维度孤岛与评判标准

一维、二维、三维

20215.12 写了一篇 《借助余弦相似度辅助背单词》，并申请了专利。这两天突然回想起来，余弦相似度不仅仅可以拿来背单词，实际上，这个理论可以应用的层面还是很多的。

还记得小时候，俺妈经常对我说： “要多向学习好、品德好的孩子学习，别整天和调皮捣蛋的混。” 可能你会觉得这段话比较耳熟，毕竟中国大多数的家长都会对自己的孩子这么说。

那究竟怎么判断一个小孩儿是可以一起玩耍的伙伴呢？这个标准是什么？我想，这就是 维度。不管是人，还是物品，都会有成千上万的层面与其同类进行区分。对不同的人来说，千人千面，对一件事物的看法也会是各式各样的。

我们作为社畜中最平凡的一员，免不了和别人打交道，试着感受一下，下面描述的几种场景：

• “借钱”： 都说好借好还再借不难。张三借了我的钱，要了几次都不还，甚至还躲着我；李四借了钱，按时归还不说，还顺带送了点小礼物以表感谢。
• “让座”：“我”是一个公交司机，某天正驾驶海淀 932 路公交车在路上行驶，目前车上还剩一个老弱病残专座，这时上来一个老人，一个青年。青年有两种选择，自己坐、让给老人。不同的选择，对我来说，对青年就会有不同的评判。按中华传统美德，是该让座。但让与不让，全凭个人态度。
• “甩锅”： 在职场，甩锅的事屡见不鲜。开发与测试之间的关系很微妙，有的相处很融洽，有的却似针尖对麦芒。我曾亲身经历过，项目上线出问题了，结果相互甩锅的事。作为当事人，对方的态度决定了以后我们双方的合作走向。

“物以类聚，人以群分” ，是“标签化”的感觉，我觉得这也便是对 维度 的一个比较好的体现。废话不多说，我想表达的其实就是：

我们每一个人身上都有很多可以测评的层面，这一个个的层面评判的汇聚，其实就代表了我们对某个人的整体看法。

我曾梦到过这样的画面：
在一个沙盘上，每个人都是一个个的孤岛，有的高，有的低，孤岛的名字代表了一个个特征（如 性别、身高、体重、帅/普通/丑等等），而海平线则是衡量这些个特征的标尺。

当我想找体重 65KG，身高低于180 cm的长相普通的男生时，通过这个“标尺”便可以进行评估，然后过滤出符合标准的“孤岛”。然后通过成千上万的特征筛选，最终我找出了一个叫“泰戈尔”的孤岛。

这个过程，和本文开头的《借助余弦相似度辅助背单词》介绍的理念，有异曲同工之妙，无非是将单词的词向量更加抽象画，转换为个体本身所归属的一个个的特征。

我在想，在未来会不会有这样的情景出现：

借助大数据，对每一个人进行建模。

• 每个人在交朋友之前，先通过余弦相似度匹配算法对这个人进行评估，来评判能否成为朋友。
• 大学录取考生时，通过此算法进行学生素质及潜力评估，来作为是否能否录取的标准。
• 相亲网站，通过此匹配计算，寻找那个最合适的 TA。

想想，这些场景似乎并不遥远，撇开道德约束，有些场景甚至已经有人在偷偷地实现了。是不是还挺可怕的，这种场景下，人还有隐私不😂