单身数学家如何通过大数据找到真爱
男主角麦金利
凌
晨三点，在加州大学洛杉矶分校（UCLA）数学系大楼五楼的一个拥挤小隔间里，克里斯·麦金利（Chris McKinlay）正在为他的博士论文《大规模数据处理和并行数值方法》跑程序。计算机发出嘎嚓声，是交友网站OkCupid收件箱。
OkCupid号称可以用算法找到跟你匹配的约会对象。约有4000万美国人使用Match.com、J-Date和e-Harmony等交友网站寻找浪漫恋情，35岁的麦金利就是其中之一。他身材瘦高，头发凌乱，自从九个月前跟前女友分手之后，他就一直都在寻找新恋情，但迄今为止都是徒劳无果。
一天清晨，麦金利突然意识到一件事：他应该像一个真正的数学专家那样去寻找约会对象。
OkCupid的运作方式
OkCupid是哈佛大学数学专业的学生在2004年创建的，它最初吸引用户的地方是可以使用算法来匹配会员。会员需要做大量的多项选择题，这些问题涵盖了包括政治、宗教、家庭、爱、性、智能手机在内的方方面面，总共有数千个之多。
平均而言，一个用户会挑选其中350个问题来回答。此外用户还可以指定回答人以及回答方式，并对问题重要性进行打分。
OkCupid的匹配引擎会使用这些数据来计算两个人的匹配度，百分比越接近100%就越匹配，100%是灵魂伴侣。
麦金利的问题
麦金利跟洛杉矶女性的匹配度糟糕透顶。
麦金利在选择回答哪些问题时比较随性，他选择回答的这些问题很多人都不会选。
洛杉矶大约拥有200万女性，其中约有8万人使用OkCupid交友服务。但是麦金利的匹配列表，只有不到100名女性跟他的匹配度达到90 %以上。
麦金利意识到，他必须增加跟他匹配的女性人数。如果可以用统计抽样来确定哪些问题对他喜欢的那类女性重要，他就可以有针对性地修改自己的个人账户资料，回答问题。
为爱再造传奇
麦金利的经历有些不同寻常。
他在波士顿市郊长大，2001年从明德学院毕业，获得了中文学位。当年八月，他在纽约世贸中心兼职做翻译。五周后9.11事件发生了，幸而麦金利那个时候不当班，正在家睡觉。
“自那之后，我问自己，我真正想做的事情是什么。”他说。随后他进入著名的“麻省理工21点小组”，在接下来的几年中，他在纽约和拉斯维加斯之间飞来飞去，靠算牌赚到了6万美元的年收入。
（“麻省理工21点小组”由麻省理工学院和哈佛学生于1979年组建，曾多次打败拉斯维加斯和大西洋城的众多赌场。Blackjack又称21点，是各地赌场最热门的牌桌项目之一。这在很大程度是因为21点并不完全是碰运气，而要求玩家拥有对数字的敏锐反应、娴熟的算牌技术和沉着冷静的心理。）
这段经历激发了他对应用数学的兴趣，他开始攻读数学硕士学位，然后又继续读博。现在，他要为了爱情做同样的事情。
搜集数据
首先，麦金利需要数据。
访问网页：他设置了12个OkCupid假账户，并编写了一个Python脚本来管理它们。这个脚本会搜索麦金利的目标人群（25至45岁之间的异性恋和双性恋女性），访问她们的网页，并在她们的个人资料里搜集所有可用信息：种族、身高、是否吸烟、星座……所有一切。
获取问卷：在OkCupid上，只有当你自己回答过某个问题时，你才可以看到别人对这个问题的回答。于是麦金利编写了bot机器人来随机回答每一个问题，然后把目标人群的回答搜集到自己数据库中。
但是，在搜集了约1000份个人资料之后，他遇到了第一个障碍。 OkCupid系统防止这种数据收集活动，麦金利的机器人一个接一个地被禁了。
克服障碍
他必须训练这些机器人，让它们的活动显得有人味。
麦金利找到了他的朋友山姆·托里西（Sam Torrisi）。托里西是个神经学家，他也是OkCupid的用户，他同意让麦金利在自己的计算机上安装间谍软件，跟踪自己使用这个网站的方式。有了这种数据，麦金利就可以模仿托里西的点击和打字速度给机器人编程了。
麦金利从家里搬来了第二台计算机，把它接到数学系的宽带上，让机器人每天24小时不间断地运行。三周后他就从全美各地2万名女性用户那里搜集了600万条问题和回答。（此处省略单身汉工作一万件...）
用户分类
麦金利的计划要想奏效，就必须根据数据的相似性，把女性分为大致几个类型。
贝尔实验室（Bell Labs）有个名叫K-Modes的算法，最早是在1998年投入使用，用来分析病变的大豆作物，它可以把具有相似性的数据凝结在一起。麦金利对它做了一些微调，然后他用这个修改后的算法来处理搜集到的问卷数据。
他发现了一个点，可以根据2万名女性的问题和答案，把她们分成七个在统计学上具有明显区别的类型。
他给机器人重新分派了任务，以便搜集另一个样本： 5000名在过去一个月内登陆过OkCupid的洛杉矶和旧金山女性。然后他再用修改过的 K-Modes算法处理她们的问卷数据。结果这些女性用户也以同样的方式被划分成七个类型，证实他的统计抽样方法确实有效。
目标锁定
在这一步，麦金利的任务是选择最适合自己的类型。
他从每个类型中抽取了一些个人资料来查看。排除掉太年轻、太年长、基督教徒等类型，有一个类型让他很感兴趣：她们大多二十多岁，看上去特立独行，参与音乐和艺术活动。麦金利希望在这个类型中大海捞针，找到他的真爱。
实际上，还有一个类型看起来也很酷——年龄稍大的女性，是创造性工作专业人士，比如编辑、设计师。他决定两个类型都试试。于是他创建了两份个人资料，分别为两个类型做了优化。
他对这两个类型女用户的文字信息进行了挖掘，以便了解她们对什么东西感兴趣。他发现教学是一个热门话题，于是他写了一篇自我介绍，强调自己是一名数学老师。
精准营销
但是，最重要的是问卷问题。
他挑选出在这两种类型中最流行的500个问题，诚实地填写了答案，计算机则会算出应该如何给每个问题的重要性打分。他使用一种名为“自适应提升”（adaptive boosting）的机器学习算法来计算最佳分数。
就这样，他创建了两份个人资料。一份上传了他攀岩的照片，另一份上传了他在一次演出中弹吉他的照片。
“不管未来的计划如何，眼下更吸引你的是什么？是性还是爱情？”这是500个流行问题中的一个。回答当然应该是“爱情”。但他按照“自适应提升”的结果，对于较为年轻的A组，给该问题打分为“非常重要”，而对于年龄稍大的B组，他则给该问题打了5分，即“必不可少”。
完成问题并打分后，麦金利在OkCupid上进行了搜索，按照跟自己的匹配度来排列洛杉矶女性用户。第一页的女性跟他的匹配度高达99%，而一万名之后的洛杉矶女性跟他有90%以上的匹配度。
私信滚滚来
要引起这些女性的注意，麦金利还需要做另一件事——查看个人资料。
在OkCupid上，每当有人浏览你的个人资料时，你就会收到提醒。所以麦金利写了一个新程序，专门去查看跟他的匹配率最高的女性用户的页面。
这个程序按照年龄顺序进行浏览：周一浏览1000名41岁女性的页面，周二浏览1000名40岁女性的页面，以此类推，一直到两个星期后，浏览1000名27岁女性的页面。在这些用户中，有大约400名女性也反过来查看了麦金利的个人资料。结果私信滚滚而来。
开始约会
数学的部分已经完成，只剩下一件事要做了：去约会。
6月30日，麦金利在加州大学洛杉矶分校的健身房洗了澡，开着他的破旧日产车，去赴第一个约会。希拉（Sheila）是一位网页设计师，来自A组，即较年轻的艺术类型。他们在回音公园的咖啡馆共进午餐。 “这真是可怕，”麦金利说。“直到那一刻之前，这件事几乎都是一个学术活动。”
这次约会结束时，状况已经很明显：两个人不来电。第二天，麦金利继续赶赴第二个约会，这次是一个富有魅力的博客编辑，来自B组。
麦金利本打算跟她沿着回音公园的湖浪漫地散散步，但却发现挖泥船正在湖里疏浚。她爱读普鲁斯特的作品，对自己的生活感到忧伤。“这个比较负能量。”他说。
第三个约会对象也来自B组，名叫艾莉森（Alison）。他们在韩国城的一间酒吧见了面。她是一个学编剧的学生，肩膀上有斐波那契螺旋的纹身。麦金利喝韩国啤酒喝醉了，第二天在小隔间醒来的时候，经历了痛苦的宿醉。他在OkCupid上给艾莉森发了一条私信，但她没有回。
成为游戏中的强者
被拒绝的感觉不好受，但麦金利仍然每天都能收到20条私信。有了计算机算法的支持，他在约会游戏中占据了主动地位。
还记得当初，麦金利主动给别人发私信的时候，每发3到5条私信才会获得一个约会机会。但现在，他可以选择只回应那些具有幽默感，或个人简介很有意思的女性。而且，他只需要简单地答复“你看起来真的很酷。想见面吗？”基本上就能搞定一个约会。
在去赴第20个约会时，他注意到了新的规律：比较年轻的A组女性总是有两个或两个以上的纹身，并且住在洛杉矶的东部。在B组，养有中型犬的女性人数格外多。
最初几次约会时，他还精心做了准备。但是，随着次数的增加，他把约会形式改成了休闲式的午餐小聚或是喝咖啡，而且常常一天赶赴两场约会。
提高效率
针对这场马拉松式的恋情搜寻行动，麦金利还为制定了一套个人规则。比如不喝酒；时间到了就结束；不去听音乐会或看电影。“把注意完全放在对方身上。”他说。“否则效率很低。”
在第一个月，他同时约会A组和B组女性。一个月后，他不想再约会有纹身、住在洛杉矶东部的女性了，因为不想花太多时间在路上。于是他删除了面向A组的个人资料。
这下子他的效率提高了，但结果还是一样。夏季即将结束，他赴约的次数超过了55次。每一次约会都被他尽职尽责地记录在了一个实验室笔记本上。只有三个人进行了第二次约会，只有一个人进行了第三次约会。
麦金利开始怀疑自己的计算思路。
真爱现身
这时，他收到了王婷（Christine Tien Wang，音译）的私信。她28岁，是一名艺术系学生，支持废除监狱的活动，希望寻找一位6英尺（1.82米）高，蓝眼睛，住在加州大学洛杉矶分校附近的男伴。她在这所学校攻读美术硕士学位。他们的匹配度是91%。
两人在学校里的雕塑园见了面，然后从那里步行到了校园里的一间寿司店。他一开始就感觉跟王婷很投缘，两人谈论了书籍、艺术和音乐。
王婷承认，在给麦金利发私信之前，她对自己的个人资料进行了调整，而这时，麦金利就把自己用程序和算法寻找女伴的过程原原本本告诉了王婷。
“我觉得这有点黑暗，有点玩世不恭。”她说。“我喜欢。”
这就是麦金利跟88号女士的第一次约会。很快他们又进行了第二次约会，第三次约会。两个星期后，他们各自暂停了OkCupid上的帐号。
“我觉得，跟OkCupid上其他所有用户做的事情相比，我只不过多用了一点算法，活动规模更大一点，还使用了一些机器学习技术。”麦金利说。每个人都试图创建最佳版本的个人资料——他只不过是拥有一些数据来帮助他做到了这一点。
后续发展和反思
麦金利和王婷的第一次约会已经过去一年多了。现在麦金利已经拿到了数学博士学位，是一名数学老师，目前在读音乐研究生。王婷则获得了卡塔尔为期一年的艺术奖学金。她时不时回到加州探望麦金利。他们一直在Skype上保持联系。
在王婷看来，麦金利用OkCupid找女友的故事很有趣。但是，对于他们的恋情来说，数学知识和编码技能起到的仅仅是序幕作用。在恋爱关系中，关键的是两人见面之后发生的事。
“真人比个人资料复杂得多。”她说。“所以我们见面的方式可能比较肤浅，但之后发生的一切都不肤浅。那是辛苦培养得来的。”
“并不是说我们匹配度高，就会有良好的关系。”麦金利同意这个看法。“那只是一种让我们走到同一个房间的方式。我可以利用OkCupid来找到合适的人。”
王婷说：“你没有找到我。是我找到你了。”麦金利思考了一下，然后承认她说得对。
在一次Skype通话中，麦金利掏出一只钻石戒指，把它放在网络摄像头前。她答应了他的求婚。
他们不确定会在何时结婚。要找出最佳的结婚日还需要做一些研究。
内容来源：数据中国