教你用Python分析相亲网站数据,在两万异性中找到真爱

如果身在美国,就像其余四千万单身男人一样,注册一下Match.com,J-Date和OkCupid等相亲网站,坐等真爱上门不就可以了。

但是相信大多数人和McKinlay一样,尽管向OkCupid算法推荐匹配的女性发送了许多暧昧私信,但绝大多数都石沉大海了。

转折出现在2012年6月的一个早上,这个只进行过6次线下约会的男人正在电脑上编译机器代码,另一个窗口显示着他孤零零的交友头像,他突然顿悟:他一直在使用错误的方法寻找爱情。

换句话说,这是一次数学家独创的完美约会经验贴,还不快来看看!

第一步:分析失败原因,知己知彼

OkCupid是哈佛大学的数学系学生于2004年创立的约会网站,最初这个网站吸引人们注意力的是它基于计算方法的配对模式。会员会回答很多多项选择问题,这些问题覆盖面很广,包括政治、宗教、亲情、性、以及智能手机等。

数学家ChrisMcKinlay

通常,系统会从上千道问题的题库里选出350道问题——“以下哪种情形最有可能让你去看电影?”或是“宗教/上帝在你的生活中有多重要?”

对于每一道问题,用户会选择一个答案,以说明自己伴侣的哪一个回答是他可以接受的,并通过给问题评分来表明问题对自己的重要性(5分制,从无关紧要到必须回答)。OkCupid的匹配引擎会利用这些数据来计算男女之间的合适程度。越接近100%,所谓数学意义上的灵魂伴侣就越匹配。

McKinlay从数学上分析了自己一直以来的失败原因。

OkCupid的算法只会使用双方都愿意回答的问题去计算,而McKinlay选择的问题有些随机,并不主流。当他查看与自己匹配的人时,匹配度超过90%的女人不到100个。要知道,洛杉矶有两百万女性(大约八万女性在使用OkCupid)。如果把匹配度比作可见度,那McKinlay可以说就是个看不见的幽灵。

他意识到他应该去提高匹配的人数。如果McKinlay通过统计取样确定哪些问题是他喜欢类型的女人愿意回答的,那么他便可以诚实地回答这些问题而忽略其他问题,以此来创建一个全新的用户。利用这个办法,他可以匹配到在洛杉矶的每一个可能与他配对的女人,而不会匹配到不合适的人。

第二步:借助Python,求助好友,疯狂收集数据

ChrisMcKinlay利用Python脚本浏览了上百道OkCupid的问卷题目,然后把女性用户分为七类,每一类都会贴上独特的标签,例如“多才多艺的”和“细心体贴的”等等。

即便作为一个数学家,McKinlay也是个不同寻常的人。他小时候在波士顿郊区长大,2001年他从Middlebury学院毕业并获得汉语言学位。同年8月份,他在纽约世贸中心北塔91层的一家公司里找了一份兼职工作,工作内容是将中文翻译成英文。五周后的一天,世贸大厦倒塌了。(那天,下午两点前McKinlay都没来公司。当第一架飞机于早上8点46分撞上大厦的时候,他正在睡觉。)

“自从那件事后,我问自己,我究竟想做什么”他说。他的一个在哥伦比亚大学的朋友招聘他进入了一个由麻省理工职业21点团队衍生出的一个团队,这之后的几年里,他便往返于纽约和拉斯维加斯,他的工作是数牌,一年能挣六万美金。

这段经历点燃了他对应用数学的兴趣,最终促使他在这个领域取得了硕士和博士学位。“他们能够在很多不同的情景下使用数学知识,”他说,“他们会见到一些新的游戏,比如‘三张牌的牌九扑克’,然后回家写点代码,接着就能找到策略去打败它。”

现在,他想用同样的方式去寻找爱情。首先,他需要数据。就在他用旁边的窗口进行论文写作的时候,他建了12个假的OkCupid账户并写好了Python脚本去管理这些账户。这个脚本会搜索他的目标群体(25到45岁的异性恋或双性恋的女人),访问她们的主页,然后爬取她们账户上每一条有用的信息:种族、身高、是否吸烟、星座——“这些我全都要”他说。

为了找到心仪的另一半,他还做了一些额外调查。OkCupid可以让用户看到其他人的回答,但只能看到那些他们自己已经回答过的问题。于是McKinlay设置了自己的机器人程序,以简单地随机回答每个问题,他并没有使用虚拟的个人资料吸引任何女性,因此答案并不重要,主要他要将这些女性的答案收集到了数据库中。

McKinlay满意地看着他程序一路狂奔。然后,在收集了大约一千个档案后,他遇到了第一个障碍。OkCupid有一个短平快的系统来防止这种数据收集,他的程序一个接一个地被禁。

因此他必须把自己的程序训练的更像真人一些。

他求助他的神经科学家朋友SamTorrisi,最近刚教过McKinlay音乐理论以换取高级数学课程。Torrisi也注册了OkCupid,他同意在他的计算机上安装间谍软件来监控该网站的使用。根据手中的数据,McKinlay通过编程模拟Torrisi的点击率和打字速度。他从家里带来了第二台电脑并将其插入数学系的宽带线路,以便可以24小时不间断运行。

三周后,他已经收集了来自全国各地20000名女性的600万个问题和答案。

第三步:将20000名女性分为7类,找出最适合自己的

按照McKinlay的工作计划,他需要从调查数据中找到一个规律,即需要根据相似性粗略地对女性进行分组。这个问题在他编写一个名为K-Modes的改良贝尔实验室算法时取得了进展。

K-Modes算法1998年首次用于分析患病的大豆作物。

他通过算法发现了一个自然的分割点,根据问题和答案,20,000名女性被分为成七个统计学组。“我太高兴了,”他说,“那是六月份令我最兴奋的事情了。”

现在只需要决定哪个类群最适合他了,在抽查了每个类群的一些档案后,发现一个类群太年轻,两个太老,另一个太“基督”了。于是他徘徊在一个二十五岁左右的女性主导的类群中,工作类型比较独立,像是音乐家和艺术家。这简直是黄金单身群!

就像是大海捞针,他找到了他的针,也就在这个类群的某个地方,他找到了真爱。

一个相邻的类群看起来也引起了McKinlay的注意:年龄稍微大一些,从事专业的创造性工作,如编辑和设计师。他决定将两个类群都设定为自己的目标!于是设置了两个配置文件,A、B组各优化一个。

更重要的是回答问题,于是他挑选了两个类群中最受欢迎的500个问题并决定诚实地填写答案,他不想在计算机生成的谎言的基础上建立未来的恋爱关系。但是他会使用一种称为自适应提升的机器学习算法来得出最佳权重,从而让计算机确定分配每个问题的重要性。

有了这个后他发表了两个照片,一个是攀岩的照片,另一个是在音乐演出中弹吉他。

“无论未来的计划如何,你现在对什么更感兴趣?性还是爱?”这个问题的答案很明显是爱。但对于年轻的A群,他尊重计算机将问题评为“非常重要”的结果。对于B群集,它则是“必须回答”的问题。

当回答完最后一个问题时,他按照匹配百分比对洛杉矶的女性进行了OkCupid搜索。从头开始:第一页匹配率全是99%女性。向下滚动......然后......向下滚动……,来自洛杉矶各地的一万名女性迎面而来。

“直到现在我还没有遇到过如此匹配的人,而且我发现你的个人资料很有趣,”一位女士写道,“对于一个擅长数字的粗犷男人......我觉得我想认识你。”

“嘿,你的个人资料很棒,我想认识你,”另一位写道,“我认为我们有很多共同之处,也许不是数学,但肯定还有很多!”

“你真的会翻译中文吗?”还有人问道,“我上了一些课,但学的并不好。”

至此,数学部分已经完成。接下来,他需要离开他的小隔间,进入实际演练阶段,他要去真正的约会!

第五步:走出小隔间,来一场真正的约会

6月30日,McKinlay开着他的尼桑穿越城镇来到加州大学洛杉矶分校的健身房,开始他的约会实践。Sheila是一位来自“A类群”的年轻的网页设计师。他们在EchoPark的一家咖啡馆吃了午饭。“太不可思议了,这简直像一场学术活动一样。”

与Sheila约会结束后,双方都觉得不来电。第二天,McKinlay进行了第二次约会,一个来自“B类群”的博客编辑。他们计划在EchoParkLake周围散步,却发现正在施工。女方一直在读普鲁斯特并对生活感到失望。“这有点令人沮丧,”他说。

第三天的约会也来自“B类群”。他在韩国城的一家酒吧遇到Alison。她是一名实习编剧,肩膀上还纹了斐波那契螺旋。McKinlay喝了很多韩国啤酒,第二天带着痛苦的宿醉在他的小隔间醒来。他后来在OkCupid上私信她表示想继续约会,但她没回。

虽然他被拒绝了,但每天仍然收到20条消息。实践约会显然与计算机配置文件约会是完全不同的。他开始忽略一些主页没有内容的人的消息,只回应那些有幽默感或在首页展示一些有趣的东西的人。以前他作为主动方,会交换三到五条消息来获得一个约会日期。现在就只发一个回复。“你看起来很酷。想见面么?”

20个约会之后,他总结了一些潜在的规律。在较年轻的群体中,女性大多数有两个或更多的纹身,而且住在洛杉矶的东边。另一组中,她们疯狂的喜欢中型犬。

大多数不成功的约会者都面临着自尊问题。对于McKinlay来说其实更糟糕。他不得不检查他的计算。

后来一个来自28岁的艺术家ChristineTienWang发来了消息。McKinlay之前在加州大学洛杉矶分校附近搜索到她,6英尺高蓝眼睛的人,正在那里修她的美术硕士学位。他们有91%的适合度。

他在校园的雕塑花园遇见了她。从那里他们走到一个大学寿司会场,他立刻感觉到了来电了!他们谈论了书籍、艺术、音乐,当她承认她在给他发消息之前对她的个人资料做了一些小改动后,他给她讲述了关于他黑进爱情网站的整个经过。

“我认为这样做有点腹黑和愤世嫉俗,”她说,“但我喜欢。”

这是第一次约会,第二次紧随其后,然后是第三次约会。两周后,他们都暂停了他们的OkCupid帐户。

我认为我所做的只是每个人在站点上所做事情的一种略微算法化,大规模且基于机器学习的版本。”McKinlay说。每个人都试图创建一个最佳的配置文件,他只是有数据来设计一个。

这是他们第一次约会的一年后,McKinlay和TienWang在韦斯特伍德寿司吧台和一位记者见面,他们的已经正式确定关系了。McKinlay获得了博士学位,他正在教数学,目前正在攻读音乐研究生学位。TienWang被卡塔尔录取并获得为期一年的艺术奖学金。她在加州和McKinlay见面。他们一直在Skype上保持联系。

根据记者的要求,McKinlay带来了他的实验笔记本。TienWang之前没见过它。这是McKinlay紧密笔迹中的公式和方程式的页面,以一个整齐排列的女性名单和约会清单结尾,其中含有一些简短的注释。TienWang扫读了一遍,觉得一些亮点有点可笑。她注意到,8月24日,他在同一天带了两个女人到同一个海滩。她说:“太可怕了。”

对TienWang来说,McKinlay的OkCupid黑客历程是一个有趣的故事。但所有的数学和编码只是他们故事的序幕。见面后,恋爱关系才真正被黑客入侵。“人们比他们的个人资料要复杂得多,”她说,“所以我们遇到的方式有点肤浅,但我们之间发生的一切都不是肤浅的,它是通过彼此的努力培养出来的。”

“这不是说,我们匹配因此我们关系很好,”McKinlay表示赞同,“这只是一种将我们放在同一个空间的机制,我能够使用OkCupid找人。”

TienWang对此有点愠怒:“你没找到我,我找到了你。”她摸着他的手肘说道。McKinlay停下来思考,然后承认她是对的。

THE END
1.珍爱网优质同城推荐http://m.zhenai.com/
2.相亲app哪个好?相亲app排行榜相亲交友软件下载相亲app中将最丰富的约会交友软件与相亲神器都进行了整理,在这里你可以轻松的通过在线匹配找到心仪对象,进行沟通与对话后进行对彼此进行深入的了解,从线上到线下,从虚拟到现实,从陌生到熟悉,从虚幻的网络到婚姻的殿堂,让自己未来的道路不在孤单。http://www.downcc.com/k/xiangqin/
3.相亲交友软件排行榜前十名偏玩手游盒子分享十大相亲交友软件排行榜前十名手机应用,编辑为您推荐手机相亲交友软件排行榜第一名到前5名到前十名的应用。找相亲交友软件有哪些、相亲交友软件哪个好用,上偏玩手游盒子https://m.pianwan.com/s/zj-2811369
4.免费相亲网站排名前十名如何和刚相亲的女孩聊天接亲网当然了,我们生活中也是有着非常多的相亲网站的,很多没有结婚的人都会在这些网站上面寻找自己喜欢的人。那么我们就一起了解一下免费相亲网站前十名排名是如何吧! 一、免费相亲网站排名前十名 1、《有缘网》 这应该是国内比较大的一个相亲平台,不仅有很多线上的资源还有很多线下举办的相亲大会,小伙伴可以下载好等待https://www.jieqinwang.com/baike/118073.html
5.中国最好婚恋平台排名前十的有哪些中国最好婚恋平台排名前十每个人心里都有一把“标准尺”,丈量着理想中的伴侣。如何找到这个理想中的“另一半”?我们可以去书店翻遍所有的爱情小说,或者坐等“命运”的安排。但在这个信息化的时代,越来越多的人开始选择通过婚恋平台来实现这一愿望。随着互联网技术的发展和社会文化的变化,婚恋平台已经不再仅仅是“相亲”的代名词,它们承载着http://www.wedating.cn/hunl/47617.html
6.相亲软件app前十名免费正规的相亲软件app前十名及免费正规的相亲软件时,我们需要注意到这类排名可能会随着时间、用户反馈及软件更新而有所变化。不过,基于当前的信息和用户口碑,以下是一些被广泛认可且免费的正规相亲软件: 1.一伴 特点:以结婚为目的的高品质婚恋软件,用户需通过实名认证,无机器人和系统发信,管理严格。提供小纸条功能、电视相亲节目报名通http://www.youzunkj.com/article/195658.html
7.通过相亲网站撒网,男子迷奸多名女子后查法律后果【通过相亲网站撒网,男子迷奸多名女子后查法律后果】 近日,天津法院审理一起男子迷奸多名女子的案件,法院判处当事人李某有期徒刑二十年。 经查,李某经常通过相亲网站结识女孩子,见面之后就给其下了迷药的饮料。李某通过上述手段作案8起,其中3起抢劫、2https://m.dbw.cn/difang/system/2023/07/07/059164536.shtml
8.2024十大征婚网品牌排行榜征婚网排行榜前十名→Maigoo品牌网2024十大征婚网品牌排行榜、2024消费者喜爱征婚网品牌,2024消费者关注征婚网品牌,是CN10排排榜技术研究部门和CNPP品牌数据研究部门重磅推出的征婚网十大名牌排行榜。榜单由CNPP品牌数据研究部门通过资料收集整理大数据统计分析研究而得出,排序不分先后,仅提供给您参考。https://m.maigoo.com/best/12073.html
9.多名相亲对象神秘消失!安徽警方抓获74人涉案超千万凤凰网安徽有相同经历的受害人不在少数 且都损失巨大 公安机关随即介入调查 将其中两名涉嫌婚骗的女子 熊某某、代某某传唤至公安机关 ▲犯罪嫌疑人归案 据二人供述 她们是通过云南当地的媒人介绍 来到宿州市红线团婚恋中心 并与该中心指定的男性客户进行相亲 在与男方共同生活一段时间 http://ah.ifeng.com/c/8eJfULUOG5V
10.2024交友相亲十大品牌排行榜交友相亲品牌前十名2024年交友相亲十大品牌,综合大数据评选出口碑较好的交友相亲十大品牌,交友相亲排行榜前十名分别是百合网、世纪佳缘、有缘网、ZHENAI珍爱网、网易花田、58同城、中国红娘、爱真心、网易同城约会、知己网https://www.chinapp.com/best/jyxq.html
11.2024交友相亲十大品牌排行榜交友相亲品牌前十名不会有这样的杀千刀之事了却不想后面十年村子越来越难到了这几年已经闹起了饥荒村里人说其实外面也在饥荒没东西吃可是我们村却比外面更加严重前几个月清陌江翻涌出漩涡江上撒网的村民都被掀到江水中所有人都看到了江中漩涡里有一双巨大的眼睛2024交友相亲十大品牌排行榜_交友相亲品牌前十名-中国品牌网招凝瞬而http://www.ste56.com/sdtggnlendfg/20240701.aspx
12.醒醒吧,北海女人!贪财好色爱做梦,被渣男骗都是愿者上钩!传销男以恋爱为名,哄我来北海骗色、骗钱…(115、117、118、119、120楼有更新)http://www.beihai365.com/read.php?tid=2992911 近期出现的骗婚事件,大家怎么看?相亲网还能信 http://www.beihai365.com/read.php?tid=11999305 一个想包二奶反被二奶骗钱的男子!可悲?!可笑?! https://m.beihai365.com/v2_1/wap/share-thread?tid=12063511
13.南宁相亲网南宁婚恋网/广西婚恋网/南宁相亲网/广西相亲网/南宁婚介所(公司)红娘专线0771-5602209/广西婚介所/广西婚介网/ 南宁婚姻介绍所(服务)广西正规高端白领精英婚介/南宁征婚网http://www.gxxjy.com/
14.太康家装网太康人才网太康招聘网太康拼车网太康相亲网阳夏网、太康网讯、太康网-太康县综合性门户网站,太康县活跃的社区网站,太康人的网上交流平台!http://tkw.cc/