寫於2020.3.7
1787年，美國召開制憲會議，頒佈了憲法。為了號召民眾支持憲法，三位美國政治家亞歷山大•漢密而頓、約翰•傑伊和詹姆斯•麥迪遜，共用一個筆名，在報刊上一共發表了85篇文章，形成了後來著名的《聯邦黨人文集》。
由於共用一個筆名，這就導致在這85篇文章當中，具體哪篇是由哪個人寫的，一直是個謎，就連當事人的說法也不一致。其中，就有12篇文章，漢密而頓和麥迪遜都說是自己寫的。當時《聯邦黨人文集》出版後的一百多年，很多人都想搞清楚這個問題。
如果換了是你，把自己想象成一個偵察，你能解決這一懸案嗎？
這件懸案一直拖到了1963年，也就是將近200年後，才有兩位美國大學的教授站出來解決了這個問題。這兩位教授不是歷史學家，也不是政治學家，他們是統計學家。
對，統計學家。他們正是利用統計的方法解決這一問題。
你看，每個人的寫作都會有自己的特性，體現到文章當中，就是每個人使用詞語的頻率會不一樣。兩位教授對漢密而頓和麥迪遜的文章研究後，發現兩個人在用詞上很不一樣。比如，漢密而頓更喜歡使用“according”,而麥迪遜更喜歡使用“also”。於是兩位教授選擇了已經明確的，漢密而頓和麥迪遜的各自的文章，統計出各自的詞頻，得到兩組數據，實際上就是他們兩個人各自的“文字指紋”。
有了指紋，這就好辦了。把現場的指紋（也就是那12篇文章）進行比對，就得到結論：那12篇文章是麥迪遜寫的。
這就是大數據的早期應用。
現在，想想淘寶給你推薦的商品，想想美團給你推薦的美食，想想今日頭條給你推薦的新聞，想想抖音給你推薦的短視頻，想想網易雲音樂給你推薦的音樂……本質上都是掌握了你的“嗜好指紋”罷了。
你看，大數據就在我們身邊。
分享到:
閱讀更多 人間—雜談 的文章
