这里其实我们就关注三点，第一，我们可以知道用户的移动规律，移动规律就是用户每天早上去哪，晚上去哪，周末去哪，平时去哪等，这样的时间规律对于区分用户很有用。

第二个，是地点的规律性，每个人都有一些常去的地点，大部分人的常去地点是家，另外一个是工作单位。当然，还有经常去的商场、餐馆，通过常去的地点以及时间也可以来对用户进行分类。

我们又加上一些额外的知识——位置知识，就是去过的这些地点，如果只把它当作一个地图上的点来看，信息量太少了，但把这个地图本身的知识加进去，比如前面讲的，住在机场附近，或者工作的地点在中关村等等，这个信息量很大，我们可以用这些信息来帮助做判断。最后把这三方面的信息结合起来，就可以更准确地判断用户的各种属性。

我们之前做了很多用户画像的工作，比如，通过用户的数据，我们能不能进一步知道用户的性格。要了解性格首先要有一些用户，我们能够知道他的性格，又有他的数据，而这件事情在过去很难获取，因为很少有这样规模的数据。

为了做这件事情，首先我们去看到底什么叫性格。性格的分类科学存在于心理学，我们了解到 2000 多年前，古希腊有一个医学家开始研究性格，他认为人体是由四种体液构成，包括血液，开奖，黏液，黑胆汁和黄胆汁，而这四种液体的分布决定了人的性格。他基本上把性格分为两个维度，一个维度是外向、内向，另外一个维度是情绪化和不太容易情绪化。

到了 100 多年前，近代的心理学家们从语言出发来研究人的性格。他们发现如果要研究性格，首先这个性格一定要能用语言来描述，这个叫做词汇学假说。比如说一个人是否非常健谈，是否非常冷静，冷静或者健谈这样的词汇实际上就是一个很概括的性格的一种分类。

通过查看词典，心理学家找到了 4500 个可以描述人性格的词，并在此基础上进一步缩减、归类，总结成五个维度，叫大五人格。

大五人格的五个维度，每个维度可以再细分成六个小的维度。要了解一个人，一般来说会先邀请这个人来做问卷调查，之后通过答案去计算他的大五人格是什么。但问卷调查的方式很多时候很主观，有的用户他也不知道自己是不是比较健谈，有的比较外向的人，会谦虚说自己比较内向，所以其实很不准确。

怎么样能做到准确呢？实际上，用观测的方法，比如别人的评价，或者基于很多数据的评价，因为观测和自己的理解是不太一样的。

前面我们讲，我们已经有很多用户数据了，通过这些用户数据其实就可以来观测一个人，通过这些观测再来算出人的性格实际上是可行的。

最近几年有一些这样的工作，2013 年微软和剑桥大学合作的一个工作，当时就通过 Facebook 上的数据集来计算 Facebook 上点赞这个信息和用户性格之间的关系。

我们进一步做了研究，发现用户的数据有很多来源，不光是点赞，还有文本的信息、图像，尤其是用户自己上传的头像，还有喜欢用的表情符号、对话聊天的规律，以及用户自己填写的个人属性，因为这些数据在我们 LifeSpec 数据集里面都有，我们就可以把它联合在一起来做这件事情，而不只用某一个角度的特征。

所以针对每一种类型的数据，我们都用了一些最新的方法来做计算特征，最后用集成学习的方式来得到最后的结果。

举几个例子，针对文本当然可以做很多事情，前面讲了有大五人格，我们可以看这些文本跟每个维度的关系。

外向性高的人喜欢在微博里写青春、自我、突然，而外向性低的人会写面对、特别、失败、做好。我们可以发现他们用的词的确很不一样。

再来看用户的头像，我们发现头像和性格之间也有一定的联系，比如外向性高的人头像会有卡通，或者表情很夸张。外向性低的人，会用下面这些头像，但这只是一些典型的例子，并不是说所有人都用这个头像。这里面其实也可以用到很多人脸识别或者物体识别的技术。