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
最低0.47元/天 解锁文章
158
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
