Twitter地理位置数据有多大意义？(图)顺水鱼财经

北京时间1月21日消息，据国外媒体报道，帕洛阿尔托研究中心(PARC，Palo Alto Research Center)刚刚发布了一份Twitter用户“地理位置”字段使用报告。PARC暑期实习生布伦特·赫克特(Brent Hecht)选择了1万名活跃的Twitter用户进行深入研究，结果发现，34%的Twitter用户没有在个人资料中填入有效的地理位置。有些用户甚至用地理位置字段来开玩笑，表达他们对某个名人的喜爱之情，或是申明他们的位置“不关你的事!”

对于其他和Twitter用户实际位置相关的所有调查来说，这一研究的意义显而易见：如果不预先对Twitter信息进行分析，分离出那些不按规则填写的位置信息，样本数据可能就不是那么可靠。PARC目前已经发现之前的一项著名研究存在这样的情况。

PARC的研究人员从Spritzer样品源(它从所有Twitter消息中实时随机挑选1-2%)收集了3200万条英语Twitter消息。这些Twitter 消息由5282657名Twitter个人用户发送。研究人员从中随机挑选1万名(那些发送过5条以上Twitter 消息)活跃用户的信息，然后提取和检查了他们的位置字段。

只有66%的Twitter用户在这个字段输入了有效的地理信息，这里说的“有效”只能算马马虎虎。比如，研究人员把填写“kcmo - call da po po”这种地址的人也计入在内，因为此人填写了有效的城市名“密苏里州堪萨斯城”。“有效”还包括那些只是写了身处哪个大洲，以及美国州名为实(如“加州”)但城市名称是编造的(如 “Bieberville”)情况。

实际上，城市和州的名称都不是编造的情况相当低，但PARC并没有提供具体数字。

在34%没有提供真正位置信息的情况中，研究人员发现了一些趋势。比如该字段经常被人们用来表达对特定名人的仰慕之情。研究人员在这个字段中发现的名字包括布兰妮·斯皮尔斯(Britney Spears)、乔纳斯兄弟(Jonas Brothers)等，被提及最多的是贾斯汀·比伯(Justin Bieber)，有61名用户在位置字段中提到他。

另一种常见的趋势是，人们使用位置字段来表达保守隐私的愿望，比如他们会填写“不告诉你”，“关你什么事”，而且也经常有人在这一字段填写外太空的位置以及笑话等，有人甚至会表达对自己当前位置的不满，例如一个用户写到，他在“乡下地狱”。

PARC的研究人员还将一部分数据集(16%没有提供有效位置的情况)输入雅虎Geocoder(一个可以把地名转换为纬度和经度坐标的工具)。但雅虎Geocoder并没有全部返回“错误信息“提示，而是返回了82.1%的数据。比如，“中土世界(Middle Earth)”的经纬度是在得克萨斯州拉伯克北部，“BieberTwon”在密苏里州，“在彩虹之上的某个地方(somewhere over the rainbow)”在缅因州北部，“wherever yo mama at”是在西伯利亚西南部。

这意味着，研究工作如果只是简单地把Twitter数据集输入到geocoder，结果就未必可靠。Geocoders假设所有输入信息都是地理位置，因此它会尝试找到这些坐标。为了准确地分析Twitter数据集的位置信息，数据应先进行预先分析处理，将非地理信息和地理信息分离开。

并非所有Twitter用户研究都已经采取了这样的做法。PARC研究人员发现，2007年的一项著名研究“我们为什么使用Twitter” (Why We Twitter: Understanding Microblogging Usage and Communities，作者是Akshay Java, Xiaodan Song, Tim Finin, and Belle Tseng)就没有对数据进行预先分析。虽然并不是说这项研究的所有结果(因为这项研究还包括了其他很多方面，比如信息类型等)都不可靠，但这一点的确值得注意。