第1741章彆被技術細節嚇住
第1741章彆被技術細節嚇住(第2/3頁)
下來，下次遇到就直接跳過。
還要設置深度限製，不能無限爬下去。”
賈瀞雯飛快地記著。
陳浩的聲音很平靜，好像這些難題都不是問題。
“那中文分詞呢？”她問，“這個他們覺得特彆難。”
電話那頭沉默了一會兒。
“這個確實難。”陳浩承認，“英文搜索可以直接按單詞匹配，中文必須先把句子切分成有意義的詞語。
我們需要的不是機械切分，而是理解語義後的智能切分。”
“怎麼做？”
“兩種思路。”陳浩說，“一是基於詞典，把常用的詞做成詞典庫，然後匹配。
二是基於統計，分析大量文本，找出經常連在一起出現的字組合。
（本章未完，請點擊下一頁繼續閱讀）第1741章彆被技術細節嚇住(第2/2頁)
最好的辦法是兩者結合。”
賈瀞雯記下最後幾個字，筆尖頓了頓：“浩哥，這些概念你怎麼都懂？你又冇學過計算機。”
陳浩笑了：“我是不懂具體編程，但我懂邏輯，懂原理。
而且我看得多，想得多。
搜索引擎的核心不是技術多炫，而是理解人想要什麼，然後從數據裡找出來。”
他頓了頓：“瀞雯，你告訴團隊，彆被技術細節嚇住。
我們不是在寫完美的學術論文，是在做一個能用的工具。
第一版可以粗糙，可以有問題，但要快，要讓用戶能用上。
改進可以慢慢來。”
掛斷電話後，賈瀞雯把筆記整理成文檔，打印了五份。
第二天開會，她把陳浩的話轉述給團隊。
“陳總說，第一版可以粗糙，但要快。”她看著五張年輕的臉，“我們不求完美，但求可用。”
李明眼睛一亮：“這就對了。
我們總想一次做到最好，結果越想越不敢動手。
其實可以先做個最簡單的版本，能跑起來就行。”
“對！”張濤一拍桌子，“爬蟲可以先從幾個固定的網站開始，比如新聞網站。
這些網站結構規範，容易抓取。
分詞可以先做基於詞典的簡單版本，複雜的以後再說。”
團隊的氣氛活躍起來。
年輕人就是這樣，不怕困難，就怕迷茫。
一旦有了方向，哪怕方向不完美，他們也敢往前衝。
三天後，新的問題來了。
這次是王磊提出的。
他在研究分詞算法時，遇到了一個具體難題。
“賈總，我們試了基於詞典的方法，但遇到一個問題。”王磊在白板上寫了個例子，“比如‘乒乓球拍賣完了’這句話。
怎麼分？”
他畫出兩種分法：“‘乒乓球/拍賣/完了’，這是說乒乓球被拍賣掉了。
但也可以是‘乒乓/球拍/賣完了’，這是說球拍賣光了。
同一個句子，兩種分法，意思完
（本章未完，請點擊下一頁繼續閱讀）