Применение лингвистического анализа для деанонимизации в Сети

словарный запасИнтересная новость попалась на днях: центр исследования чтения из Бельгии провел исследования, целью которых являлось выявить разницу между словарным запасом мужчин и женщин.

Специально для этого они попросили более полумиллиона людей пройти простой тест – отмечать появляющееся на экране слово пометкой – известно им это слово или нет. Ниже представлена выборка, демонстрирующая максимальную корреляцию между полами с перевесом в мужскую сторону.

  • кодек (88%, 48%)
  • соленоид (87%, 54%)
  • голем (89%, 56%)
  • мах/mach (93%, 63%) — в английском языке mach имеет единственное значение, в отличие от русского
  • хамви (88%, 58%)
  • клеймор (87%, 58%)
  • ятаган (86%, 58%)
  • кевлар (93%, 65%)
  • паладин (93%, 66%)
  • большевизм (85%, 60%)
  • бипед (86%, 61%)
  • дредноут (90%, 66%)

А теперь посмотрим на выборку слов, которая отражает превосходство женщин:

  • тафта (48%, 87%)
  • локоны/tresses (61%, 93%)
  • бутылочный ёршик/bottlebrush (58%, 89%)
  • оборка/flouncy (55%, 86%)
  • маскарпоне (60%, 90%)
  • декупаж (56%, 86%)
  • прогестерон (63%, 92%)
  • глициния (61%, 89%)
  • тауп (66%, 93%)
  • отделка оборками/flouncing (67%, 94%)
  • пион (70%, 96%)
  • корсаж (71%, 96%)

Минусом данного анализа является тот факт, что он проведен для носителей английского языка, но провести экспериментальные работы для носителей русского языка пока никто не додумался, или – как всегда – есть более первоочередные задачи. Впрочем, краткий эксперимент из 5 слов, проведенный мною среди ближнего окружения только подтверждает выводы 🙂 (фейспалм)

В целом – анализ весьма интересный, и позволяет надеяться, со временем методы лингвистического анализа, которые давно и успешно применяются для деанонимизации в Сети будут улучшены.

Так и вижу в некотором не совсем отдаленном от нас будущем – радость маркетологов, которые присоединились к анонимному чату в TOR, и начинающим вдруг понимать, что юзер под ником SFFS12 – на самом деле мужчина в возростной категории от 30 до 32, проживающих там-то и там-то, совершающий покупки по таким-то дням, увлекающийся тем-то и тем-то … А ведь так и будет 🙂