Есть вопросы? info@skydigital.pro

Предсказание политических взглядов человека с помощью искусственного интеллекта

Мы создали нейронную сеть, которая определяет политические взгляды человека, анализируя его профиль в социальных сетях

Данные представления о политических взглядах являются обобщенным результатом работы статистической математической модели и могут не отображать реальные взгляды конкретного человека. Разработчики не агитируют за какие-либо политические взгляды и не отдают предпочтения никаким политическим взглядам и социальным группам людей, которые эти взгляды разделяют.
Комментарии:



Что дальше? Давайте посмотрим процентное соотношение "либералов" и " консерваторов" в разных регионах Российской Федерации

Смотреть!

Кто такие либералы и консерваторы

В нашей модели электоральных предпочтений мы сильно упрощаем реальную картину и разделяем людей только на две группы по их политическим взглядам - "условные либералы" и "условные консерваторы".

«Либералы» - это люди, для которых на первом месте стоит личная свобода. Как следствие эти люди поддерживают идею невмешательства, или минимального вмешательства государства в их жизнь и экономику в целом.
Кратко их можно охарактеризовать словами «свобода», «перемены», «движение».

«Консерваторы» - это люди, приверженные традиционным ценностям, стабильности, противники радикальных реформ. Согласно их убеждениям, государство является гарантом этой стабильности.
Кратко - «традиции», «стабильность», «порядок» («скрепы»)

Если кто-то считает "либералы" ругательным словом, можно использовать термин "прогрессисты" или "модернизаторы", а консерваторов называть "государственниками" или "архаиками".

Предвосхищая многочисленные вопросы: мы не стали глубже детализировать группы по их политическим взглядам.
Модель не различает «ностальгирующих по СССР», «новых коммунистов», «националистов», «христианских демократов» и «левых зеленых». В текущей политической ситуации это не принципиально. Все перечисленные взгляды, так или иначе, относятся к условным «либералам» или «консерваторам».

Характеристики модели

95%

Точность предсказания

политических взглядов пользователей

968 000

Количество примеров

на которых была обучена наша математическая модель

12 443

Количество параметров

которые модель учитывает при принятии решения

Принципы работы

Математическая модель для определения электоральных предпочтений была построена на основе машинного обучения. Модель принимает решение после изучения интересов человека в его профайле в соц. сети ВКонтакте.


На чем обучалась модель

Для обучения модели была создана выборка из одного миллиона пользователей ВКонтакте - подписчиков групп сторонников текущей власти и сторонников политика Алексея Навального.

Обращаем особое внимание, что при обучении модель «не знала» подписан ли пользователь на знаковые паблики, которые однозначно определяют приверженность к той или иной политической группе. Эти параметры не использовались, как входные данные.
Т.е. модель обучалась определять политические убеждения по совокупным неявным признакам.

Даже если человек открыто не заявляет о своих политических взглядах, или даже сам не догадывается о них, наша модель может их определить с большой степенью вероятности.

Оценка качества модели

Для проверки модели на «переобучение» был использован стандартный метод кросс-валидации (метод перекрестной проверки). Обучающая выборка была случайным образом разделена на 10 непересекающихся подмножеств. На девяти модель обучалась, десятая - контрольная.
На контрольной сравнивалось расчетное значение с исходным.

Для оценки точности предсказания нашей модели мы взяли, обычно применяемый для оценки качества бинарной классификации, параметр AUC (area under the receiver-operating characteristic curve coefficient).

Для визуализации качества модели представлены графики ROC кривой и график плотности позитивных/негативных предсказаний в зависимости от значения порога отсечения («Сutoff»). Последний график позволяет оценить, насколько модель хорошо различает классы.

Видим, что графики практически хрестоматийно идеальны.
Левый график (ROC) сильно выгнут, а у правого графика максимумы позитивных (1 - красного цвета) и негативных (0 - зеленого цвета) решений максимально разнесены по оси Х.
Оба графика подтверждают высокое качество модели.

Результаты оценки

В итоге, при кросс-валидации, модель показала точность предсказания (AUC) 95%
(Реальная точность 0.9504812)

Интересно было наблюдать, как модель принимает правильное решение на основе небольшого количества совершенно неочевидных интересов человека, не имеющих никакого отношения к политике. Например, подписчики пабликов про путешествия имеют бОльшую склонность к либеральным взглядам.

Применение модели

Наша модель может анализировать интересы не только одного человека. Она специально разрабатывалась для одновременного исследования большого количества людей. С помощью нашей модели можно рассчитать индекс политических предпочтений для ВСЕХ и КАЖДОГО пользователя ВКонтакте из ЛЮБОГО субъекта РФ, а также для СТРАНЫ в целом.

Это позволяет:

  • Оценить общую РЕАЛЬНУЮ картину электоральных предпочтений в стране/регионе/городе, без использования сомнительных выборок и опросов (часто нерепрезентативных). Делать выводы только на фактах, используя всю ГЕНЕРАЛЬНУЮ СОВОКУПНОСТЬ ИЗБИРАТЕЛЕЙ.
  • Оценить КАЖДОГО потенциального избирателя. Знание персональных взглядов человека (его психометрию) позволит максимально ПЕРСОНАЛИЗИРОВАННО, а значит эффективно проводить с ним агитационную работу.

Ни это ли было всегдашней несбыточной мечтой всех социологов и политтехнологов?
Теперь это стало реальностью.

Рабочий пример!

Мы рассчитали «индекс политической активности» для репрезентативной выборки избирателей из ряда городов Российской Федерации.
На основании расчета получили модель соотношения лояльных и оппозиционно настроенных людей.
Это, в том числе, позволяет прогнозировать результаты будущих выборов.
Метод объективен и непредвзят. Выборка составляет десятки (для крупных городов сотни) тысяч человек. Это несравнимо с социологическими опросами.

Посмотреть рабочий пример!

"Индекс политических взглядов" можно рассчитать для любой выборки id ВКонтакте, для города, для региона, либо для всей страны.
Напишите нам, если вы хотите получить результаты расчета.

Что еще?

Точная настройка и адаптация модели

Мы можем адаптировать модель, в соответствии с вашими запросами:

  • Точная настройка модели. Добавление пабликов по желанию в обучающую выборку.
  • Увеличение количества параметров (предикторов), которые модель учитывает при принятии решения.
  • Построение адаптивной системы с обратной связью (учитывающей обратный отклик).
  • Адаптация модели для других политических и социальных групп (например, коммунисты, «дальнобойщики» и пр.)

Запросить адаптацию

Использование психологического таргетинга

Как и в случае с «индексом либеральности» мы можем обучить отдельную математическую модель анализировать и определять психотип человека в разных вариантах и комбинациях.

Это позволит максимально персонализировать передаваемую ему информацию, что в свою очередь приведет к максимально возможной конверсии.

Например:

  • Определять ведущий тип мышления человека, к которому адресовано сообщение.
  • Определять уровень абстракции в мышлении человека.
  • Получить полную модель личности по системе OCEAN.

Задать вопрос