大數據文摘出品
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，就像其餘四千萬單身男人一樣，註冊一下Match.com, J-Date和OkCupid等相親網站，坐等真愛上門不就可以了。
但是相信大多數人和McKinlay一樣，儘管向OkCupid算法推薦匹配的女性發送了許多曖昧私信，但絕大多數都石沉大海了。
轉折出現在2012年6月的一個早上，這個只進行過6次線下約會的男人正在電腦上編譯機器代碼，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。
為了不辜負自己在應用數學領域取得的成績，他決定，在OkCupid上爬取每一條相關信息，利用關鍵的K-Modes的改良貝爾實驗室算法找出數據規律，縮小範圍，然後一擊命中。
換句話說，這是一次數學家獨創的完美約會經驗貼，還不快來看看！
第一步：分析失敗原因，知己知彼
OkCupid是哈佛大學的數學系學生於2004年創立的約會網站，最初這個網站吸引人們注意力的是它基於計算方法的配對模式。會員會回答很多多項選擇問題，這些問題覆蓋面很廣，包括政治、宗教、親情、性、以及智能手機等。
數學家Chris McKinlay
通常，系統會從上千道問題的題庫裡選出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？”
對於每一道問題，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，並通過給問題評分來表明問題對自己的重要性（5分制，從無關緊要到必須回答）。OkCupid的匹配引擎會利用這些數據來計算男女之間的合適程度。越接近100%，所謂數學意義上的靈魂伴侶就越匹配。
McKinlay從數學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願意回答的問題去計算，而McKinlay選擇的問題有些隨機，並不主流。當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。
他意識到他應該去提高匹配的人數。如果McKinlay通過統計取樣確定哪些問題是他喜歡類型的女人願意回答的，那麼他便可以誠實地回答這些問題而忽略其他問題，以此來創建一個全新的用戶。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：藉助Python，求助好友，瘋狂收集數據
Chris McKinlay利用Python腳本瀏覽了上百道OkCupid的問卷題目，然後把女性用戶分為七類，每一類都會貼上獨特的標籤，例如“多才多藝的”和“細心體貼的”等等。
即便作為一個數學家，McKinlay也是個不同尋常的人。他小時候在波士頓郊區長大，2001年他從Middlebury學院畢業並獲得漢語言學位。同年8月份，他在紐約世貿中心北塔91層的一家公司裡找了一份兼職工作，工作內容是將中文翻譯成英文。五週後的一天，世貿大廈倒塌了。（那天，下午兩點前McKinlay都沒來公司。當第一架飛機於早上8點46分撞上大廈的時候，他正在睡覺。）
“自從那件事後，我問自己，我究竟想做什麼”他說。他的一個在哥倫比亞大學的朋友招聘他進入了一個由麻省理工職業21點團隊衍生出的一個團隊，這之後的幾年裡，他便往返於紐約和拉斯維加斯，他的工作是數牌，一年能掙六萬美金。
這段經歷點燃了他對應用數學的興趣，最終促使他在這個領域取得了碩士和博士學位。“他們能夠在很多不同的情景下使用數學知識，”他說，“他們會見到一些新的遊戲，比如‘三張牌的牌九撲克’，然後回家寫點代碼，接著就能找到策略去打敗它。”
現在，他想用同樣的方式去尋找愛情。首先，他需要數據。就在他用旁邊的窗口進行論文寫作的時候，他建了12個假的OkCupid賬戶並寫好了Python腳本去管理這些賬戶。這個腳本會搜索他的目標群體（25到45歲的異性戀或雙性戀的女人），訪問她們的主頁，然後爬取她們賬戶上每一條有用的信息：種族、身高、是否吸菸、星座—— “這些我全都要”他說。
為了找到心儀的另一半，他還做了一些額外調查。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回答過的問題。 於是McKinlay設置了自己的機器人程序，以簡單地隨機回答每個問題，他並沒有使用虛擬的個人資料吸引任何女性，因此答案並不重要，主要他要將這些女性的答案收集到了數據庫中。
McKinlay滿意地看著他程序一路狂奔。 然後，在收集了大約一千個檔案後，他遇到了第一個障礙。OkCupid有一個短平快的系統來防止這種數據收集，他的程序一個接一個地被禁。
因此他必須把自己的程序訓練的更像真人一些。
他求助他的神經科學家朋友Sam Torrisi，最近剛教過McKinlay音樂理論以換取高級數學課程。Torrisi也註冊了OkCupid，他同意在他的計算機上安裝間諜軟件來監控該網站的使用。根據手中的數據，McKinlay通過編程模擬Torrisi的點擊率和打字速度。他從家裡帶來了第二臺電腦並將其插入數學系的寬帶線路，以便可以24小時不間斷運行。
三週後，他已經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，他需要從調查數據中找到一個規律，即需要根據相似性粗略地對女性進行分組。這個問題在他編寫一個名為K-Modes的改良貝爾實驗室算法時取得了進展。
K-Modes算法1998年首次用於分析患病的大豆作物。
他通過算法發現了一個自然的分割點，根據問題和答案，20,000名女性被分為成七個統計學組。 “我太高興了，”他說，“那是六月份令我最興奮的事情了。”
他重新設置條件來收集另一個樣本庫：在過去一個月內登錄OkCupid的來自洛杉磯和舊金山的5000名女性。通過K-Modes的另一次分組確認他們以類似的方式聚集並確保統計抽樣有效。
現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後，發現一個類群太年輕，兩個太老，另一個太“基督”了。於是他徘徊在一個二十五歲左右的女性主導的類群中，工作類型比較獨立，像是音樂家和藝術家。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，從事專業的創造性工作，如編輯和設計師。他決定將兩個類群都設定為自己的目標！於是設置了兩個配置文件，A、B組各優化一個。
第四步：真誠填寫相關問題，找出靈魂伴侶
他對這兩個類群進行了文本挖掘以瞭解她們感興趣的內容：教學是一個熱門話題，因此他撰寫了一篇強調了他作為數學教授工作的文章。
更重要的是回答問題，於是他挑選了兩個類群中最受歡迎的500個問題並決定誠實地填寫答案，他不想在計算機生成的謊言的基礎上建立未來的戀愛關係。但是他會使用一種稱為自適應提升的機器學習算法來得出最佳權重，從而讓計算機確定分配每個問題的重要性。
有了這個後他發表了兩個照片，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，你現在對什麼更感興趣？性還是愛？” 這個問題的答案很明顯是愛。但對於年輕的A群，他尊重計算機將問題評為“非常重要” 的結果。對於B群集，它則是“必須回答”的問題。
當回答完最後一個問題時，他按照匹配百分比對洛杉磯的女性進行了OkCupid搜索。從頭開始：第一頁匹配率全是99％女性。向下滾動......然後......向下滾動……,來自洛杉磯各地的一萬名女性迎面而來。
離被關注還差一步！ OkCupid會員在有人查看他們的網頁時會收到通知，因此他寫了一個新程序來訪問查看他主頁的女性的主頁，並按年齡循環：週一有1000名41歲的女性，週二有1000名40歲的女性。兩週後，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。然後，私信開始滾滾而來。
“直到現在我還沒有遇到過如此匹配的人，而且我發現你的個人資料很有趣，”一位女士寫道，“對於一個擅長數字的粗獷男人......我覺得我想認識你。”
“嘿，你的個人資料很棒，我想認識你，”另一位寫道，“我認為我們有很多共同之處，也許不是數學，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，但學的並不好。”
至此，數學部分已經完成。接下來，他需要離開他的小隔間，進入實際演練階段，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來到加州大學洛杉磯分校的健身房，開始他的約會實踐。Sheila是一位來自“A類群”的年輕的網頁設計師。他們在Echo Park的一家咖啡館吃了午飯。 “太不可思議了，這簡直像一場學術活動一樣。”
與Sheila約會結束後，雙方都覺得不來電。第二天，McKinlay進行了第二次約會，一個來自 “B類群”的博客編輯。他們計劃在Echo Park Lake周圍散步，卻發現正在施工。女方一直在讀普魯斯特並對生活感到失望。 “這有點令人沮喪，”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。 她是一名實習編劇，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。他後來在OkCupid上私信她表示想繼續約會，但她沒回。
雖然他被拒絕了，但每天仍然收到20條消息。實踐約會顯然與計算機配置文件約會是完全不同的。他開始忽略一些主頁沒有內容的人的消息，只回應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。現在就只發一個回覆。 “你看起來很酷。想見面麼？”
20個約會之後，他總結了一些潛在的規律。在較年輕的群體中，女性大多數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。
早期的約會他會經過精心策劃。但當工作越來越忙時，就開始在午餐或咖啡時間偶爾參加休閒聚會，而且經常一天之內約兩場。他制定了一套個人規則來完成“馬拉松愛情”搜索：不再約喝酒，如果不來電就趕快結束不要拖拉，不約音樂會或電影。 “約會中你們需要關注的是彼此而不是別的什麼東西，不然效率會很低。”
經過從他的兩個檔案中同等挑選約會的一個月後，他發現他耗費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，但結果是一樣的。隨著夏天即將結束，他已經有過超過55次約會，每日都盡職地在實驗筆記本上記錄。只有三個產生了第二次約會，只有一個進行了第三次。
大多數不成功的約會者都面臨著自尊問題。對於McKinlay來說其實更糟糕。他不得不檢查他的計算。
後來一個來自28歲的藝術家Christine Tien Wang發來了消息。McKinlay之前在加州大學洛杉磯分校附近搜索到她，6英尺高藍眼睛的人，正在那裡修她的美術碩士學位。他們有91％的適合度。
他在校園的雕塑花園遇見了她。從那裡他們走到一個大學壽司會場，他立刻感覺到了來電了！他們談論了書籍、藝術、音樂，當她承認她在給他發消息之前對她的個人資料做了一些小改動後，他給她講述了關於他黑進愛情網站的整個經過。
“我認為這樣做有點腹黑和憤世嫉俗，”她說，“但我喜歡。”
這是第一次約會，第二次緊隨其後，然後是第三次約會。兩週後，他們都暫停了他們的OkCupid帳戶。
我認為我所做的只是每個人在站點上所做事情的一種略微算法化，大規模且基於機器學習的版本。” McKinlay說。每個人都試圖創建一個最佳的配置文件，他只是有數據來設計一個。
這是他們第一次約會的一年後，McKinlay和Tien Wang在韋斯特伍德壽司吧檯和一位記者見面，他們的已經正式確定關係了。McKinlay獲得了博士學位，他正在教數學，目前正在攻讀音樂研究生學位。Tien Wang被卡塔爾錄取並獲得為期一年的藝術獎學金。她在加州和McKinlay見面。他們一直在Skype上保持聯繫。
根據記者的要求，McKinlay帶來了他的實驗筆記本。 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尾，其中含有一些簡短的註釋。Tien Wang掃讀了一遍，覺得一些亮點有點可笑。 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。但所有的數學和編碼只是他們故事的序幕。見面後，戀愛關係才真正被黑客入侵。 “人們比他們的個人資料要複雜得多，”她說，“所以我們遇到的方式有點膚淺，但我們之間發生的一切都不是膚淺的，它是通過彼此的努力培養出來的。”
“這不是說，我們匹配因此我們關係很好，” McKinlay表示贊同， “這只是一種將我們放在同一個空間的機制，我能夠使用OkCupid找人。”
Tien Wang對此有點慍怒：“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，然後承認她是對的。
一週之後，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McKinlay拿出鑽石戒指並將其舉到網絡攝像頭前像她求婚時，Tien Wang說 “我願意”。
他們結婚時間並不完全確定，McKinlay說需要進一步研究以確定最佳婚禮日。
相關報道：
https://www.wired.com/2014/01/how-to-hack-okcupid/
一個去烏鎮的機會！
第六屆世界互聯網大會•烏鎮峰會
數字經濟人才專場研討會
首屆“30位新生代數字人才”評選
報名啟動！
-18日晚-
數字經濟人才對接VIP晚宴
首批“30位新生代數字經濟人才”頒獎儀式
-19日上午-
大咖主題演講
《數字經濟人才城市指數報告》發佈
點擊“閱讀原文”或掃描海報二維碼報名參加
閱讀更多 大數據文摘 的文章
