A descoberta do professor Devavrat Shah e do estudante Stanislav Nikolov pode ser de relevância para o Twitter, que pode explorar possibilidades comerciais a partir da antecipação de assuntos populares, como a venda de anúncios relacionados a temas que entrarão para a lista dos mais comentados do momento. O algoritmo também representa uma nova abordagem em análises estatística já que, em teoria, pode ser aplicado a qualquer número que varie ao longo do tempo como a duração de uma viagem, a venda de ingressos para o cinema e provavelmente até preços de ações na bolsa.
Como todo algoritmo, o desenvolvido por Shah e Nikolov precisa ser treinado, o que significa especificar determinados padrões a serem considerados. "É um modelo muito simplista", define o professor, explicando que eles buscam treinar o algoritmo com base em dados para identificar um grande "salto", de popularidade no caso dos tweets, e acompanhar como esse grande salto acontece. O problema, segundo Shah, é que "há mil coisas que poderiam acontecer", portanto, ele e o aluno têm deixado que "os dados decidam".
Em seus experimentos, a dupla montou um treinamento do algoritmo definindo 200 assuntos no Twitter que mostravam popularidade e outros 200 que não. Em tempo real, o sistema mostrou 95% de acertos em relação às publicações. Mas Shah diz que a precisão do sistema deve melhorar conforme se aumentem as especificações de treinamento do algoritmo quanto à quantidade de dados a serem considerados, o que significa necessidade de mais recursos de computação.
Nenhum comentário:
Postar um comentário