第46章-徐勇的辞职(2/3)
“我就怕一到你那边，我一身又变重了！”徐勇笑🜷道。
“⛷🟆徐哥，你这是怕我往你身上塞黄金吗？”陈义哲打趣道。
“真的？那我这次可得顺🏻🟖便带个麻袋过去才行！”徐勇笑💣📬🝼道。
“只要你来，你就是开着大货车🛑🛧过来也行！”陈义哲道。
9月底的时候，徐勇果然来鹏城了。
陈义哲带🕷🎎着徐勇参观了dss项目目前的情况。
长达一年多的时间里，徐勇陆陆续续发来了大量的医🅔院临床数据，而dss项目组多达0个人的技术人员就一直在做标准化数据的工作。
目前夏梦已经在陈义哲的方案设计下，初步开发了支持阑尾炎，肝结核，胃结核等几项特殊疾病的dss🎈🏇🗾。
“怪不得搜夏引擎的技术🏻🟖让百度技术团队惊为人，看来夏梦互联网内部是人才济济🍣啊。”徐勇感叹道。
“呵呵，百度的技术也🄌🟘不差👩🚑，🜃⛂🗦你看ggle都被百度挡在国门外，现在ggle也只能曲线入华。”陈义哲笑道。
徐勇摇了摇头，道，“句真心话，百度和ggle还是有一定的差距的。只是在国内市场，百度占了时地利，这其实是‘百度更懂中文’地一个集🇻🝯中体现。就简单地分词，百度🁼当年做分词，先从一个人工编辑号地字典开始，用这个字典跑一些网页，观察里面地badase。”
“可能是分词过细，或者是中文人名没分出来，然后就尝试根据中文语法规律加入规则或添加词表解决这些badase，如此往复，直到有🅎满意的结果。上线应用，发现有新的badase就再研究加规则，当然也有自动流程发现和确认如“人艰不拆”之类的新词！”
“徐哥，想不到🙸你🃥🙽🏶这个医药出身的也懂得这其中的技术！”陈义哲笑🞜道。
“都在这一行干了五年了，没吃过猪肉，也见过猪跑。”徐勇自嘲道，紧接着他继续道，“ggle和百度最大😟🂦的区别，就是ggle更加强调技术，它做分词则是把问题看成一个概率问题：如果中文网页中哪些字经常一起出现，那麽它们很有可能就是一个词。看哪些词后面会跟的地得，的地得后面有常跟哪些词，语法结构也就出来了。”
“解题思路就是把所有抓到的中文网页往apredue裡一丢，参数算出来就好了。评估分词质量的方法也很简单，就拿新模型放到网页检索的模型裡，做个实验看质量有没提升☊♗就行。这套方法结果之好，基本把中文分词做成了一个没有多少悬🅏念的简单问题！”
“其实这也是ggle不懂中文的问题，因为它不需要中文语言专家的参与！同时这也就是ggle做实时翻译的思路。”陈义哲接着道，“不过这种方法虽然简单，看似没有什么秘密可言，可是首先，ggle得先有这么多的网页数据，还得有大机群，有分布计算框架，还有可复用的模型……这点套在dss其实也一样，dss也需要大数据，计算的模型，看似简单💆，但是其实复杂无比！”
“这是必然的，毕竟医学上的🜃⛂🗦知识太复杂👔🈦🀠了，做dss项目往往需要考虑非常多的患者因素，如症状、体征、实验室检查数据、家族史、🁘基因、流行病学资料、现有的医学文献等等。同时新发表的临床研究数以万计，质量参差不齐，这些大量的数据导致了即使dss开发出来，最终维护上仍会存在巨大困难。”
“⛷🟆徐哥，你这是怕我往你身上塞黄金吗？”陈义哲打趣道。
“真的？那我这次可得顺🏻🟖便带个麻袋过去才行！”徐勇笑💣📬🝼道。
“只要你来，你就是开着大货车🛑🛧过来也行！”陈义哲道。
9月底的时候，徐勇果然来鹏城了。
陈义哲带🕷🎎着徐勇参观了dss项目目前的情况。
长达一年多的时间里，徐勇陆陆续续发来了大量的医🅔院临床数据，而dss项目组多达0个人的技术人员就一直在做标准化数据的工作。
目前夏梦已经在陈义哲的方案设计下，初步开发了支持阑尾炎，肝结核，胃结核等几项特殊疾病的dss🎈🏇🗾。
“怪不得搜夏引擎的技术🏻🟖让百度技术团队惊为人，看来夏梦互联网内部是人才济济🍣啊。”徐勇感叹道。
“呵呵，百度的技术也🄌🟘不差👩🚑，🜃⛂🗦你看ggle都被百度挡在国门外，现在ggle也只能曲线入华。”陈义哲笑道。
徐勇摇了摇头，道，“句真心话，百度和ggle还是有一定的差距的。只是在国内市场，百度占了时地利，这其实是‘百度更懂中文’地一个集🇻🝯中体现。就简单地分词，百度🁼当年做分词，先从一个人工编辑号地字典开始，用这个字典跑一些网页，观察里面地badase。”
“可能是分词过细，或者是中文人名没分出来，然后就尝试根据中文语法规律加入规则或添加词表解决这些badase，如此往复，直到有🅎满意的结果。上线应用，发现有新的badase就再研究加规则，当然也有自动流程发现和确认如“人艰不拆”之类的新词！”
“徐哥，想不到🙸你🃥🙽🏶这个医药出身的也懂得这其中的技术！”陈义哲笑🞜道。
“都在这一行干了五年了，没吃过猪肉，也见过猪跑。”徐勇自嘲道，紧接着他继续道，“ggle和百度最大😟🂦的区别，就是ggle更加强调技术，它做分词则是把问题看成一个概率问题：如果中文网页中哪些字经常一起出现，那麽它们很有可能就是一个词。看哪些词后面会跟的地得，的地得后面有常跟哪些词，语法结构也就出来了。”
“解题思路就是把所有抓到的中文网页往apredue裡一丢，参数算出来就好了。评估分词质量的方法也很简单，就拿新模型放到网页检索的模型裡，做个实验看质量有没提升☊♗就行。这套方法结果之好，基本把中文分词做成了一个没有多少悬🅏念的简单问题！”
“其实这也是ggle不懂中文的问题，因为它不需要中文语言专家的参与！同时这也就是ggle做实时翻译的思路。”陈义哲接着道，“不过这种方法虽然简单，看似没有什么秘密可言，可是首先，ggle得先有这么多的网页数据，还得有大机群，有分布计算框架，还有可复用的模型……这点套在dss其实也一样，dss也需要大数据，计算的模型，看似简单💆，但是其实复杂无比！”
“这是必然的，毕竟医学上的🜃⛂🗦知识太复杂👔🈦🀠了，做dss项目往往需要考虑非常多的患者因素，如症状、体征、实验室检查数据、家族史、🁘基因、流行病学资料、现有的医学文献等等。同时新发表的临床研究数以万计，质量参差不齐，这些大量的数据导致了即使dss开发出来，最终维护上仍会存在巨大困难。”