技术分析：D&G 创始人真被盗号了吗？
意大利奢侈品牌 Dolce & Gabbana（杜嘉班纳）的创始人一番脑残的侮辱性言论暴露了自己狂妄傲慢的龌龊内心，也让其品牌为此付出了代价：上海大秀取消、代言人解约、电商全线下架。
事情的大致流程是：D&G 为筹备上海大秀发布了几支宣传片，其中有一个华裔模特用筷子吃意大利菜的视频，从内容到风格让很多观者觉得反感。于是后来这个视频就被下线了。如果事情到此为止，充其量也只能算上“涉嫌”和“争议”。但后来其创始人在 Instagram 对网友发泄不满，放言说要是按他的想法就“坚决不删视频”，并且要在以后的所有国际采访中说中国是“country of 💩💩💩💩💩”。这显然就不是对不同文化的理解差异了吧？
关于此事的评论已经铺天盖地，不差我这一份观点。不过我想来谈个细节：事件最初曝光时，当事人 Stefano Gabbana 辩解说自己是被盗号了。虽然这个理由在现在看来是非常敷衍，但我当时确实想了下，是否有这样的可能性存在呢？联想到之前在《纽约时报》上爆料特朗普的匿名匿名文章，有程序员将文章中的内容和特朗普内阁成员的 Twitter 内容进行相关性分析并发布在 Github 上。那有没有可能将此段对话与 Gabbana 日常言论作对比，分析其相关性呢？
于是我先后尝试了 3 种相关性比较方法。但很遗憾，结果不能说不好，只能说……emmmm……这是一门玄学。因为现有的文本相关度或相似性分析大都是基于语义的。也就是说，A 和 B 表达同一件事的相似度，很可能大于 A 本人表达两件不同的事情。以至于我觉得，关于纽约时报匿名文章的分析也可能存在类似情况：副总统的相关性最高，或许主要是因为其平常言论涉及的话题和文章更接近。而在这件事上，借以判断到底是不是一个人，就不太靠谱了。再加上 Gabbana 之前的发布和此番对话都很短，样本量非常小，几乎没有可参考性。
不过我后来去他的 Instagram 上翻了一下，依然发现一些蛛丝马迹，值得分析一波：
1. 单引号
有一个汉语中没有但英语中很常见符号：'（单引号），比如 I'm Crossin. 但 Gabbana 在 ig 上的发文中，其实用的不是最常见的英文半角单引号，而是一个 unicode 字符 ’。一般人可能不注意，但我对这个再熟悉不过了，因为有无数的 Python 初学者在最开始的代码中就因为没有用英文半角引号而报错！
但巧的是，曝光出的对话里，用的也是这个特殊的单引号。而声称同时被盗号的 D&G 官方账号就没有这个习惯。
2. 标点习惯
我抓下了 Gabbana 最近的 30 条 ig 推文，发现他发文喜欢使用连续的 3~4 个感叹号，30 条中有 8 处。而在曝光对话中，也有 4 次连续感叹号和 4 次连续问号。
另外，他也喜欢用 ... 的省略号，而且和很多人会固定用 3 个点不同，他数量不定且一般在 4 个及以上的点，30 条中有 4 处，只有一处是 3 个点。对话中有一处是 3 个点，两处 4 个点。
还有就是，很少有人会在标点之前空格。但在他的对话和推文中也都偶有发生。这些都是打字习惯和输入法所决定的，如果换了人，甚至换了手机，都有可能不一样。
3. 连续表情
看下面这张汇总图，这太明显了：此人极度喜欢用 emoji 表情，用连续的表情，而且对❤️情有独钟。
而此次最可耻的一句话，也恰好符合这个风格！
而对于无此习惯的人来说，让你马上打这个表情出来，你都未必能找到。
4. 结尾
有人喜欢发文结尾加上句号，哪怕只有一个词。比如他们的官方账号：
而 Gabbana 不是此类。对话和 30 条推文中，仅有一条是 . 结尾的。相反最近的盗号声明和致歉声明，均以 . 结尾，没有表情和感叹号。反倒不符合他一贯的行文习惯……
这又是为啥呢？按他习惯难道不应该是：
My Instagram account has been hacked !!!!!
It’s NOT ME !!!!! I love China and the Chinese Culture ❤️❤️❤️❤️❤️❤️
虽然从以上这几点细节，并不能实锤说，Gabbana 一定没有盗号。但至少可以说，这些对话中并没有表现出与他以往行文风格很不符的地方。就算真的是被盗，那这黑客也真的是高手，不但技术好，而且还这么花心思去模仿 .... 佩服佩服 !!!!!!
话说回来，我这也是多此一举。因为盗没盗号，Instagram 官方从登录记录一眼就能看出来。之前官方就曾为美国女歌手赛琳娜·戈麦斯（Selena Gomez）发表过声明证明其账号被盗。真的被盗了，是很容易证实的。然而 D&G 两位创始人在所谓的“道歉”视频中都闭口不提之前所谓的盗号一说，想必大家也都心知肚明了。
文化上存在差异，这是很正常的事情，但这不是某些人狂妄和傲慢的借口。有错就要认，挨打要立正。别又想那啥，又想那啥。瞧不起别人的人，最终也会被别人瞧不起。
虽然我本来就没买过 D&G（因为他家也没有格子衬衫和双肩包），这次之后就连以后光顾可能性也不存在了。拜拜！
PS：
最后提下，前面说到文本相关性比较，主要是基于 TF-IDF 算法。这个阮一峰曾经写过一个系列：
TF-IDF与余弦相似性的应用
http://www.ruanyifeng.com/blog/2013/03/tf-idf.html
我分别尝试了 Python 的 gensim 库（gensim.models.TfidfModel）和 sklearn 库里的相关方法（sklearn.feature_extraction.text.TfidfVectorizer）。虽然这次没用上，但回头也可以做个案例来介绍下。
另外过程中我还找到了另一个东西：百度 AI 开放平台上的“短文本相似度接口”。除此之外还有不少有意思的接口，感觉又有东西可以玩了
PPS：
昨天发布了一篇关于编程教室免费招收线下实训生的说明。有兴趣的同学可以翻下昨天的文章了解一下。
欢迎你来跟我们一起走上编程之路。