xiashuidaolaoshu9527 | 1 points | Nov 15 2020 05:35:38

看到有些浪友缺乏分辨信息真假能力，我把个人的一些方法分享给大家，这里只做定性的分析，定量分析超过本鼠的能力范围之外。 首先我们要确定所有信息的来源就是人，在人机工程学里有句话说的我很喜欢：在环境中最具有不确定性的就是人，所以传递的信息就很可能是假信息 。但是假信息在造假的同时无法把每个方面的覆盖到，这就给我们分辨信息留下了巨大空间。这里我举一个简单的例子：A班级 有B和C两名学生，此 时我们想将学生D插入A班级中，佯装D学生就读于A班级，造假人一般就会在A班级名册里直接添加D学生信息，但这个世界是复杂的，是有关联的。我们 只要询问B或者C同学认不认识这个D学生即可判定谁在说谎。当然造假人可以事先串通好B　C学生，让他关联上B　C和D的关系，而现实生活中一个班级 就不止两个学生，一个虚假信息的传递要在方方面面都做到以假乱真是不可能的。 现在我们说一下身边的大家常常遇到的吧，在网络上特别是支那的网络里假信息尤其多，比如我们常说的微博买赞，抖音买赞，我们不能说他赞多就是 买的吧？这时我们注意到评论这东西是很难买的，所以很少看到人买评论，这东西不是Integer数据，每一个评论你还要添加一句话，造假成本巨大。 而我们根据大数据的关联就会发现，同一类型短视频的点赞和评论是呈现一定比例的，因为人群众多，点赞里喜欢评论的人这一比例一般是在一个比较 固定的浮动区间，所以我们根据点赞评论比，就很容易的就发现哪些人的视频比例异常，这就很容易区分谁是买赞的。 上面我们不是说大数据不能造假，而是造假者没有发现，或者说没有办法做到面面俱到。我们这里在举一个国家方面的例子李克强指数，因为GDP数据 就像之前的点赞一样容易修改，所以他用其他数据代替GDP信息，因为造假者没有注意到　耗电量、铁路运货量和银行贷款和GDP的关联性，所以就没有 修改这三个指标的数据，这样我们就可以得到一个比较真实的关于GDP的关联数据，可以大致判定经济的好坏。当然在这三个指标曝光后，很明显这三 个数据很明显就被修改了。 在比如美国大选据有没有作弊，你只要找到每个州总统候选人的支持率和所在党议员的支持比较就很容易看出结果 而在在生活中特别是现在网络公司由于其数据都在后端运行，所以展现给用户的都是结果数据，而我们要做的是根据这些结果信息的关联性来判断信息 本身的真实性，数据不会骗人，而造数据的人会骗人。