大数据抓“马甲”.doc

大数据抓“马甲”大数据技术帮助英国《星期日泰晤士报》美术编辑理查德布鲁克斯发现了《布谷鸟的呼唤》的真正作者: . 罗琳。卢东明 SAP 公司全球数据库解决方案亚太区技术总监有 20 年的数据库、数据仓库软件使用、销售经验。此前曾任 Sybas e 软件(中国)有限公司技术总监及 CTO 。 2013 年4 月,一本普通的破案小说“ The Cuckoo's Calling ”(中文译名:《布谷鸟的呼唤》) 上市了, 作者是 Robert Galbraith , 一名前便衣警察, 2003 年褪下军装,进入私人保安行业。直到 7 月中,还几乎没有什么人知道 Robert Galbraith 是谁,这本书在整个英国零售书商中也只卖出了 449 本, 在全球知名的网上书店亚马逊英国站只排名 5076 位。书评商们对该书的评价是:“文笔不错,故事也吸引人,但是并不突出”,之前也有出版社拒绝了这本书。然而一夜之间,一个消息改变了一切。在亚马逊网站上这本书已经迅速爬到畅销书的前几位, 这个消息就是这个男性作者 Robert Galbraith ,其实不仅是一位女性,而且就是写过 7 集《哈利波特》, 并且以此书成为历史上第一位靠写作收入超过 10 亿美元的作家, ( . 罗琳)。以罗琳的知名度和在写作上的成功, 她的小说攀升到畅销榜前几位不稀奇,但是这里面有两个有趣的地方: 1 、罗琳为什么要隐姓埋名以男人的身份来发表新作呢, 2 、外界如何发现罗琳是真正的作者的? 关于第一个问题,我想并不难理解,作为一个从不名一文开始写起, 最终在写作上无可附加地成功, 在经济上更是前无古人的作家, 继续写作的动力可能并不大,然而重新开始的乐趣反而远远大于靠写作赚钱了。这也从罗琳后来的解释中得到印证,“我一直希望这个秘密能够保持更久一些,因为做为 Robert Galbraith 是这样一种自由的体验,以另一个名字发表,没有任何期望值和吹嘘是如此地美妙”。第二个问题, 才是我今天要写的要点, 这个发现恰恰与大数据有一些关系。这起源于英国《星期日泰晤士报》美术编辑理查德. 布鲁克斯( RichardBrooks )收到了一条匿名的 *** 消息,透露罗琳才是《布谷鸟的呼唤》一书的作者。为了证明这条情报的真实性, 理查德先生甚至雇佣了私家侦探, 而这一动作恰恰和《布谷鸟的呼唤》中描述的一模一样。最终,恰恰是大数据技术帮助理查德破译了这里面的一切秘密。理查德请到两位计算机语言学家来帮助他, 而使用的类似法医的方法就是对《布谷鸟的呼唤》、罗琳的另外两部小说《临时空缺》( TheCasualVacancy )和哈利波特的最后一部《哈利波特与死亡圣器》进行科学比对,比对的内容包括: 1 、在每一本书里对比