而此時處在輿論漩渦之中的林灰在干什么呢？
當然是在廢寢忘食地查閱那些跨越時空的“參考資料”。
這里面有價值的信息太多了。
很多在后世平平無奇的東西放到眼下這個時空中都是亂殺的存在。
但林灰沒有被激動的情緒所左右。
因為林灰始終清楚領(lǐng)先半步是先驅(qū)，領(lǐng)先一步是先烈。
技術(shù)真領(lǐng)先個一年半載還好說，冷不丁一下子領(lǐng)先別人四五年就出大問題了。
只有能夠契合14年這個時代背景的技術(shù)才是林灰尋找的有價值的東西。
在前世那部ThinkPad里幾乎沒翻找多長時間。
林灰就找到了他的獵物：
——生成/抽取復(fù)合式新聞?wù)惴ā?p> 這種算法在前世并不算特別新鮮的玩意。
林灰之所以看中它是因為這個算法成熟。
某種程度上成熟就意味著穩(wěn)定、性能可靠。
林灰?guī)缀醪恍枰俳?jīng)過額外的調(diào)教就直接拿這種算法開發(fā)之前他構(gòu)想的那個新聞?wù)浖?p> 當然了，這個算法也只是在前世那個時空不算新鮮而已。
放到14這個時空里，依舊是領(lǐng)先的技術(shù)。
只領(lǐng)先一點點，有用嗎？
不要說領(lǐng)先一點了，就是領(lǐng)先半點。
也照樣讓你絕望！
你沒打破我壟斷之前，我各種高價訛詐賺取巨額利潤。
你打破我壟斷了，我直接白菜價跟著你一塊擺爛。
氣不氣？
別人氣不氣不知道。
反正兔子已經(jīng)氣得想咬人了。
更何況算法這種東西迭代本來就快！
領(lǐng)先一年半載時間幾乎等同于技術(shù)方面領(lǐng)先一代了。
生成/抽取復(fù)合式新聞?wù)惴ǜ穷I(lǐng)先14年這個時空主流新聞?wù)惴ㄒ淮搿?p> 這可不是林灰夸張。
事實上，現(xiàn)在的新聞?wù)詣由傻姆绞竭€是抽取式新聞?wù)?p> 抽取式顧名思義就是按照一定的權(quán)重從新聞原文中尋找跟中心思想最接近的一條或幾條句子。
抽取式摘要還在用著“古老”的Text Rank排序算法。
這種算法大體思想是先去除文章中的一些停用詞。
之后對句子的相似度進行度量，計算每一句相對另一句的相似度得分。
迭代傳播，直到誤差小于0.0001。
之后再對上述得到的關(guān)鍵語句進行排序，以期能得到想要的摘要。
客觀來說，這種算法雖然也還可以。
但問題在于抽取式摘要主要考慮單詞詞頻，并沒有考慮過多的語義信息。
也正因為如此，這種抽取式摘要很難獲取復(fù)雜新聞的核心內(nèi)容。
而且這種摘要方式的一個極其明顯的弊端在于：
抽取式摘要對英文新聞還算能湊合著用。
但對于中文新聞完全是無所適從的狀態(tài)。
總而言之，抽取式的摘要目前雖然已經(jīng)比較成熟。
但是抽取質(zhì)量及內(nèi)容流暢度方面都有點不夠看。
正因為抽取式摘要的種種不足。
之后又出現(xiàn)了生成式摘要算法。
生成式摘要算法得益于神經(jīng)網(wǎng)絡(luò)學(xué)習研究的深入。
這種摘要以一種更接近于人的方式生成摘要。
這就要求生成式模型有更強的表征、理解、生成文本的能力。
生成式則是計算機通讀原文后，在理解整篇文章意思的基礎(chǔ)上，按機器自己的話生成流暢的概括。
生成式新聞?wù)饕揽可疃壬窠?jīng)網(wǎng)絡(luò)結(jié)構(gòu)實現(xiàn)。
生成式摘要在理解新聞內(nèi)容方面相比抽取式摘要有著先天優(yōu)勢。
但這種摘要也不是完全沒有弊端。
這種摘要方式很容易受到原文長度的制約。
當把一篇很長新聞放在生成式摘要算法前。
其表現(xiàn)大概率為：(⊙﹏⊙)太長不看！
而生成/抽取復(fù)合式新聞?wù)惴▌t綜合了抽取式摘要算法和生成式摘要算法的優(yōu)點。
對于較長的新聞，利用該算法可以實現(xiàn)先抽取核心內(nèi)容。
再在核心內(nèi)容的基礎(chǔ)上進行生成。
總而言之，如果依托生成/抽取復(fù)合式新聞?wù)惴ㄩ_發(fā)一款軟件的話
也完全能夠吊打尼克·達洛伊西奧開發(fā)的軟件。
畢竟尼克開發(fā)的軟件。
無論是Summly還是Yahoo News Digest（雅虎新聞?wù)?p> 這些都是基于抽取式算法的。
生成/抽取復(fù)合式新聞?wù)惴ㄔ谛史矫婵梢哉f是吊打抽取式摘要算法。
不過話說回來這么弔的算法只開發(fā)一個軟件然后賣出去。
似乎有點虧。
怎么說也是領(lǐng)先于時代的技術(shù)。
似乎可以水幾篇論文什么的。
呃，不過高中才畢業(yè)就發(fā)表論文的話似乎有點過于驚世駭俗了。
究竟怎么做才能物盡其用呢？