在智能推荐无处不在的今天，相信我们每个人都或多或少患上了隐私焦虑症。平时和朋友说话聊天都疑神疑鬼觉得手机在偷听，很多人也因此越来越不喜欢在社交媒体上发布信息了。
不说、不转、不点赞，看起来似乎是非常合理的“隐私三连”——如果我不留下任何数据痕迹，机器学习自然也没办法对我的喜好进行分析了。
可事实真的如此吗？
精准预测你的社交媒体行为，只需要9位互关好友
最近在《自然》杂志中，来自佛蒙特大学的数据科学家们公布了这样一项研究，在推特上无需查看个人用户数据，而是通过对个人用户互相关注好友的推文数据分析，就能实现对个人用户社交媒体行为的精准预测。
换句话说，就算你删号退网，机器学习仍然可以通过你的好友列表来分析出你的用户画像。
在研究中，研究人员收集了一万三千余个推特账号，这些用户分别都拥有150-200个好友。在好友中找到互动率最高的前9位并进行分组，将用户好友组中好友的行为数据以时间为线索进行分析。
数据科学家们通过研究得出，一般社交媒体用户，只要不是专注某一领域的KOL，通常在社交媒体上使用的词汇不超过5000个。如果用中文来比喻，大概就是“哈哈哈哈”“不转不是中国人”“我家哥哥太帅了吧”这些常规词汇。
而通过对用户好友的常用词分析，基本可以圈定该用户的兴趣范围。研究者提到，很多专注于某一领域的用户（比如政治），其实在社交媒体用词量上只有几百个单词。在兴趣范围内的词汇量中引入代表个人行为变化的熵率，再与建立在时间序列上的文本生成算法相结合，就能够实现通过社交关系来预测个人社交媒体行为。
而当好友组中的好友数量越多时，这种预测也越准确。但值得注意的是，一旦好友数量超过150人，预测的准确率反而会下降——因为好友数量过多时往往双方的关联度降低，脱离了一个本来的兴趣圈子，在行为上也很难形成映射关系。
也就是说，如果你微博好友都是战狼团，那么你也会和大家一起“虽远必诛”，如果你的微博是追星阵地，那么你也会深夜和姐妹们一起为idol打榜。一个人的网友圈子，决定了他的认知范围，也进而使得其行为可以被预测。
看来，人类的本质是复读机无误了。
