大数据为候选人“贴标签”
在美国大选当中，大数据技术来通过对海量的候选人数据收集和分析，分别给每一个候选人贴上了“标签”，正是这些标签决定了幸福指数等相关数据的分值高低。在希拉里与特朗普的“标签”对比中，通过对词语的颜色根据感情状态区分开来，越趋近于蓝色代表越快乐，越接近紫色则代表越悲伤，而这些词语的大小由加权平均tf-idf值决定。如此一来，根据不同候选人的大数据进行分析得出的一些结果，确实能够给大众选民们提供一些投票的建议。
在候选人的“标签”方面，希拉里所具备的词汇基本上以经验、才能、女性、世界、调查、谎言等为主；而特朗普的标签词汇则基本都是些前进、胜利、羞辱、攻击、危险等一类词汇。
在通过数据分析将数据进行收集和分析之后，针对不同候选人所得出的词汇，美国的一些大数据技术网站还会将这些词汇进行转移，并制作成参照分布的示意图，同时会把不同候选人的参照分布进行相似度对比。通过对比，希拉里的词汇转移图与参照分布比较相似，达到了5.76比5.77，负面词汇包括电子邮件调查及“监狱”，“犯罪”，“囚犯”，“丑闻”等。
“票据”是以负面形式呈现的词汇（被理解为支付票据），但是在希拉里这里则是指比尔·希拉里。正面词汇主要有“她”，“女性”，“感谢”，“健康”，而负面词汇“憎恨”，“悲伤”，“失败者”，“诈骗”，“种族主义”较少被提及。
而拥有最高幸福指数的特朗普，其正面词汇有伟大、爱、美国、更好等等。显而易见，这些词汇都与他的竞选口号等内容相关。他的负面词汇包括憎恨、种族主义、失败者、禁止等等，这也从另一方面反应了他的反对者对他所持的观点和看法。
