В LinkedIn есть страница «Получить копию своих данных». На ней два архива: быстрый и большой, который может собираться сутки. Я запросил оба.
Быстрый пришёл первым. ZIP на двадцать шесть файлов. В основном таблицы с простыми названиями: Connections, Invitations, Positions, messages. В Connections есть имя, ссылка на профиль, компания, должность и дата, когда мы связались. У меня там 339 строк. В двух нет ни имени, ни ссылки: это люди, которые удалили аккаунт. В общем счёте они всё равно есть.
Того, что я хотел, в архиве как раз нет. Он не говорит, кто с кем знаком. Сайт показывает общих знакомых, а выгрузка их опускает. Мои данные оказались спицами без обода.
Значит, связи придётся угадывать. Два человека из одной компании, скорее всего, знакомы или хотя бы делят одну кухню. Два человека с похожими должностями, скорее всего, из одного цеха. Больше инструмент ничего не предполагает, и каждая такая связь на странице помечена как догадка.
Дальше даты. На датах архив начинает рассказывать обо мне.
Года два с половиной я добавлял меньше одного человека в неделю. Потом почти двоих. С августа — около четырнадцати. В одной сентябрьской неделе 65 новых контактов, почти в пять раз больше, чем вокруг неё. Такие недели инструмент находит точным биномиальным тестом против темпа их периода и показывает группой, с датами. Названий он им не даёт. Называть оставлено мне.
Ещё он смотрит на переписку, не читая её. Сохраняет, кто написал, когда и в какую сторону, а текст выбрасывает до того, как что-либо записано. По этому видно, кто начинает разговоры и как быстро отвечают. Ещё он ищет контакты, с которыми я переписываюсь в одни и те же недели, как два коллеги, которые появляются вместе вокруг одного проекта. Пары проверены, поправка на число проверок сделана. Ничего не нашлось. Мои разговоры, как выяснилось, независимые события.
Пара слов о приватности, потому что про это я спросил бы первым. Архив в основном состоит из других людей: их имён, работодателей, дня, когда они согласились меня знать. Поэтому инструмент никуда его не отправляет. Он читает ZIP на месте, строит карту на вашем компьютере и пишет один HTML-файл, который открывается двойным щелчком. У страницы есть политика безопасности, которая запрещает ей что-либо загружать или отправлять. Читать файлы может только ваш пользователь. Скриншоты в репозитории сделаны на синтетической выгрузке из 320 выдуманных людей в выдуманных компаниях. Никто на них не соглашался на публикацию, потому что никого из них не существует.
Для любопытных: DuckDB в памяти, NetworkX для сообществ (Louvain), PageRank и betweenness, CUSUM для точек смены темпа и поправка Бенджамини–Хохберга для всплесков. При ровном темпе ложные всплески появляются меньше чем в 5% смоделированных выгрузок.
Видов пять. Constellations группирует контакты в сообщества. Companies даёт каждому работодателю свой узел. Interaction ставит вас в центр, а тех, кому вы пишете, ближе всего. Timeline показывает, когда появилась каждая связь, по дорожке на группу. Cohorts показывает всплески.