此Hadoop教程hive_trend_mapper.py程序中用于计算Wikipedia趋势的公式背后的原理是什么？

实际上有两个组成部分：每月趋势和每日趋势。我将专注于每日趋势，但类似的问题也适用于每月趋势。

在每日趋势中，pageviews是该主题每天的页面浏览量数组，每天一个元素，并且total_pageviews是该数组的总和：

# pageviews for most recent day
y2 = pageviews[-1]
# pageviews for previous day
y1 = pageviews[-2]
# Simple baseline trend algorithm
slope = y2 - y1
trend = slope  * log(1.0 +int(total_pageviews))
error = 1.0/sqrt(int(total_pageviews))
return trend, error

我知道它在做什么表面上：它只是看起来在过去的一天（的变化slope），而这个扩展到日志1+total_pageviews（log(1)==0，所以这个比例系数非负）。可以将其视为一个月的总浏览量，但随着它的增长而有所缓和-
这样，总浏览量就不会对“受欢迎”的事物产生影响，但与此同时，无关紧要的变化却很大不会那么重。

但是 为什么 要这样做呢？为什么我们要打折最初不受欢迎的东西？不宜大三角洲重要 多 了具有低恒定的普及项目， 少
对于已经流行（针对大三角洲可能的标准偏差的一小部分内下降井）项目？作为一个稻草人，为什么不简单地接受y2-y1并完成它呢？

会有什么error用？本教程并没有真正有意义地再次使用它。再说一次，它也没有告诉我们如何trend使用-这是最终产品中的内容，对吗？

在这里，我可以在哪里阅读有关该理论的（最好是介绍性的）背景？有这种疯狂的名字吗？这是某个地方的教科书公式吗？

在此先感谢您提供任何答案（或讨论！）。