你是否好奇，名人在社交网络上发的消息，哪些是自己写的，哪些是工作人员写的呢？Coursera数据科学社区导师（Community Mentor）Greg Rafferty使用机器学习技术分析了川普的推文，预测哪些推文是川普亲自发的，哪些推文是工作人员所发。

我创建了一个推特机器人＠whosintheoval，这个机器人会转推唐纳德·川普的推特，然后预测这条推是否是川普本人所写。在阅读下文了解我是如何创建模型的之前，别忘了在推特上关注这个机器人。

我是Greg Rafferty，湾区的一个数据科学家。你可以在我的github上查看这个项目的代码，也可以访问我的LinkedIn页面。有任何疑问和反馈，都欢迎和我联系。

动机

2017年12月1日，迈克尔·弗林（Michael Flynn）承认向FBI撒谎了。12月3日，川普的个人推特账号发了这样一条推：

由于弗林向副总统和FBI说谎，我不得不解雇了他。他已经对这些谎言认罪。这真可耻，因为他在过渡期间的行为是合法的。没什么好隐瞒的！

这条推引起了很大的争议，因为在这一年的2月14日，在弗林辞职之后，川普曾要求FBI局长詹姆斯·科米（James Comey）停止对弗林的所有调查。如果川普在向科米要求时已经知道弗林确实向FBI说谎了，那么川普的推特是川普试图妨碍司法的证据。在若干法律专家主张这一观点之后，川普为自己辩护，声称撰写并发布这条推的是他的律师约翰·多德（John Dowd）。然而，果真如此吗？

介绍

本文分为四部分：

• 背景

• 特征选取

• 模型

• 结果

当中的两小节（特别是模型那一节）技术性比较强；所以如果你对此不感兴趣，可以直接跳到结果一节，看看到底是谁发了关于弗林的那条推。

背景

文本分析取证是一门“古老的”机器学习技术，在各种各样的案例中得到应用，比如识别大学炸弹客（Unabomber），发现罗伯特·加尔布雷斯（Rob Galbraith）是J·K·罗琳（J． K． Rowling）的笔名，确定《联邦党人文集》中特定文章的归属。我们这个项目尝试使用这一机器学习技术识别＠realDonaldTrump所发的推是否是川普本人所写。然而，这一任务比较特别，非常具有挑战性，因为推文都非常短——在如此短的文本中没有太多的信号可供分析。不过，我最终还是成功了，精确度几乎达到了99％． 你可以关注我的推特机器人＠whosintheoval，这样一旦川普发推，你就可以实时查看相应的预测。

数据

2017年3月26日之前，川普使用三星Galaxy发推而他的工作人员使用iPhone发推。基于这些推文的元数据，我们可以知道是川普本人还是他的工作人员在发推（参考这些具体讨论这一假设的文章的链接）。在此之后，川普转而使用iPhone，因此发推者的身份无法基于元数据得出，需要通过推文内容推断。

我使用了Brendan Brown的Trump Tweet Data Archive（川普推文数据归档），得到了川普账号在2009年中至2017年末所发的所有推文，约有33000条。尽管我知道推文来自于哪个设备，作者身份仍有一些模棱两可，因为人们知道川普有时会向助理口述发推内容，因此一条具有川普特色的推文可能发自非川普所有的设备，同时（特别是大选期间）推文可能是由川普和助手们共同撰写的，没有明确的作者。

川普推特账号从开始（2009年5月4日）至停止使用Android设备（2017年初）的超过30000条推文我知道（至少有比较大的把握能猜到）作者（关键在于，关于弗林的推文不在这一期间，所以我让我的模型猜测真正的发推者——本文之后的结果一节会更多地讨论这个）。这30000条推文基本上是在Android和非Android设备间均匀分布的（47％／53％），所以不用担心类别失衡问题。这是我用的训练数据。使用若干不同的技术，我基于数据创建了将近900个不同的特征，我的模型可以使用这些特征预测作者。

选择特征

我查看了六方面的特征以建立模型：

• 川普的癖好

• 风格

• 情感

• 情绪

• 遣词

• 语法结构