涉猎颇广的阿虎虎没想到,中国传统国粹麻将的真谛,竟然被国际影后茱莉亚·罗伯茨一语道破。
“在混乱中创造秩序”,这个解释简直妙啊。搞NLP研究的阿虎虎转念一琢磨,我平时用各种算法模型处理文本数据的过程,不就和打麻将的内涵一样嘛。为什么这么说呢,且让阿虎虎从数据的分类开始讲起。
现在的文本数据主要分为三类,结构化数据、半结构化数据和非结构化数据。
结构化数据一般是指可以使用关系型数据库表示和存储,用二维表来表现的数据。
简单粗暴来说,就是可以用Excel表一行一列来呈现的数据,“秩序分明”,非常方便做增减、查询和调用,例如下面这张成绩表。
半结构化数据不适用于关系型数据库表示和存储,但包含相关标记,数据和属性混在一起,也被称为自描述的结构。
半结构化数据的“秩序”感就稍弱,可以把它想象成一份简历,一般会写入工作经验、教育背景、自我评价等固定内容,但又无法用一张Excel表来呈现。
非结构化数据顾名思义就是完全没有固定结构的数据。
没有固定结构