- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据库新发现
Google“炸弹”袭击2004美国总统大选
Google“炸弹”袭击2004美国总统大选 现在，当打开国际头号网络搜索引擎Google（www.google.com），键入“胡说八道”（Waffles）时，在540，000项符合 由一系列英文单词拼成的“Google 炸弹”给2004年的美国总统大选口水战增添了新的佐料。当两大政党的全国大会正风风火火地展开时，另一场无声战斗也在互联网上爆发了。 美国大选中的各色核心人物，卷入了这场互联网上的美国大选“边缘战争”。在美国的一个博客网站上，“石油贩子”（oil monger）这一称呼曾被赐予副总统切尼。 美国参议员桑托勒姆则被谩骂成“润滑油与粪便的混合物”。 被波及的政客还有鼎立支持小布什的英国首相布莱尔及意大利总理贝卢斯科尼。“小丑”（Buffone）指向的就是贝卢斯科尼自传。 现在，打开搜索引擎“百度”搜寻英文词“miserable failure”（惨败），首当其冲的是美国参议员、民主党要员克林顿·希拉里的办公室网址。
55820发布于 2018-09-12 - 来自专栏大数据文摘
Topsy如何预测美国大选和奥斯卡结果
，同时还成功预测美国大选结果和奥斯卡颁奖结果。 序 · 这家公司准确预测了iPhone 4S的上市表现 2011年10月4日，万众期待的iPhone 5并未到来，苹果推出的只是小幅升级版的iPhone 4S。 包括《金融时报》、《华尔街日报》在内的多家专业财经媒体都对iPhone 4S表示失望，他们认为作为乔布斯的遗作，iPhone 4S显然无法让苹果股东和用户感到满意。 在2012年美国歌手惠特妮·休斯顿意外身亡的新闻报道中，Topsy开始被更多媒体采纳使用。 三、成功预测美国大选 奥斯卡预测6中5 2012年，奥巴马与罗姆尼竞选总统，这为Topsy的传播创造了新的机会。Twitter与Topsy合作推出“政治指数”，通过精密算法来实时反映选民的立场变化。
63210发布于 2018-05-23 - 来自专栏HyperAI超神经
2020 美国大选在即，假新闻也在路上了
关键词：假新闻 自然语言处理 事实检查 近年来，「假新闻」一词的出现频率开始攀升，尤其在 2016 年的美国大选，更是将「假新闻」推至舆论中心，让其使用率增加了三倍多。 2016 美国大选中，假新闻称现任教皇支持川普的新闻， 获得近百万互动，后续辟谣阅读量却寥寥无几 今年美国大选在即，受席卷全球的新冠疫情、经济衰退、地区争端等问题影响，可想而知，大选必定面临着比以往更严峻 2016 年，美国大选活动的最后三个月里，突然涌现了一百多个和特朗普有关的网站，发布的都是支持特朗普的新闻，还都使用美国网站域名。 ? Logically 已和美国公共部门和社交媒体平台签订了合作合同，将在今年的美国大选中，为假新闻的检测提供技术合作。 曾成功用于印度大选的技术，强在哪里？ 再过三个多月，美国就要迎来全国总统大选的日子，不知届时 Logically 能否有效管制「假新闻」，帮助美国民众选出真正符合民意的总统。 ?
93510发布于 2020-07-16 - 来自专栏网络安全
虚假信息成为美国大选的首要安全问题
2024年美国总统大选投票即将结束，在网络安全专家眼中，虚假信息传播仍然是当前选举中最令人担忧的安全威胁。 解密深度伪造视频，美国大选从未“如此安全”近日，美国联邦机构已辟谣两则引发争议的视频。 前CISA主任克里斯·克雷布斯在社交平台X上发文指出："美国政府已经识破了更多俄罗斯网军的虚假宣传，这样的情况还会继续。 随着投票结束，计票工作开始，境外势力会想方设法混淆美国民众对选举结果的认知"，他指出："他们很可能会继续试图加剧社会分裂，比如针对摇摆州的少数族裔散布特定的虚假信息"。 但她在接受多家媒体采访时强调，美国的投票系统几乎是铜墙铁壁，"这次选举的安全程度达到了前所未有的高度"。"
39310编辑于 2024-11-06 - 来自专栏数据小魔方
用R语言复盘美国总统大选结果~
这两天各种社交媒体都被美国大选的消息刷屏，各种段子满天飞，把平时不怎么关注政治的小编都吸引了。 美国大选的投票数据，给小编的写作提供了非常宝贵的案例数据，毕竟四年才一次哦，这次一定不能放过。 ) 更改阿拉斯加与夏威夷坐标并合并： data2$long<-data2$long+65 data3$long<-data3$long+40 data3$lat<-data3$lat-42 data4< -rbind(data1,data2,data3) 合并地理信息数据与选举数据： American_data <- join(data4, newdata, type="full") 提取各州中心经纬度指标 (long,lat))) mynewdata<-join(centres,newdata,type="full") 2.1 美国总统大选的各州选举人票数分布： ggplot()+ geom_polygon 2.2 美国总统大选投票结果双方获胜州分布情况： ggplot(American_data,aes(x=long,y=lat,group=group,fill=Results))+ geom_polygon
2.9K60发布于 2018-04-11 - 来自专栏钱塘大数据
【图说】数据可视化在美国大选中的应用
美国总统并不是按一人一票选出，而是每个州有不同数量的选举人票，如果这个州大多数人投票选这个党派，则整个州的选举人票都被这个党派得到。选举人票数量跟那个州的面积人口之类并没有直接关系。 但你还有选择，就是把表现选举人票的图形放在地图上，还是直接用这些形状来组成美国地图。我们看看各家媒体做法。
1.5K110发布于 2018-03-02 - 来自专栏灯塔大数据
探秘|美国大选背后的个人隐私与大数据
这些决策不仅用在商业活动、娱乐和营销中，美国大选也不例外。 这和传统的美国大选很不一样。2008年奥巴马获选的重要原因之一，正是借助了互联网的优势。在他竞选成功后，《纽约时报》的一篇文章写道：“如果没有互联网，奥巴马就不可能是总统。” 所以在今年的美国总统大选中，两党对数据收集、分析、整理和使用的高度重视，也就不算是难以理解的举措了。 在2016年的美国大选中，新技术被开发出来，过去的传统技术被应用到极致。 民意调查结果，一直是总统大选时最倚重的数据来源。在长达半年的总统竞选活动中，会有许多组织通过不同方式进行大量调查，将结果汇总成民意调查数据。
1.2K60发布于 2018-04-08 - 来自专栏EAWorld
脑洞#微服务架构令川普赢得美国大选？
据美国全国广播公司（NBC）11月9日最新报道，美国共和党总统候选人唐纳德•特朗普战胜民主党总统候选人希拉里•克林顿，赢得2016年美国总统大选。 （4）服务实例数量与其位置（主机与端口）会发生动态变化。 （5）服务的划分方式会随时间的推移而改变，且不应被客户端所感知。 这种情况下，需要使用API网关作为全部客户端的单一入口点。 有关单体架构的更多内容，欢迎移步刘相的文章《从单体架构迁移到微服务，8个关键的思考、实践和经验》 4. 美国政府则受困于长期战争，背负沉重外债，军费开支持续走高。事实上，对外输入价值观的做法建立了美国政治经济与国外地缘政治和经济的强耦合，带来的深入影响积重难返。 正如美国大选，选择川普的选民未必是多喜欢他，只是因为他比希拉里，更不坏而已。 所以，如果我说，微服务架构令川普赢得美国大选，你认为合适么？
78880发布于 2018-04-02 - 来自专栏机器学习与统计学
2020 年美国大选：一个生动的统计学课堂
最粗暴的方法就是增加样本量（sample size），扔10次硬币能得到4-6个正面概率只有65%左右，而扔1000次硬币得到400-600个正面的概率就几乎100%了。 比如2008年美国大选的调研通过的是电话座机，但是当时很多年轻人已经不用座机只用手机了，那这部分年轻人就被忽略掉了从而产生了undercoverage bias. 在这次大选民调里举个例子也许就是一个调研人员跑到BLM的集会去问:"你支持拜登吗？" 那些红脖子们就在这里被忽略掉了，这就会产生undercoverage bias. 结合大选，就像一个调研人员打电话给一个红脖子问：：你选拜登吗？” 红脖子怎么说？是直接和调研人员开骂？还是说“yes yes sure sure"应付了事？ 那么同学们，这次大选民调里有可能出现哪些问题？美国的专业民调公司是不会缺钱的，样本不会不够，随机性是可控的。那么在哪里又会出现偏差呢？
1.1K30发布于 2020-11-09 - 来自专栏新智元
深度 | 美国大选 Facebook 误导公众？智能时代，推荐算法主导群体意识
【新智元导读】Facebook 将一则美国大选的假新闻置顶，引发热议。 11月9日，美国大选结果出炉： 共和党候选人唐纳德•特朗普(Donald Trump)拿下威斯康星州的10张选举人票(electoral vote)，确定比民主党候选人希拉里•克林顿(Hilary Clinton )早一步拿到胜选所需的270张选举人票，赢得2016年美国总统大选。 根据FT中文网的报道， 在实际票数(popular vote)上，本届美国大选却是另一个样貌：截至北京时间11日晚上6点，希拉里实际上比特朗普多拿到63.8万张绝对投票。 媒体、意见领袖和民众纷纷发声，认为 Facebook 提供了假新闻，对人们形成误导，影响了大选。
891120发布于 2018-03-26 - 来自专栏镁客网
人工智能预测美国大选这件事，认真你就输了
与往年不同的是，今年的美国大选堪称史上最激烈、最变幻莫测的一次，当中发生的一系列事件足以和精彩绝伦的美剧《纸牌屋》相媲美，甚至有过之无不及。 此外，由毕业于斯坦福大学的路易斯·罗森伯格（Louis Rosenberg）博士创办的Unanimous AI公司，也通过实时的集体预测对几天后美国总统大选的结果：希拉里将以微弱优势胜出。 人工智能预测，还请用娱乐的视角去看待 很多人都认为，本届美国大选是“肮脏的一届”，而希拉里挟名流、主流媒体和“大数据”的威势，在“泼污竞赛”中似乎一直占据上风。 其实并不然，因为美国总统大选机制的特殊性，希拉里虽然获得了更多的选民选票，但最终选举人票高达290张的特朗普才是赢家，而大多数人工智能的预测算是对了一半。 那么究竟是什么原因导致了预测失误呢？ 除此之外更为重要的是，这些人工智能系统也不能预测到突发事件对大选的影响。所以说，对于人工智能系统预测美国大选这个事情，与其用科技的视角去看，不如就纯当娱乐，人工智能也需要劳逸结合。
89570发布于 2018-05-28 - 来自专栏大数据文摘
美国大选和累犯预测、难民调查算法一览
◆ ◆ ◆ 谁将赢得2016美国大选？PollyVote稳定预测有妙招 2016年美国大选谁会胜出？是主张“建墙防墨西哥人偷渡”、坚决反对医保法案的纽约地产大亨川普？ 支持民主党的选民大多分布于西海岸和东北部地区，而共和党的选民则聚居于中南部 该工具对以往三届美国大选的预测误差率均小于1%，表现不俗。要想持续关注预测结果，可以订阅汇总自动解释文本的新闻简报。 ? PollyVote对以往三届美国大选的预测误差率均小于1% 表现如此稳健的预测工具用了什么神奇的算法呢？答案是：综合预测方法所得结果。 ProPublica揭开算法真面目 在美国，越来越多的法官和其他司法官员用算法预测罪犯成为累犯的可能性。COMPAS是美国最受青睐的算法工具之一，在庭审和判决前的使用率与日俱增。它到底靠不靠谱呢？ 但起诉的仅8起，定罪的仅4起，占全部案件的5%，其他案件的罪犯均逍遥法外。 ? 在所有案件中，纵火案发生率高、破坏力强。
81840发布于 2018-05-24 - 来自专栏智能算法
深度 | 美国大选 Facebook 误导公众？智能时代，推荐算法主导群体意识
作者：胡祥杰，刘小芹 Facebook 将一则美国大选的假新闻置顶，引发热议。 11月9日，美国大选结果出炉： 共和党候选人唐纳德•特朗普(Donald Trump)拿下威斯康星州的10张选举人票(electoral vote)，确定比民主党候选人希拉里•克林顿(Hilary Clinton )早一步拿到胜选所需的270张选举人票，赢得2016年美国总统大选。 根据FT中文网的报道， 在实际票数(popular vote)上，本届美国大选却是另一个样貌：截至北京时间11日晚上6点，希拉里实际上比特朗普多拿到63.8万张绝对投票。 媒体、意见领袖和民众纷纷发声，认为 Facebook 提供了假新闻，对人们形成误导，影响了大选。
1.2K50发布于 2018-04-02 - 来自专栏大大的小数据
美国大选最关键州实时得票30分钟更新2020.11.5
from DrissionPage import * import re from time import sleep import csv import os import datetime#写入时间 p = MixPage('s') #p = MixPage() p.get('https://www.foxnews.com/elections/2020/general-results/state/nevada') dem = p.ele('@class:party-info dem') prin
25120编辑于 2022-09-21 - 来自专栏大数据文摘
机器人如何影响美国大选结果
Donald Trump曾经是美国最具知名度的房地产商之一，人称“地产之王”。同时也是第12位宣布参加2016年总统竞选的共和党人。5月4日，竞争对手科鲁兹宣布退选， Trump基本锁定提名。 我们对机器人的来源需要更高的透明度，而且现在就要，否则机器人可能会过度地影响2016年大选。 线上有大量的聪明、风趣、好的机器人。 除了美国之外，墨西哥Institutional Revolutionary Party（革命制度党）被披露用数千台机器人传播选举信息运动。 这仅仅是个开始。 在美国印第安纳大学的研究表明，明显的机器人账户比传播政治谎言更有效。 美国的政治本来就够黑暗；人们已经忍受了这么多肮脏的把戏。苛刻的机器人透明度将至少帮助清理社交媒体，不管是好还是坏，越来越多的总统将在社交媒体当选。
68070发布于 2018-05-22 - 来自专栏自然语言处理
基于LSTM的美国大选的新闻真假分类【NLP 新年开胃菜】
https://github.com/yanqiangmiffy/quincy-python-v2/blob/master/Python038-%E5%9F%BA%E4%BA%8ELSTM%E7%9A% 84%E7%BE%8E%E5%9B%BD%E5%A4%A7%E9%80%89%E7%9A%84%E6%96%B0%E9%97%BB%E7%9C%9F%E5%81%87%E5%88%86%E7%B1%BB %E3%80%90NLP%20%E6%96%B0%E5%B9%B4%E5%BC%80%E8%83%83%E8%8F%9C%E3%80%91.ipynb
63110发布于 2021-01-05 - 来自专栏智能算法
2016 年美国大选的投票结果中，有哪些数据值得分析？
种族 这届美国大选中白人选民的占比是70%，相比于2012年又低了2个百分点。 有人说川普的胜利应该归功于白人，但是从统计看，川普在白人选民中获得的投票比重比希拉里高21个百分点（58%-37%）。 少数州的少数投票至关重要 由于美国选举的选举人制度，所以大选中摇摆州的选票数量至关重要。虽然弗罗里达州被认为是第一摇摆重镇，但是其民调的结果两方获胜概率相差不大。 分别是1%，1.2%，1%，这说明民众对两位主要候选人的喜欢程度恐怕没有4年前那么高了，第三党派获得的票数增加也给大选的预测带来了更多的不确定性。为什么会这样，可以接着看下面详细的投票后问卷调查。 有61%的人和63%的人分别认为无论是希拉里或者川普都是不值得信任的，所以今年第三党派获得的票数比重有所增加，达到了4.9%，而4年前这一数字只有2%，说明了更多的民众对主要候选人的不信任。 有61%的人和63%的人分别认为无论是希拉里或者川普都是不值得信任的，所以今年第三党派获得的票数比重有所增加，达到了4.9%，而4年前这一数字只有2%，说明了更多的民众对主要候选人的不信任。
1.3K60发布于 2018-04-02 - 来自专栏月小水长
推特 X 地理签到数据分析预测美国大选（一）：加利福利亚州
曾经我想采集所有的美国大选推文，来分析推特上的美国民调倾向， 但是后面测试采集发现数据量过于庞大，就算是政治寻常日子，单天带 #DonaldTrump 相关 hashtag 的原创推文的数据条目就超过 构建 2024 美国总统大选推特 X 文本数据集，生成复杂网络和动态主题建模 但是当时就有个问题，在对热门的推文进行 hashtag 关系矩阵进行可视化时，我发现 #DonaldTrump 相关的推文同时大量出现 换句话来说，是南美洲的推特用户贡献了这些国家话题，只不过同时带上了川普的 hashtag，也不是没可能， 而推特签到数据刚好能解决这些问题，推特用户发文时带上了地理位置信息， 于是乎，我采集了2024美国大选期间签到位于美国加利福利亚州的推特推文签到数据 ， 并筛选出其中和美国大选相关的推文，这样采集处理的数据地区相对精准， 经过一些基本的数据处理，然后双实体局部情感分析，计算两党的每日平均情感得分， 情感分位于 0-1 之间，值越大表示支持倾向越大 进而可以得出美国加州地区 下一期，我将分享经典红州比如德克萨斯州的情况， 这个系列打算长期更下去，说不定等到下次美国总统大选，这个系统已经能够根据社交媒体数据预测出美国大选结果了
58610编辑于 2025-05-08 - 来自专栏FreeBuf
为美国大选保驾护航，Twitter将重点保护相关账户的安全
Twitter宣布，将在美国大选期间采取新的安全措施来保护相关的帐户。 受保护的帐户类型有：美国行政部门和国会、美国州长和国务卿、总统竞选活动、政党和带有Twitter选举标签的候选人 、美国众议院，美国参议院或州长、美国主要新闻媒体和政治记者。 美国总统大选在即，各党派之争如火如荼。从近期的新闻可见，美国选举相关参与人员不仅面临表面上的“明枪”，还有大量来自网络攻击的“暗箭”。 而后微软爆出，多个国家的黑客组织干扰美国大选，并称与俄罗斯相关的一个网络间谍组织攻击了与美国大选直接或间接相关的200多个组织，以破坏美国大选。 Twitter、Facebook等美国重要的社交媒体，在大选中承担着拉选票、了解信息、以及沟通等举足轻重的作用，自然而然成为了易受攻击的目标。
51630发布于 2020-09-24 - 来自专栏DeepHub IMBA
使用pandas分析1976年至2010年的美国大选的投票数据
我最近在Kaggle上看到了美国大选的数据集。既然我们正在热烈讨论2020年的大选，我想分析一下之前的美国总统大选是个好主意。 ? 数据集包含了从1976年到2020年的选举。 维基百科页面包含了美国总统的名单。使用read_html函数可以很容易地将这些表读入到一个panda数据框架中。它将web页面中的表转换为数据列表。 第二个数据列表包含了美国总统的名单。我们只需要1976年到2016年的选举数据。 结论 我们已经分析了美国总统选举的投票数量，每个总统在投票方面的主导地位，以及各州对民主党和共和党的投票情况。但是这篇文章的重点是练习如何将pandas用于数据分析和操作。
2.4K30发布于 2020-11-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号