客户关系,比如工作中认识的朋友,比如参加各类party认识的朋友,比如参加各类社团认识的朋友。
这类关系是很难出现在简历、档案、法律记录中的,而这部分关系占比还偏偏很高,这同样需要找到合适的数据源。
按照数据统计,一个人一生中大概能认识4000人左右,这个认识通常是指你能记住他的长相,知道他的名字,与他交谈过,并且你们的关系是相互的,他也同样认识你。
这4000人出现在人生的各个时期,他们通常是你的各个阶段的同学、邻居、同事。
这些人基本上只出现在你人生中的某一阶段,然后随着你年龄的增长,他们都会被逐渐忘却。
如果你是个20多岁的人,那么你现在应该已经记不得几个小学同学的名字了,而他们的长相你也需要花很长时间进行回忆了。
如果你是个30岁的人,那么你的初中同学差不多也开始步入淡忘的阶段。
以此类推,人对于十年前的关系已经大部分忘却了,就算是5年前的关系也忘却了相当部分。
我们日常能够记住的人,基本上维持在300个左右,这300人是日常经常接触的,现在能够记起来他们长相的。
随着接触频率的降低,以及生活距离的拉大,这些人中必定也有相当一部分慢慢淡出你的记忆。
莫回现在需要做的事情就是将这4000个人找出来,给数字人赋值,让他们在数字世界里建立相互之间的社交联结。
除此之外,莫回还需要给这些社交联结赋值,比如哪个人具体是什么性质的关系,相互影响度如何?关系的亲密度如何?
这些也是非常关键的信息,就是说莫回需要把每个人日常生活中常接触的那300个人找出来,建立准确的关系定义。
这部分数据就是不是一份薄薄的简历能够搞定的了,这些只能从个人的大数据中找了,好在通用利用轨迹已经将这些数据渠道打通,莫回只需要调用就好了。
除了各种公共信息之外,莫回还能拿到用户在各大网站上的隐私数据,将所有这些数据汇集起来,利用深度学习软件进行大范围筛选和比较。
比如A和B认识,就可以用深度学习技术,分析A和B的所有网络信息记录,从多个角度定义他们之间的关系,甚至还可以辅助视频监控记录,通过分析两人见面时的表情和肢体语言,进行对应的心理分析,以便更加准确的定义两人之间的关系。
因为很多资料都是现成的,所以分析速度很快,超极本的超级性能在这种大范围高密度数据面前充分发挥着作用。
所有这些数据唯一的障碍就是传输速度和调取速度,很多数据都沉淀在各个运营商机房的磁盘阵列深处,这都需要一点点调取出来。
好在超极本比较给力,让莫回在神不知鬼不觉中,悄悄完成了这项浩繁的工作。(未完待续。)
请收藏:https://m.frgls.com
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)