагерцовых модулей.

Одной из проблем HiFIVE была проблема стабильных холодных катодов на низких напряжениях (автоэмиссия - высоковато). Теперь, может, эту программу восстановят - подвижность свободных электронов в вакууме повыше подвижности носителей в фосфиде индия, не так ли?

К хорошему быстро привыкаешь - сохранишь/загрузишь в Zotero pdf какой-нибудь западной academic статьи, кликнешь правой кнопкой, выберешь "извлечь метаданные" - и вуаля, библиографическая карточка создана, поля магически заполнены.
Или, того лучше, в опять-таки academic репозиториях/сайтах, публикующих метаданные в OAI-PMH да в Dublin Core , тыкаешь в динамически появившуюся metadata-кнопочку - и получается совсем сильная магия: библиокарточка создана, заполнена и pdf (в опенархивных сайтах) скачан и к карточке пристегнут. Плюс, в качестве бонус-шаманства, навешен набор каких-то левых ключевых слов.

И на фоне этой благодати совсем мрачно выглядят всяческие доктринальные центры Пентагона и НАТОвские сайты.
Метаданных в OAI-PMH не отдают, а попытка извлечь метаданные из pdf-а завершается либо растерянным "нету тут никаких метаданных", либо гордой, но единственной метадатой "сделано в MS Word".
И на фоне этого безобразия они выпускают филд мануалы по Knowledge Management рассуждают о Network Enabled Capability.

Сегодня показалось, что блеснул луч света в темном царстве: из pdf'a US DoD CIO Office извлеклись не только корректное название публикации и дата - Defense NetOps Strategic Vision, 2008 г., но и постоянный URL.
Но счастье оказалось недолгим - URL ведет на карточку сей публикации ихнего Defense Technical Information Center, в которой ссілка на сам документ отсутствует :(

Отака фигня, малята.
И как в таких условиях автоматизированно замышлять недоброе на благо Родины?

КАРДАН - краткий англо-русский дикционарий АН СССР.

ABEND - авост, TRAP, а может быть даже и CRASH. Обычная реакция операционной системы на подключение к сети еще одного пробкотрона этажом ниже.

( Read more... )

ZERODIVIDE - если вы встретили такое сообщение при выполнении фортрановской программы, то перепишите программу на ассемблере, гарантируем, что оно больше не появится.

До чего неумолим прогресс: если в классической латыни currus был колесницей, то ныне, в google-переводе, стал автомобилем.

И Овидиевые строки о Фаэтоне и колеснице Гелиоса*...
...consiliis, non curribus utere nostris!
dum potes et solidis etiamnum sedibus adstas
...в этом свете звучат как сообщение об отзыве автомобилей производителем...

Хотя, если вдуматься, и там, и там речь идет о мерах по предотвращению аварийности.

---
* Метаморфозы, II, 146-147

Звонят намедни товарищи разработчики-эксплуататоры Системы NN.
Далее диалог:
-- Надо сервер по памяти апгрейдить, щас оперативки 96 гиг, надо 256.
-- А нафига 256? - Вроде бы справляется, со временем отклика ОК.
-- А мы планируем шоб еще лучше и быстрее - на MS SQL in-memory OLTP запустить.
-- Интересно. Какие и зачем индексы-таблицы в оперативку загонять планируете?
-- Да пока не определились.
-- ?? А как память считали - ставили под transaction monitor и прогоняли in-memory advisor?
-- Да нет, еще не прогоняли.
-- А как же определили, что надо именно 256?
-- А в сервер больше не влазит.

Процессор Intel Xeon E5-2699 v4.
Свежевыпущенный, марта 2016. Listprice от Intel при анонсе - $4115

Конфигуратор Fujitsu. Серия Primergy, модель BX5280 M2.
Тот же самый Xeon E5-2699 v4.
Listprice - $27921.62

Не покупайте память и диски у производителей серверов - обдерут как липку.
(Эви Немет. UNIX. Руководство системного администратора).

Цена лицензии на международную телефонную связь в Украине - 8 993 000 грн
(См. http://www.nkrzi.gov.ua/index.php?r=site/index&pg=52&language=uk пункт Постановление КМУ „Про розміри та порядок зарахування плати за видачу, переоформлення, видачу дубліката, копії ліцензії на провадження діяльності у сфері телекомунікацій і продовження строку її дії”).

Цена лицензии на международную телефонную связь в США - $1 680 (для иностранных компаний $2 080). Это включая цену юруслуг по лицензионному оформлению от аккредитованной при FCC юрконторы.

Чего-то я не понимаю в этой жизни.

А тем временем УГЦР рапортует о 4856 выявленных нарушениях порядка маршрутизации международного трафика за неделю и кагбэ негодует на нарушителей, рушащих рынок:
цена на завершение международного вызова на сети украинских операторов последние недели колеблется в пределах 0,19-0,22 $/мин. В то же время за рубежом подобный межоператорский тариф, который в дальнейшем формирует розничную цену, в основном на порядок ниже. В РФ – 4,5 центов, в Эстонии – 1,9, в Литве – 1,4, в Польше – 5 центов за минуту
И требует мочить в сортирах VoIP безлицензионщиков нещадно штрафовать за это дело в особо крупном размере дабы международна в Украине не подешевела до эстонско-литовского уровня.

В порядке повышения безопасности, бюрократичности, деньгоотъема и параноидальности вообще ICAO приняла спецификацию Machine Readable Travel Document with Biometric Identification Capabilities с хранением, как минимум, отпечатков пальцев (и, по возможности, радужки).

Зимой, при сухой коже и излишне чистых руках, папиллярные оцифровщики хронически отказываются снимать отпечатки пальцев.

Например, когда я во время оно получал американскую визу, сканнер отпечатков сознался в своем бессилии.
Но американцы знают об этой фигне - и в таких случаях выдают баночку крема, после нанесения которого на руки сканер мигает зеленым огоньком.

Но в Украине, увы, об этой проблеме и ее решении не знают - когда Т. ходила за новым биометрическим загранпаспотром, сканер сказал "Ой!", заветной баночки не оказалось, влажных салфеток в сумочке - тоже.
И в итоге паспорт-оператор сказала "Ну не получается - ничего страшного, вписываю, что от сдачи отпечатков отказались, так можно".
В итоге получен оксюморон цифровой эпохи - биометрический паспорт без биометрии.