Bad Data 技術手冊

22

|

第二章：是只有我這樣，還是這個資料本身令人感到有趣？

站，對於大量的關鍵字來說，並不會有那麼多的頁面都被排在第一頁的頂端，但它擁有

許多網頁都被排在第二名或是第三名，所以就算在第一位置的 CTR 是最高的（如在其

他頁面上所顯示的），也不會在第一頁上顯示。當排名越往後時，流量會越來越小，所

以導致網頁瀏覽次數開始看起來像是 CTR 一樣。

推薦分析

到目前為止，我已經談論了基於每列在單一欄位中擁有相同值的數量，所繪出的統計直

方圖。我們也看到，這的確在許多狀況中都是個有用的東西，但對於某些使用狀況來

說，這個方法提供了太詳細的細節，比較難以發現一些有用的模式。舉例來說，讓我們

來看看分析推薦模式的問題。這可能是對使用者推薦電影、為某個產品推薦產品或是許

多其他的可能，但對這個範例來說，我會使用文章推薦來當作例子。試想一個包含豐富

內容的網站，裡面包含上百萬篇在極廣泛主題上的文章。為了要將讀者從現在正在閱讀

的文章導引到他會感興趣或是覺得有用的文章，該網站會基於編輯人員手動挑選、語意

相似度以及∕或過往的瀏覽模式，提供一個推薦的短清單。

我們將會從一個由推薦對所組成的資料集合開始：每列就是一個推薦，第一個欄位包含

來源文章的 URL，第二個欄位則是目的文章的 URL。

範例

2-3　

範例推薦檔案

http://example.com/fry_an_egg.html http://example.com/boil_an_egg.html

http://example.com/fry_an_egg.html http://example.com/fry_bacon.html ...