以造假，但是你的社交联结很难造假。
有了美国主要招聘网站的简历库，数据人的社交网络的主体框架就搭建出来了，但是每个人除了那些主体社交关系之外，还存在很多其他的社交关系，比如网友、比如脸书上加的好友，比如客户关系，比如工作中认识的朋友，比如参加各类party认识的朋友，比如参加各类社团认识的朋友。
这类关系是很难出现在简历、档案、法律记录中的，而这部分关系占比还偏偏很高，这同样需要找到合适的数据源。
按照数据统计，一个人一生中大概能认识4000人左右，这个认识通常是指你能记住他的长相，知道他的名字，与他交谈过，并且你们的关系是相互的，他也同样认识你。
这4000人出现在人生的各个时期，他们通常是你的各个阶段的同学、邻居、同事。
这些人基本上只出现在你人生中的某一阶段，然后随着你年龄的增长，他们都会被逐渐忘却。
如果你是个20多岁的人，那么你现在应该已经记不得几个小学同学的名字了，而他们的长相你也需要花很长时间进行回忆了。
如果你是个30岁的人，那么你的初中同学差不多也开始步入淡忘的阶段。
以此类推，人对于十年前的关系已经大部分忘却了，就算是5年前的关系也忘却了相当部分。
我们日常能够记住的人，基本上维持在300个左右，这300人是日常经常接触的，现在能够记起来他们长相的。
随着接触频率的降低，以及生活距离的拉大，这些人中必定也有相当一部分慢慢淡出你的记忆。
莫回现在需要做的事情就是将这4000个人找出来，给数字人赋值，让他们在数字世界里建立相互之间的社交联结。
除此之外，莫回还需要给这些社交联结赋值，比如哪个人具体是什么性质的关系，相互影响度如何？关系的亲密度如何？
这些也是非常关键的信息，就是说莫回需要把每个人日常生活中常接触的那300个人找出来，建立准确的关系定义。
这部分数据就是不是一份薄薄的简历能够搞定的了，这些只能从个人的大数据中找了，好在通用利用轨迹2.0已经将这些数据渠道打通，莫回只需要调用就好了。
除了各种公共信息之外，莫回还能拿到用户在各大网站上的隐私数据，将所有这些数据汇集起来，利用深度学习软件进行大范围筛选和比较。
比如A和B