Geek
算法告诉你：(维基里)谁是最有影响力的历史名人
不管你在历史上有多高的造诣，总是会或多或少局限于所处的语言和文化大背景。比方说教科书上的历史名人，中国和美国，印度或者是俄罗斯就完全不一样。
这个现象也同样表现在维系百科。比如，有关蒋介石的页面，中文版维基的外链肯定比德语版多得多。由这一现象，可能会让人猜想：维基上历史名人的外链数量可以作为其影响力的一个重要评判标准。就比如，拿破仑肯定比朴正熙的影响力大，因为就链接数量而言，前者在许多语言版本的维基上都很靠前，而后者只是在韩语版本中排名靠首。
以此理论出发，图卢兹大学的 Young-Ho Eom 带领团队公布了一份历史人物影响力排行榜。他们采用网络技术，综合分析历史人物各自在24种语言版本维基上的排名，再将这个排名表与不同语言版本中的排名相对比，从而得出影响力最大的历史人物。
此外，通过分析这些历史人物的出生日期，团队得以梳理历史上不同文化之间的交流情况，以及不同民族的兴衰史。
[-]
这个基于团度排名算法的得出排行榜，似乎有点令人出乎意料：人类历史上影响力最大的名人是 卡尔·林奈(18世纪瑞典植物学家，发明了现代植物和动物命名法)和耶稣，或者是希特勒和迈克杰克逊这两对(采用了两种算法)。
首先，Eom 团队提取了1百万个历史人物的英文版维基文章，随后再将各个人物的其它维基版本对比分析排名，期间使用了多种算法，其中包括谷歌用来排名网页的神器 PageRank 算法。
(他们表示，非英语版本中排名居首，而与英语版本相悖的历史人物不超过2%。)
这项研究中至关重要的就是排名过程-基于维基页面中的链接数量。使用 PageRank 算法，如果某位历史人物的页面被其他权重高的网页引用，那么该页面的权重就高。在英语版本中，此算法得出的前5强依次是：拿破仑，奥巴马，卡尔·林奈，伊丽莎白二世和乔治·沃克·布什。
不过， 由于 PageRank 算法片面关注页面的引用质量，为了提升页面中外链数量的研究比重，Eom 团队还采用了 2Drank 算法，结果英语版本中排名前5的历史名人依次是：法兰克辛纳屈(美国歌手及演员)，迈克杰克逊，教皇皮乌斯十二世，艾尔顿·约翰(英国摇滚明星)和伊丽莎白二世。
随后，团队结合这两种算法对24种语言版本中的历史名人进行了综合排名。这些语言包括汉语，俄语，印度语，韩语，阿拉伯语等。
由 PageRank 算法得出的汉语版前5依次是：卡尔·林奈，毛泽东，拿破仑，亚里士多德和蒋介石；俄语版本则依次为：彼得大帝，卡尔·林奈，拿破仑，普希金和斯大林；印度语的结果则是：耶稣，卡尔·林奈，释迦摩尼，莎士比亚和亚历山大帝。其它语言版本的排名可以在这里找到。
以上只是团队研究的初步成果。随后，他们还将各历史人物在不同文化中的影响力作为了比较因素。如果某位历史名人跨文化越广，那么影响力就越大。
[-]
由此得出了人类历史上影响力最大的 TOP100 历史人物，不过有两个版本：PageRank 算法的前5依次是卡尔·林奈，耶稣，亚里士多德，拿破仑和希特勒；2Drank 的结果则是希特勒，迈克杰克逊，歌手麦当娜和贝多芬。
为了检验这个排行的确切性，Eom 团队就此与其它著名的历史人物影响力 TOP100 排行做了比较分析，这些排行名单的来源有美国研究学者 Michael Hart 和 MIT 等。
结果并不令人乐观，不同排行榜的吻合程度没超过50%。不过 Eom 团队表示，他们得出的排行榜与 MIT 排行榜的重叠度，高于 Hart 排行与 MIT 排行的比较。
这项研究其实还是有许多亮点。比如，可能大家都注意到，排行榜总是单方面倾向男性人物。Eom 团队表示，其实这不足为奇，因为比较而言，女性的历史影响力确实不如男性。
不过，团队还专为女性历史人物算出了一个排行版：PageRank 算法的结果依次是：伊丽莎白二世，圣母玛利亚，维多利亚女王，伊丽莎白一世和匈牙利女王玛丽娅·特蕾莎；2Drank 算法的结果则是：歌手麦当娜，伊丽莎白二世，圣母玛利亚，维多利亚女王和加莎·克里斯蒂。
最后，Eom 团队分析了哪种文化的全球影响力最大，以及不同时期的变化情况，结果位居榜首的是英语，其次是德语。
“值得注意的是，不同时期，不同文化的地位变化很明显。”，Eom 团队表示。
如果只考虑19世纪以前的历史名人，英语只排名第四，前面依次是意大利语，德语和法语。总的来看，英语自17世纪后才异军突起，之前主导这个世界的语言分别是希腊语，土耳其语和阿拉伯语。
显然，Eom 团队的研究存在一定的片面性。比如不同版本中链接语言有可能不同，而且历史名人出生地也可能有变更。不过这些应是计算方法的局限性。还有就是，研究并没有囊括所有的语言版本，如乌克兰语和塞尔维亚语。
但 Eom 团队表示，这项研究中完全没有偏差的结论就是：“不同维基版本中，17世界后出生在西方国家的重要历史名人都为男性。”
基于维基百科庞大的数据，这项研究的方法可谓独辟蹊径。利用网络科技，还能在维基这个宝藏中挖出多少数据，我们拭目以待。
