Gary Robinson | |
---|---|
Nació | |
Educación | Bard College ; Instituto Courant [1] |
Ocupación | Programador |
Empleador | Emergent Music LLC [1] |
Conocido por | SpamBayes , SpamAssassin , motor de recomendaciones , filtrado colaborativo |
Título | Director de tecnología [1] |
Sitio web | GaryRobinson.net |
Gary Robinson es un ingeniero de software y matemático estadounidense [2] e inventor que se destaca por sus algoritmos matemáticos para combatir el spam . [3] Además, patentó un método para utilizar cookies del navegador web para rastrear a los consumidores en diferentes sitios web, lo que permite a los especialistas en marketing hacer coincidir mejor los anuncios con los consumidores. [4] [5] La patente fue comprada por DoubleClick , y luego DoubleClick fue comprada por Google . [6] [7] Se le atribuye ser uno de los primeros en utilizar tecnologías de filtrado colaborativo automatizado para convertir las recomendaciones de boca en boca en datos útiles.[2]
En 2003, el artículo de Robinson en Linux Journal detalló un nuevo enfoque para la programación de computadoras, quizás mejor descrito como un clasificador de propósito general que amplió la utilidad del filtrado bayesiano . El método de Robinson utilizó algoritmos intensivos en matemáticas combinados con pruebas estadísticas de chi-cuadrado para permitir que las computadoras examinen un archivo desconocido y hagan conjeturas inteligentes sobre lo que contenía. [8] La técnica tuvo una amplia aplicabilidad; por ejemplo, el método de Robinson permitía a las computadoras examinar un archivo y adivinar, con mucha mayor precisión, si contenía pornografía, o si un correo electrónico entrante a una corporación fue una pregunta técnica o una pregunta relacionada con las ventas. [9] El método se convirtió en la base de las técnicas anti-spam utilizadas por Tim Peters y Rob Hooft del influyente proyecto SpamBayes . [10] [11] El spam es el abuso de los sistemas de mensajería electrónica para enviar mensajes masivos no solicitados ni deseados. [12] SpamBayes asignó puntuaciones de probabilidad tanto al spam como al ham (correos electrónicos útiles) para adivinar inteligentemente si un correo electrónico entrante era spam; el sistema de puntuación permitió que el programa devolviera un valor de inseguro si tanto el spam como el hamlos puntajes fueron altos. [8] El método de Robinson se utilizó en otros proyectos anti-spam como SpamAssassin . [13] [14] [15] Robinson comentó en Linux Journal cómo la lucha contra el spam fue un esfuerzo de colaboración:
El enfoque descrito aquí realmente ha sido un esfuerzo distribuido en la mejor tradición de código abierto. Paul Graham , autor de libros sobre Lisp, sugirió un enfoque para filtrar el spam en su artículo en línea, "Un plan para el spam". Tomé su enfoque para generar probabilidades asociadas con palabras, lo modifiqué ligeramente y propuse un cálculo bayesiano para tratar con palabras que no habían aparecido muy a menudo ... un enfoque basado en la distribución de chi-cuadrado para combinar las probabilidades de palabras individuales en una probabilidad combinada (en realidad un par de probabilidades, ver más abajo) que representa un correo electrónico. Finalmente, Tim Peters del Proyecto Spambayes propuso una forma de generar un indicador de spam particularmente útil basado en las probabilidades combinadas. A lo largo del camino, el trabajo se guió por pruebas continuas de encarnaciones escritas en Python por Tim Peters para Spambayes.y en C por Greg Louis del Proyecto Bogofilter. La prueba fue realizada por varias personas involucradas en esos proyectos.
- Gary Robinson, 2003. [11]
En 1996, Robinson patentó un método para ayudar a los especialistas en marketing a enfocar sus anuncios en línea hacia los consumidores. Él explicó:
Por lo que he podido decir, es la primera patente ... mencionar el uso de cookies de navegador web para rastrear a los consumidores en diferentes sitios web y crear un perfil de sus intereses para determinar qué anuncios mostrarles ... Hubo un aspecto en la forma en que se implementaron las cookies del navegador que permitió su uso ... Contraté a programadores para que hicieran la programación para probarla realmente ... la hipótesis resultó ser correcta.
- Gary B. Robinson, 2014
En 2010, Robinson fue director de tecnología de FlyFi, un servicio de música en línea propiedad de Emergent Discovery [16] con sede en Maine que utiliza sus técnicas de programación antispam junto con tecnologías de filtrado colaborativo para ayudar a hacer recomendaciones musicales a los usuarios web. [17] [18] Su blog Gary Robinson Rants ha sido citado por otros en las industrias de la informática y la música en línea [17] y citado por artículos académicos. [12] [19] [20] Robinson ayudó a desarrollar un motor de recomendacionestecnología que aplica técnicas matemáticas de alta potencia utilizando algoritmos de software para que una computadora adivine inteligentemente lo que le gustaría a un consumidor. [21] Por ejemplo, si a un consumidor le gusta la música de artistas como los Beach Boys , Bob Dylan y los Talking Heads , el software de computadora coincidirá con estas preferencias con un conjunto de datos mucho mayor de otros consumidores a los que también les gustan esos tres artistas, pero que acumulan tiene un conocimiento musical mucho mayor que el consumidor individual. En consecuencia, la computadora encontrará música que le podría gustar al usuario pero a la que no ha estado expuesto y, por lo tanto, con suerte, ofrecerá recomendaciones inteligentes, en un proceso que se ha denominado gestión del conocimiento.. [2] Pero las matemáticas detrás de tales comparaciones pueden volverse bastante complejas y complicadas. Robinson estudió matemáticas en Bard College y se graduó en 1979 y continuó sus estudios en el Courant Institute de la Universidad de Nueva York . [1] En la década de 1980, Robinson trabajó en un servicio de citas para emprendedores llamado 212-Romance, que usaba algoritmos informáticos similares para emparejar solteros románticamente. [2] [22] El servicio de citas por correo de voz con sede en la ciudad de Nueva York creó recomendaciones automatizadas basadas en la comunidad y utilizó tecnologías de filtrado colaborativo que Robinson desarrolló en otras capacidades.
Hago la tecnología de recomendación musical en FlyFi - Donde crecí Bronxville, NY - Empresas en las que he trabajado para Athenium , OLI Systems, Lambda Technology - Escuelas en las que asistí a Bard College ; Instituto Courant de Ciencias Matemáticas
Gary Robinson proporcionó muchas de las matemáticas y la teoría serias, así como su ensayo sobre "cómo hacerlo mejor" (consulte la página de antecedentes para obtener un enlace).
Afilar sus lápices, esta es la base matemática (como es) * El papel que se inició el puntapié inicial:.
Paul Graham
's
Plan A para el spam
.. * Gary Robinson tiene un interesante ensayo que sugiere algunas mejoras en enfoque original de Graham * El artículo de Gary Robinson en Linux Journal analizó el uso de la distribución chi cuadrado.
G. Robinson, "Spam Detection", [en línea] 2002, ... G. Robinson, "Instrucciones para entrenar hasta el agotamiento", (Gary 'Longer Rants), [en línea] 2004, (ver página 8)
Este artículo analiza uno de los muchos fundamentos matemáticos posibles para un aspecto clave del filtrado de correo no deseado: generar un indicador de "spam" a partir de una colección de tokens que representan el contenido de un correo electrónico.
Gary Robinson propone un método mejorado para calcular el valor de la palabra de un token W. Su método modifica el de Graham agregando un factor de confianza para escalar el valor de la palabra por la cantidad de datos históricos disponibles para el token.
Sea N ...
Gary Robinson f (x) y algoritmos de combinación, como se usa en SpamAssassin
Algoritmos: El clasificador de texto de estilo bayesiano utilizado por las reglas BAYES de SpamAssassin se basa en un enfoque descrito por Gary Robinson.
¡Gracias, Gary!
Gary Robinson f (x) y algoritmos de combinación, como se usa en SpamAssassin
Emergent Discovery - 565 Congress Street - Suite 201 —Portland, ME 04101
Gary Robinson, el director de Emergent Music tiene un artículo en su blog sobre los Tres Pasos hacia la Libertad.
Su opinión sobre esto definitivamente cuenta, porque EM podría ser el futuro de la música.
Voy a intervenir con mis pensamientos aquí y copiarlos en el foro de EM también.
Gary Robinson, CTO, es músico y líder en el campo del "motor de recomendación".
Los antecedentes de Gary reflejan su trabajo pionero en matemáticas, tecnología y filtrado colaborativo.
Entonces, como un "experimento mental", he imaginado el siguiente camino para crear una industria de la música alternativa.
FlyFi iTunes Helper envía el contenido de su archivo de datos de iTunes (una parte detrás de escena de su biblioteca de iTunes) al servidor FlyFi para ser analizado. Al mirar su música de iTunes, que es uno de los mejores reflejos de sus gustos musicales, FlyFi puede hacer una mejor sugerencia de música nueva. FlyFi también puede utilizar esta información para brindar un mejor servicio a otros miembros.
Gary Robinson, CTO, es un líder en el campo del "motor de recomendación". Los antecedentes de Gary reflejan su trabajo pionero en matemáticas, tecnología y filtrado colaborativo. Por ejemplo, como director de investigación en ActiveState, el trabajo de Gary en la detección de spam ahora está siendo ampliamente adoptado por la industria antispam, incluidos filtros líderes como SpamAssassin (elección del editor de PC Magazine para filtrado de spam), SpamSieve (software del año de MacWorld). ) y SpamBayes (Elección del editor de PC World para el filtrado de spam).
(anuncio de 212-Romance en el lado izquierdo de la página)