DATAMUSE的小段同学打算购买自己人生的第一辆车。身为一名数据从业者，难免有些职业习惯的偏执，他做了调研，市面上的乘用车超过了700款，虽然基于预算和车型会把选择范围降低不少。但任何品牌的任何一款汽车，都会有各自的优点和问题，对于一次需要无比谨慎的巨型消费，这仍然是个难题。人类这种生物最大的缺陷，就是不擅长做选择。
网络上的汽车评测太多了，哪个客观，哪个主观，哪篇是软文，哪些是水军，没人能搞清楚。这一次，DATAMUSE的同事们决定举团队之力，给小段帮上一把。基于小段看上的几款车型，我们检索了大量评测内容，暗中观察，潜心计算，最后把分析结果交给了他。我们突然发现，或许这就是一个智能分析系统的雏形？除了小段，说不好对于所有正在选车的朋友都能帮上些忙。
于是，我们决定把这个系统公开出来，并给它起了个名字叫“反光镜”。DATAMUSE抓取了互联网上数百万条有关汽车的内容，这些内容可能包括媒体文章、评测，各垂直平台和社交媒体上的用户评论。有了这些数据，我们通过NLP（自然语言处理）和机器学习的方式去“萃取”每一篇文字中所提到的关键词“标签”，这些标签会更精准的去描述一款车型常被关注的优点和缺陷。
蓝色为正面评价，红色为负面评价，数字（范围0~100）表示置信度。汽车社区的水军多得可怕，借助机器，我们也很容易发现“水军”的踪迹（不少水军实在太水了，大部分的复制粘贴，非常不敬业）。借助相似性计算，我们标记并且降权了那些疑似水军的内容。目前反光镜对相似度92%以上的内容，标记为疑似水军。基于这样的一套算法逻辑和标签系统，我们尝试去加工出一些更有应用价值的内容。
比如通过分析一款车型背后的海量评论，我们可以从全网车主真实体验的角度来得到一款车的口碑指数。基于一款车的标签数据来计算口碑指数。另外，汽车领域的排行榜大概比在售的品牌还多，通过这样一套系统任何人都可以把五花八门的用户群体和使用场景，各自抽象成数个标签的组合，借此来筛选车型并为你生成个性化的排行榜。基于标签得到的个性化车型排行榜。
我们会持续抓取互联网上有关汽车的内容加以分析，数据也会以动态的方式呈现，你可以关注这个项目，或者关注那些你感兴趣的车型。说实话，我们还没太想好……但一直以来，DATAMUSE都在做类似的事情，互联网上的数据海量而且庞杂，你我常常驻足在一棵树的脚下而忽略了整个森林的样子。
不止汽车，在各类消费领域，除了垂直社区和自媒体的推荐，我们希望能够为你提供一种新的信息维度作为补充，也希望借数据之力让它更宏观，也更客观。不管这对你的消费决策是否真的能有帮助，但多一些途径，省一些时间，应该不是坏事儿。“反光镜”或许会有各种可能，也注定还有很多不成熟的地方，我们在首页顶部安放了一个“意见收集器”，如果你对此有任何个人的疑问和建议，欢迎给我们留言，每一条我们都会用心阅读的。
干杯 :) 扫描下方二维码或点击阅读原文，希望“反光镜”能帮到你。