[[278518]]

大數(shù)據(jù)文摘出品

來源：Wired

編譯：啤酒泡泡、張大筆茹、張睿毅、牛婉楊

想脫單?那還不容易!

如果身在美國，就像其余四千萬單身男人一樣，注冊一下Match.com, J-Date和OkCupid等相親網(wǎng)站，坐等真愛上門不就可以了。

但是相信大多數(shù)人和McKinlay一樣，盡管向OkCupid算法推薦匹配的女性發(fā)送了許多曖昧私信，但絕大多數(shù)都石沉大海了。

轉(zhuǎn)折出現(xiàn)在2012年6月的一個早上，這個只進(jìn)行過6次線下約會的男人正在電腦上編譯機(jī)器代碼，另一個窗口顯示著他孤零零的交友頭像，他突然頓悟：他一直在使用錯誤的方法尋找愛情。

為了不辜負(fù)自己在應(yīng)用數(shù)學(xué)領(lǐng)域取得的成績，他決定，在OkCupid上爬取每一條相關(guān)信息，利用關(guān)鍵的K-Modes的改良貝爾實(shí)驗(yàn)室算法找出數(shù)據(jù)規(guī)律，縮小范圍，然后一擊命中。

換句話說，這是一次數(shù)學(xué)家獨(dú)創(chuàng)的完美約會經(jīng)驗(yàn)貼，還不快來看看!

第一步：分析失敗原因，知己知彼

OkCupid是哈佛大學(xué)的數(shù)學(xué)系學(xué)生于2004年創(chuàng)立的約會網(wǎng)站，最初這個網(wǎng)站吸引人們注意力的是它基于計算方法的配對模式。會員會回答很多多項(xiàng)選擇問題，這些問題覆蓋面很廣，包括政治、宗教、親情、性、以及智能手機(jī)等。

[[278519]]

數(shù)學(xué)家Chris McKinlay

通常，系統(tǒng)會從上千道問題的題庫里選出350道問題—— “以下哪種情形最有可能讓你去看電影?”或是“宗教/上帝在你的生活中有多重要?”

對于每一道問題，用戶會選擇一個答案，以說明自己伴侶的哪一個回答是他可以接受的，并通過給問題評分來表明問題對自己的重要性(5分制，從無關(guān)緊要到必須回答)。OkCupid的匹配引擎會利用這些數(shù)據(jù)來計算男女之間的合適程度。越接近100%，所謂數(shù)學(xué)意義上的靈魂伴侶就越匹配。

McKinlay從數(shù)學(xué)上分析了自己一直以來的失敗原因。

OkCupid的算法只會使用雙方都愿意回答的問題去計算，而McKinlay選擇的問題有些隨機(jī)，并不主流。當(dāng)他查看與自己匹配的人時，匹配度超過90%的女人不到100個。要知道，洛杉磯有兩百萬女性(大約八萬女性在使用OkCupid)。如果把匹配度比作可見度，那McKinlay可以說就是個看不見的幽靈。

他意識到他應(yīng)該去提高匹配的人數(shù)。如果McKinlay通過統(tǒng)計取樣確定哪些問題是他喜歡類型的女人愿意回答的，那么他便可以誠實(shí)地回答這些問題而忽略其他問題，以此來創(chuàng)建一個全新的用戶。利用這個辦法，他可以匹配到在洛杉磯的每一個可能與他配對的女人，而不會匹配到不合適的人。

第二步：借助Python，求助好友，瘋狂收集數(shù)據(jù)

Chris McKinlay利用Python腳本瀏覽了上百道OkCupid的問卷題目，然后把女性用戶分為七類，每一類都會貼上獨(dú)特的標(biāo)簽，例如“多才多藝的”和“細(xì)心體貼的”等等。

即便作為一個數(shù)學(xué)家，McKinlay也是個不同尋常的人。他小時候在波士頓郊區(qū)長大，2001年他從Middlebury學(xué)院畢業(yè)并獲得漢語言學(xué)位。同年8月份，他在紐約世貿(mào)中心北塔91層的一家公司里找了一份兼職工作，工作內(nèi)容是將中文翻譯成英文。五周后的一天，世貿(mào)大廈倒塌了。(那天，下午兩點(diǎn)前McKinlay都沒來公司。當(dāng)?shù)谝患茱w機(jī)于早上8點(diǎn)46分撞上大廈的時候，他正在睡覺。)

“自從那件事后，我問自己，我究竟想做什么”他說。他的一個在哥倫比亞大學(xué)的朋友招聘他進(jìn)入了一個由麻省理工職業(yè)21點(diǎn)團(tuán)隊(duì)衍生出的一個團(tuán)隊(duì)，這之后的幾年里，他便往返于紐約和拉斯維加斯，他的工作是數(shù)牌，一年能掙六萬美金。

這段經(jīng)歷點(diǎn)燃了他對應(yīng)用數(shù)學(xué)的興趣，最終促使他在這個領(lǐng)域取得了碩士和博士學(xué)位。“他們能夠在很多不同的情景下使用數(shù)學(xué)知識，”他說，“他們會見到一些新的游戲，比如‘三張牌的牌九撲克’，然后回家寫點(diǎn)代碼，接著就能找到策略去打敗它。”

現(xiàn)在，他想用同樣的方式去尋找愛情。首先，他需要數(shù)據(jù)。就在他用旁邊的窗口進(jìn)行論文寫作的時候，他建了12個假的OkCupid賬戶并寫好了Python腳本去管理這些賬戶。這個腳本會搜索他的目標(biāo)群體(25到45歲的異性戀或雙性戀的女人)，訪問她們的主頁，然后爬取她們賬戶上每一條有用的信息：種族、身高、是否吸煙、星座—— “這些我全都要”他說。

[[278520]]

為了找到心儀的另一半，他還做了一些額外調(diào)查。OkCupid可以讓用戶看到其他人的回答，但只能看到那些他們自己已經(jīng)回答過的問題。 于是McKinlay設(shè)置了自己的機(jī)器人程序，以簡單地隨機(jī)回答每個問題，他并沒有使用虛擬的個人資料吸引任何女性，因此答案并不重要，主要他要將這些女性的答案收集到了數(shù)據(jù)庫中。

McKinlay滿意地看著他程序一路狂奔。 然后，在收集了大約一千個檔案后，他遇到了第一個障礙。OkCupid有一個短平快的系統(tǒng)來防止這種數(shù)據(jù)收集，他的程序一個接一個地被禁。

因此他必須把自己的程序訓(xùn)練的更像真人一些。

他求助他的神經(jīng)科學(xué)家朋友Sam Torrisi，最近剛教過McKinlay音樂理論以換取高級數(shù)學(xué)課程。Torrisi也注冊了OkCupid，他同意在他的計算機(jī)上安裝間諜軟件來監(jiān)控該網(wǎng)站的使用。根據(jù)手中的數(shù)據(jù)，McKinlay通過編程模擬Torrisi的點(diǎn)擊率和打字速度。他從家里帶來了第二臺電腦并將其插入數(shù)學(xué)系的寬帶線路，以便可以24小時不間斷運(yùn)行。

三周后，他已經(jīng)收集了來自全國各地20000名女性的600萬個問題和答案。

第三步：將20000名女性分為7類，找出最適合自己的

按照McKinlay的工作計劃，他需要從調(diào)查數(shù)據(jù)中找到一個規(guī)律，即需要根據(jù)相似性粗略地對女性進(jìn)行分組。這個問題在他編寫一個名為K-Modes的改良貝爾實(shí)驗(yàn)室算法時取得了進(jìn)展。

K-Modes算法1998年首次用于分析患病的大豆作物。

他通過算法發(fā)現(xiàn)了一個自然的分割點(diǎn)，根據(jù)問題和答案，20,000名女性被分為成七個統(tǒng)計學(xué)組。 “我太高興了，”他說，“那是六月份令我最興奮的事情了。”

他重新設(shè)置條件來收集另一個樣本庫：在過去一個月內(nèi)登錄OkCupid的來自洛杉磯和舊金山的5000名女性。通過K-Modes的另一次分組確認(rèn)他們以類似的方式聚集并確保統(tǒng)計抽樣有效。

現(xiàn)在只需要決定哪個類群最適合他了，在抽查了每個類群的一些檔案后，發(fā)現(xiàn)一個類群太年輕，兩個太老，另一個太“基督”了。于是他徘徊在一個二十五歲左右的女性主導(dǎo)的類群中，工作類型比較獨(dú)立，像是音樂家和藝術(shù)家。這簡直是黃金單身群!

就像是大海撈針，他找到了他的針，也就在這個類群的某個地方，他找到了真愛。

一個相鄰的類群看起來也引起了McKinlay的注意：年齡稍微大一些，從事專業(yè)的創(chuàng)造性工作，如編輯和設(shè)計師。他決定將兩個類群都設(shè)定為自己的目標(biāo)!于是設(shè)置了兩個配置文件，A、B組各優(yōu)化一個。

第四步：真誠填寫相關(guān)問題，找出靈魂伴侶

他對這兩個類群進(jìn)行了文本挖掘以了解她們感興趣的內(nèi)容：教學(xué)是一個熱門話題，因此他撰寫了一篇強(qiáng)調(diào)了他作為數(shù)學(xué)教授工作的文章。

更重要的是回答問題，于是他挑選了兩個類群中最受歡迎的500個問題并決定誠實(shí)地填寫答案，他不想在計算機(jī)生成的謊言的基礎(chǔ)上建立未來的戀愛關(guān)系。但是他會使用一種稱為自適應(yīng)提升的機(jī)器學(xué)習(xí)算法來得出最佳權(quán)重，從而讓計算機(jī)確定分配每個問題的重要性。

[[278521]]

有了這個后他發(fā)表了兩個照片，一個是攀巖的照片，另一個是在音樂演出中彈吉他。

“無論未來的計劃如何，你現(xiàn)在對什么更感興趣?性還是愛?” 這個問題的答案很明顯是愛。但對于年輕的A群，他尊重計算機(jī)將問題評為“非常重要” 的結(jié)果。對于B群集，它則是“必須回答”的問題。

當(dāng)回答完最后一個問題時，他按照匹配百分比對洛杉磯的女性進(jìn)行了OkCupid搜索。從頭開始：第一頁匹配率全是99%女性。向下滾動......然后......向下滾動……,來自洛杉磯各地的一萬名女性迎面而來。

離被關(guān)注還差一步! OkCupid會員在有人查看他們的網(wǎng)頁時會收到通知，因此他寫了一個新程序來訪問查看他主頁的女性的主頁，并按年齡循環(huán)：周一有1000名41歲的女性，周二有1000名40歲的女性。兩周后，輪到了27歲的女性。女性會回訪他的個人資料，每天約400名左右。然后，私信開始滾滾而來。

“直到現(xiàn)在我還沒有遇到過如此匹配的人，而且我發(fā)現(xiàn)你的個人資料很有趣，”一位女士寫道，“對于一個擅長數(shù)字的粗獷男人......我覺得我想認(rèn)識你。”

“嘿，你的個人資料很棒，我想認(rèn)識你，”另一位寫道，“我認(rèn)為我們有很多共同之處，也許不是數(shù)學(xué)，但肯定還有很多!”

“你真的會翻譯中文嗎?” 還有人問道，“我上了一些課，但學(xué)的并不好。”

至此，數(shù)學(xué)部分已經(jīng)完成。接下來，他需要離開他的小隔間，進(jìn)入實(shí)際演練階段，他要去真正的約會!

第五步：走出小隔間，來一場真正的約會

6月30日， McKinlay開著他的尼桑穿越城鎮(zhèn)來到加州大學(xué)洛杉磯分校的健身房，開始他的約會實(shí)踐。Sheila是一位來自“A類群”的年輕的網(wǎng)頁設(shè)計師。他們在Echo Park的一家咖啡館吃了午飯。 “太不可思議了，這簡直像一場學(xué)術(shù)活動一樣。”

與Sheila約會結(jié)束后，雙方都覺得不來電。第二天，McKinlay進(jìn)行了第二次約會，一個來自 “B類群”的博客編輯。他們計劃在Echo Park Lake周圍散步，卻發(fā)現(xiàn)正在施工。女方一直在讀普魯斯特并對生活感到失望。 “這有點(diǎn)令人沮喪，”他說。

第三天的約會也來自“B類群”。他在韓國城的一家酒吧遇到Alison。 她是一名實(shí)習(xí)編劇，肩膀上還紋了斐波那契螺旋。McKinlay喝了很多韓國啤酒，第二天帶著痛苦的宿醉在他的小隔間醒來。他后來在OkCupid上私信她表示想繼續(xù)約會，但她沒回。

雖然他被拒絕了，但每天仍然收到20條消息。實(shí)踐約會顯然與計算機(jī)配置文件約會是完全不同的。他開始忽略一些主頁沒有內(nèi)容的人的消息，只回應(yīng)那些有幽默感或在首頁展示一些有趣的東西的人。以前他作為主動方，會交換三到五條消息來獲得一個約會日期。現(xiàn)在就只發(fā)一個回復(fù)。 “你看起來很酷。想見面么?”

20個約會之后，他總結(jié)了一些潛在的規(guī)律。在較年輕的群體中，女性大多數(shù)有兩個或更多的紋身，而且住在洛杉磯的東邊。另一組中，她們瘋狂的喜歡中型犬。

早期的約會他會經(jīng)過精心策劃。但當(dāng)工作越來越忙時，就開始在午餐或咖啡時間偶爾參加休閑聚會，而且經(jīng)常一天之內(nèi)約兩場。他制定了一套個人規(guī)則來完成“馬拉松愛情”搜索：不再約喝酒，如果不來電就趕快結(jié)束不要拖拉，不約音樂會或電影。 “約會中你們需要關(guān)注的是彼此而不是別的什么東西，不然效率會很低。”

經(jīng)過從他的兩個檔案中同等挑選約會的一個月后，他發(fā)現(xiàn)他耗費(fèi)了太多時間在紋身群中接觸東邊的女性。他刪除了他的A組簡介。他的效率雖然提高了，但結(jié)果是一樣的。隨著夏天即將結(jié)束，他已經(jīng)有過超過55次約會，每日都盡職地在實(shí)驗(yàn)筆記本上記錄。只有三個產(chǎn)生了第二次約會，只有一個進(jìn)行了第三次。

大多數(shù)不成功的約會者都面臨著自尊問題。對于McKinlay來說其實(shí)更糟糕。他不得不檢查他的計算。

后來一個來自28歲的藝術(shù)家Christine Tien Wang發(fā)來了消息。McKinlay之前在加州大學(xué)洛杉磯分校附近搜索到她，6英尺高藍(lán)眼睛的人，正在那里修她的美術(shù)碩士學(xué)位。他們有91%的適合度。

他在校園的雕塑花園遇見了她。從那里他們走到一個大學(xué)壽司會場，他立刻感覺到了來電了!他們談?wù)摿藭⑺囆g(shù)、音樂，當(dāng)她承認(rèn)她在給他發(fā)消息之前對她的個人資料做了一些小改動后，他給她講述了關(guān)于他黑進(jìn)愛情網(wǎng)站的整個經(jīng)過。

“我認(rèn)為這樣做有點(diǎn)腹黑和憤世嫉俗，”她說，“但我喜歡。”

這是第一次約會，第二次緊隨其后，然后是第三次約會。兩周后，他們都暫停了他們的OkCupid帳戶。

我認(rèn)為我所做的只是每個人在站點(diǎn)上所做事情的一種略微算法化，大規(guī)模且基于機(jī)器學(xué)習(xí)的版本。” McKinlay說。每個人都試圖創(chuàng)建一個最佳的配置文件，他只是有數(shù)據(jù)來設(shè)計一個。

這是他們第一次約會的一年后，McKinlay和Tien Wang在韋斯特伍德壽司吧臺和一位記者見面，他們的已經(jīng)正式確定關(guān)系了。McKinlay獲得了博士學(xué)位，他正在教數(shù)學(xué)，目前正在攻讀音樂研究生學(xué)位。Tien Wang被卡塔爾錄取并獲得為期一年的藝術(shù)獎學(xué)金。她在加州和McKinlay見面。他們一直在Skype上保持聯(lián)系。

根據(jù)記者的要求，McKinlay帶來了他的實(shí)驗(yàn)筆記本。 Tien Wang之前沒見過它。這是McKinlay緊密筆跡中的公式和方程式的頁面，以一個整齊排列的女性名單和約會清單結(jié)尾，其中含有一些簡短的注釋。Tien Wang掃讀了一遍，覺得一些亮點(diǎn)有點(diǎn)可笑。 她注意到，8月24日，他在同一天帶了兩個女人到同一個海灘。她說： “太可怕了。”

對Tien Wang來說，McKinlay的OkCupid黑客歷程是一個有趣的故事。但所有的數(shù)學(xué)和編碼只是他們故事的序幕。見面后，戀愛關(guān)系才真正被黑客入侵。 “人們比他們的個人資料要復(fù)雜得多，”她說，“所以我們遇到的方式有點(diǎn)膚淺，但我們之間發(fā)生的一切都不是膚淺的，它是通過彼此的努力培養(yǎng)出來的。”

“這不是說，我們匹配因此我們關(guān)系很好，” McKinlay表示贊同， “這只是一種將我們放在同一個空間的機(jī)制，我能夠使用OkCupid找人。”

Tien Wang對此有點(diǎn)慍怒：“你沒找到我，我找到了你。”她摸著他的手肘說道。McKinlay停下來思考，然后承認(rèn)她是對的。

一周之后，Tien Wang又回到了卡塔爾，這對夫婦每天都會撥打一個Skype電話。當(dāng)McKinlay拿出鉆石戒指并將其舉到網(wǎng)絡(luò)攝像頭前像她求婚時，Tien Wang說 “我愿意”。

他們結(jié)婚時間并不完全確定，McKinlay說需要進(jìn)一步研究以確定最佳婚禮日。

相關(guān)報道：https://www.wired.com/2014/01/how-to-hack-okcupid/

【本文是51CTO專欄機(jī)構(gòu)大數(shù)據(jù)文摘的原創(chuàng)譯文，微信公眾號“大數(shù)據(jù)文摘（ id: BigDataDigest）”】

戳這里，看該作者更多好文