嘻嘻，這是本寶寶的第一篇新媒體文章，有點小激動~ 下面是閱讀吳軍大佬《數學之美》 的一些讀書筆記~

阿拉（我）讀本書的目的是了解：如何通過計算機來實現你每天都在用的搜索、信息流閱讀推薦等功能。

計算機大神請走開，我等小白要開始班門弄斧了~

下面開始我的表演~

Ready ?

go ！！

一、 功能應用場景

搜索、翻譯、語音識别、手寫體識别、印刷體識别

二、 用戶場景分析

以搜索為例

1.用戶輸入搜索詞搜索，希望得到相關性強的并且高質量的内容。

體育中心有什麼好吃的？

體育中心（5） 有什麼（0） 好吃的（4）

體育中心（主題詞） 有什麼（無意義詞） 好吃的（主題詞）

2.如何獲得相關性強，高質量的内容？

（1） 相關性：關鍵詞是啥、關鍵詞的頻率（非數量）、

（2） 高質量：網站投票（類似論文引用的道理，被引用的越多的文章被認為質量越高）

3.機器如何識别關鍵詞？以及區分關鍵詞的權重？（TF/IDF）

體育中心（主題詞） 有什麼（無意義詞） 好吃的（主題詞）

（1） 關鍵詞識别：分詞。後一個詞在前一個詞後面的可能性。全體詞庫的統計，出現概率高則認為這個是一個詞語。（統計學、概率）

（2） 關鍵詞獲得：主題詞，頻率會出現低。無意義詞，出現頻率高。通過全體詞彙統計獲得。

（3） 或者垂直行業裡面的詞彙，會有相應的詞彙表。（可通過對大批同類文章庫進行詞彙統計得出關鍵詞）

4.不同的權重的關鍵詞權重得分如何計算？

（1）關鍵詞出現頻率

鍊接唯一随機數 鍊接（包含上百字） 關鍵詞1 權重1，權重得分5 關鍵詞2 權重2，權重得分2 外鍊權重

通過關鍵詞權重及外來權重加權得出網站排名。

三、機器實現步驟

1. 蜘蛛爬取，通過鍊接獲得鍊接。就像城市道路連接。圖形過橋。

2. 網頁建立索引：關鍵詞提取（相關性），分析文章質量（排名）。

3. 用戶搜索，展現。

四、機器如何對文章進行分類

1.例如對新聞詞，已有新聞的關鍵詞庫（概率統計獲得），将文章的關鍵詞抽取，然後計算文章所含的詞庫的向量計算。

2.結合餘弦定理，如果夾角相近。則可認為文章為同類文章。

3.不僅對該類詞庫進行計算，可能也要對非該類詞庫進行計算以排除與該類相似。

五、 事物中的兩面性

某些用戶通過搜索引擎的算法漏洞，來獲得更好的排名，謀取利益。

1.關鍵詞堆砌，用隐藏的方法添加關鍵詞，提升詞頻。

2.外鍊買賣等方法謀取利益。提升外鍊數量。

百度見招拆招，算法不斷改進。

六、搜索中的一些方法

1.文容那麼長，計算機如何快速查找？

例如：一條鍊接，如何去匹配庫中的200億條鍊接（100位的鍊接）？搜索時間非常長将會非常長。如何縮短搜索時間？

方法：減少位數。像密碼一樣，将連接對應成唯一的16位随機數，隻要将用戶輸入的這個詞，轉換為16位的随機數後，再去查找，這樣大大降低查詢難度。（密碼學）

2.如何獲得從北京到廣州最近的距離？

最笨方法：将每一條線路都計算一次。

人的思考方式：直線最短，然後，在這條最短的路線上，臨近的曲折路。

方法：動态規劃: 在縱向的一條路上的10個城市進行分割。去掉最不可能的結果。

原來計算方法：10的15次方 變成10x15大大降低計算量。

七、語音識别

如何讓正在汽車發動時的人能清晰的接聽電話？

1. 降噪：汽車的噪音頻率是穩定不的，所以可以快速獲得頻率，然後加入一個反向的信号進行消除。

以上便是本寶寶淺淺的閱讀筆記。繼續拿起出本裝一裝。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!