写于2020.3.7
1787年，美国召开制宪会议，颁布了宪法。为了号召民众支持宪法，三位美国政治家亚历山大•汉密而顿、约翰•杰伊和詹姆斯•麦迪逊，共用一个笔名，在报刊上一共发表了85篇文章，形成了后来著名的《联邦党人文集》。
由于共用一个笔名，这就导致在这85篇文章当中，具体哪篇是由哪个人写的，一直是个谜，就连当事人的说法也不一致。其中，就有12篇文章，汉密而顿和麦迪逊都说是自己写的。当时《联邦党人文集》出版后的一百多年，很多人都想搞清楚这个问题。
如果换了是你，把自己想象成一个侦察，你能解决这一悬案吗？
这件悬案一直拖到了1963年，也就是将近200年后，才有两位美国大学的教授站出来解决了这个问题。这两位教授不是历史学家，也不是政治学家，他们是统计学家。
对，统计学家。他们正是利用统计的方法解决这一问题。
你看，每个人的写作都会有自己的特性，体现到文章当中，就是每个人使用词语的频率会不一样。两位教授对汉密而顿和麦迪逊的文章研究后，发现两个人在用词上很不一样。比如，汉密而顿更喜欢使用“according”,而麦迪逊更喜欢使用“also”。于是两位教授选择了已经明确的，汉密而顿和麦迪逊的各自的文章，统计出各自的词频，得到两组数据，实际上就是他们两个人各自的“文字指纹”。
有了指纹，这就好办了。把现场的指纹（也就是那12篇文章）进行比对，就得到结论：那12篇文章是麦迪逊写的。
这就是大数据的早期应用。
现在，想想淘宝给你推荐的商品，想想美团给你推荐的美食，想想今日头条给你推荐的新闻，想想抖音给你推荐的短视频，想想网易云音乐给你推荐的音乐……本质上都是掌握了你的“嗜好指纹”罢了。
你看，大数据就在我们身边。
分享到:
閱讀更多 人間—雜談 的文章
