一個公平公開的明星榜出爐，用維基百科數據解密最紅明星 theAnswr x Kollogy

原文：http://startupbeat.hkej.com/?p=101160

美國《時代》周刊每年公布世界上最具影響力的100名公眾人物「時代百大人物」（TIME 100）。 在互聯網數據產業並未發達的年代，評選模式多採用讀者投票方式進行，或者由幾個德高望重的評委決定一切。隨着技術不斷進步，通過數據採集來建立模型解決問題的方式逐漸被大眾認可，例如谷歌的成名作Page Rank、Netflix劇集的人氣排行榜，都已成為人們生活一部分。

筆者在2020年身處香港疫情期間，除了完成拙作《數循環》之外，因為受到巴拉巴西（Albert-László Barabási）著作《成功竟然有公式：大數據科學揭露成功的秘訣》（The Formula: The Universal Laws of Success）的啟發，一鼓作氣也完成了一個比較科學化的演算項目。

巴拉巴西認為人的能力雖是有限，但成功可以無限；成功的定義更多來自社會對你的認同，尤其是進入二十一世紀之後，網絡影響力已經成為了成功的重要因素。作為教授，他的學生身體力行，研究出利用維基百科的數據，建立一個為名人排名的算法。筆者受到以上的啟發，希望做一個更聚焦於華人影響力的指數（Historical Popularity Index）。

 

經過半年籌備，得到阿里巴巴商學院研究生及熱愛大數據的朋友支持，起動一個名為「擇星榜」（www.kollogy.com）的項目。

「擇星榜1.0」目的是通過維基百科的數據建立一個合理高效、穩定及可解釋的華人影響力排行榜的模型。模型包括兩部分︰漢語語系及非漢語語系對中國公眾人物影響力的不同算法，排列出一個較客觀的、綜合華人視角及全球視角的人物影響力排名。

冀為科學普及化出力

基於維基百科在谷歌搜尋的排名優勢，維基的瀏覽量與人物的被關注度有強關聯關係。「擇星榜」的算法利用了維基百科開放數據作為基礎，選擇了瀏覽量、閱讀深度和時序因素作為主要變量，同時參考了名人的出生年份、編輯次數及語言版本的多寡。因為模型中使用了不同指標，我們要對指標之間進行結構性調整，以減少模型中不同指標之間的相互影響及加強其平穩性。然而，任何的算法都需要時間去沉澱及不斷改進，「擇星榜」也不例外，必然有很多地方有待提升。

有朋友問我為什麼要浪費時間去做一些不賺錢的事情，但筆者一直秉持一個理念：未來數據將成為生活中的一部分，每個人都需要認識大數據，因此推動大數據科學普及化是有必要的。