40章 : 语义识别的难点(2/4)
在软件的下方还分别有个简介。个人版对于生活方面的识别会更加精准，而企业版更注重于会议，可支持多人同时录入🀲🀱🀩，抗噪音能力也更强，并且还可以选择去口语化，使会议内容更接近书面格式。
网页里面的信息不多🐹🄴🁵，很快朱成就看🇽完了。对于七天🗮🞿🙾后软件的发布十分期待，语音录入可是懒人必备的神器啊，以后估计都不用打字了。
“智能小语，也可以叫语音输入法吧？”
如果不用打字了，是不是意味着键盘也没用了？那笔记本岂不是可以做的更薄⛙🚸😈？不对，没了键盘不就成了平板么？朱成想到了这一点，感觉自家的电脑城可以多进一些平板电脑了。
在外界因为语音识别而震惊的时候，罗辑所在的机房却只能听到敲键盘的声音⛙🚸😈。尽管语音识别已经👖做了出来，但对于写🀲🀱🀩代码而言意义不大。真正能将罗辑从这些繁重的任务中解救出来的只有语义识别！
开发语义识别，就如🐹🄴🁵同罗辑预料的那样，并不是一块好啃的骨头。
更何况是中文体系上的语义识别，这比其它语言要难上几个级别。光是分词这一项，就能让人死掉不少脑细胞。中文不同于单词组成的拉丁文，拉🛳丁文单词间的空格可以大幅度减少电脑🇩🛍的识别难度，而中文却不行。
在中文里面，一句话就有很多意思。别说电脑了，有时候就连人也不好分辨。比如那句著名的“下雨天留客天⚎🐒天留我不留”，在没有标点符号的情🛳况下，它至少有七种意思。对于电脑而言，别说这种地狱级的分词，哪怕是一些人们看来再简单不过的句子也很难分辨。
比如“华科大学生前来应聘”，🍷🌲🃂电脑可能会理解为“🗮🞿🙾华科大学，生前，来应聘”。
中文语义识别的第一个🌵难点，也可以说是最大的难点便在这里。怎样的分词算法才是最完美的？
罗辑在科技树中⛙🚷找到了方案，一种基于统计学模型的算法，构建一个三维矩阵，选取概率最高的一个。xy轴是任意两个词语的组合，而🛨z轴则是场景状态，根据语气和语态选取的最佳方案。
“不过这需要联网。”罗辑琢磨了一下，🁋这似乎是目前最好的方案，虽然他的本意是打造一个可用于线下服🞰务的智能，但🏏是以现在的设备存储能力想要存下大量的语料库，根本就是天方夜谭。电脑肯定是不行的，光脑还差不多。
“联网就联网吧，在🐹🄴🁵程序里预留一些常用算法，断网勉强也能用。”
解决了第一个问题之后，罗辑又🍷🌲🃂陷入了瓶颈🛥🞡🕬。他蓦然想起中文还有一点🚮🖭很蛋疼，那就是没有和英文一样可用于区分人名地名的大小写。
要是仅仅这样也就罢了，关键是有🚟些人的名字起就是一个词语，如果♄分词程序有🄹🏔智能的话，它一定会把这些人拖出去砍死。比如高峰、汪洋、罗辑……
“这……还是不要砍死了，半残就好。”
罗辑马上停止了抱怨了，再困难也要解决不是？
“到底要怎么做？”
罗辑觉得自己有些天真了，一开始以为有了科技树绝🗮🞿🙾对可以快速的解决问题，可事实上🚛🔃♥并非如此。之前做无线充电器时🀲🀱🀩，都要用到机械方面的知识，而难度比无线充电更大的语义识别，其交叉的学科只会更多。
“语义识别要什么？电脑编程、统计分析、数据建模……还有语言学？”罗辑看到科技树上显示的内容完🏮🝜全傻眼了，前面的只要🐔⛊😪的理科内容，不管多难他都不怕，可偏偏最后一项他却没有办法。
让罗辑去看文科知识，那比杀了他还难受。可不学语言☝⛼学，怎么可能做的出语气🄹🏔识别？
网页里面的信息不多🐹🄴🁵，很快朱成就看🇽完了。对于七天🗮🞿🙾后软件的发布十分期待，语音录入可是懒人必备的神器啊，以后估计都不用打字了。
“智能小语，也可以叫语音输入法吧？”
如果不用打字了，是不是意味着键盘也没用了？那笔记本岂不是可以做的更薄⛙🚸😈？不对，没了键盘不就成了平板么？朱成想到了这一点，感觉自家的电脑城可以多进一些平板电脑了。
在外界因为语音识别而震惊的时候，罗辑所在的机房却只能听到敲键盘的声音⛙🚸😈。尽管语音识别已经👖做了出来，但对于写🀲🀱🀩代码而言意义不大。真正能将罗辑从这些繁重的任务中解救出来的只有语义识别！
开发语义识别，就如🐹🄴🁵同罗辑预料的那样，并不是一块好啃的骨头。
更何况是中文体系上的语义识别，这比其它语言要难上几个级别。光是分词这一项，就能让人死掉不少脑细胞。中文不同于单词组成的拉丁文，拉🛳丁文单词间的空格可以大幅度减少电脑🇩🛍的识别难度，而中文却不行。
在中文里面，一句话就有很多意思。别说电脑了，有时候就连人也不好分辨。比如那句著名的“下雨天留客天⚎🐒天留我不留”，在没有标点符号的情🛳况下，它至少有七种意思。对于电脑而言，别说这种地狱级的分词，哪怕是一些人们看来再简单不过的句子也很难分辨。
比如“华科大学生前来应聘”，🍷🌲🃂电脑可能会理解为“🗮🞿🙾华科大学，生前，来应聘”。
中文语义识别的第一个🌵难点，也可以说是最大的难点便在这里。怎样的分词算法才是最完美的？
罗辑在科技树中⛙🚷找到了方案，一种基于统计学模型的算法，构建一个三维矩阵，选取概率最高的一个。xy轴是任意两个词语的组合，而🛨z轴则是场景状态，根据语气和语态选取的最佳方案。
“不过这需要联网。”罗辑琢磨了一下，🁋这似乎是目前最好的方案，虽然他的本意是打造一个可用于线下服🞰务的智能，但🏏是以现在的设备存储能力想要存下大量的语料库，根本就是天方夜谭。电脑肯定是不行的，光脑还差不多。
“联网就联网吧，在🐹🄴🁵程序里预留一些常用算法，断网勉强也能用。”
解决了第一个问题之后，罗辑又🍷🌲🃂陷入了瓶颈🛥🞡🕬。他蓦然想起中文还有一点🚮🖭很蛋疼，那就是没有和英文一样可用于区分人名地名的大小写。
要是仅仅这样也就罢了，关键是有🚟些人的名字起就是一个词语，如果♄分词程序有🄹🏔智能的话，它一定会把这些人拖出去砍死。比如高峰、汪洋、罗辑……
“这……还是不要砍死了，半残就好。”
罗辑马上停止了抱怨了，再困难也要解决不是？
“到底要怎么做？”
罗辑觉得自己有些天真了，一开始以为有了科技树绝🗮🞿🙾对可以快速的解决问题，可事实上🚛🔃♥并非如此。之前做无线充电器时🀲🀱🀩，都要用到机械方面的知识，而难度比无线充电更大的语义识别，其交叉的学科只会更多。
“语义识别要什么？电脑编程、统计分析、数据建模……还有语言学？”罗辑看到科技树上显示的内容完🏮🝜全傻眼了，前面的只要🐔⛊😪的理科内容，不管多难他都不怕，可偏偏最后一项他却没有办法。
让罗辑去看文科知识，那比杀了他还难受。可不学语言☝⛼学，怎么可能做的出语气🄹🏔识别？