如果是「纯研究型」的算法工程师，可以不搞一点工程啊。
不过「纯研究型」的算法工程师，我觉得这个门槛挺高的。

@aalikes95
总体还不错，搜一些词，很多能得到意外之喜。
不过 bug 也比较明显，不少错词。也无法增量更新。

上一次发文发一半那个楼主，被

我是工作 5 年后自己买的。
自从习惯了 mac，再也没用过鼠标。

@elfive
官方的说明是这样的。
Data collection.
Our training data contains large-scale text collected from news, webpages, and novels. Text data from diverse domains enables the coverage of various types of words and phrases. Moreover, the recently collected webpages and news data enable us to learn the semantic representations of fresh words.

Vocabulary building. To enrich our vocabulary, we involve phrases in Wikipedia and Baidu Baike. We also apply the phrase discovery approach in Corpus-based Semantic Class Mining: Distributional vs. Pattern-Based Approaches, which enhances the coverage of emerging phrases.

大概是说用了新闻、网页、小说、维基百科、百度百科的数据。
没提到聊天数据，不过新闻网页都有评论数据，可能也是数据来源之一。

@DEANHZED emmmmmmmmmmmm

@devallin 降重可能有其他的方法，这个模型计算词与词之间的相似度好用。句子和句子之间不好直接用。

@nieyujiang 搞错了，重来。
{
"top_similar_words":[
[
"烤串儿",
0.927384614944458
],
[
"羊肉串",
0.894095778465271
],
[
"肉串",
0.8555537462234497
],
[
"烤腰子",
0.8516057729721069
],
[
"撸串",
0.8469321727752686
],
[
"涮串",
0.8465385437011719
],
[
"大肉串",
0.8420960903167725
],
[
"烤肉串",
0.838364839553833
],
[
"牛肉串",
0.8371975421905518
],
[
"烤海鲜",
0.8364357948303223
],
[
"烧烤摊",
0.8351374864578247
],
[
"炸串",
0.8339198231697083
],
[
"烧烤",
0.831093430519104
],
[
"烤羊肉串",
0.8277176022529602
],
[
"各种烤串",
0.8274507522583008
],
[
"烤鱿鱼",
0.8235615491867065
],
[
"烤羊腿",
0.8228681683540344
],
[
"烤猪蹄",
0.8225207328796387
],
[
"烤生蚝",
0.8220213055610657
],
[
"吃串",
0.820912778377533
]
],
"word":"烤串"
}

@nieyujiang
还有呢，烤串相似词：
```json
{
"top_similar_words":[
[
"我觉得 ok",
0.6393940448760986
],
[
"emmmmmmm",
0.6306545734405518
],
[
"hhhh",
0.6229800581932068
],
[
"hhhhh",
0.6225401163101196
],
[
"不存在的",
0.6077110767364502
],
[
"溜了溜了",
0.603063702583313
],
[
"hhhhhhh",
0.6008774638175964
],
[
"emmmm",
0.6002634167671204
],
[
"emmm",
0.5958442687988281
],
[
"emmmmm",
0.592516303062439
],
[
"阿喵",
0.5918310880661011
],
[
"哈哈哈",
0.590988039970398
],
[
"略略略",
0.590296745300293
],
[
"hhhhhh",
0.5870903730392456
],
[
"微笑脸",
0.5860881209373474
],
[
"tan90°",
0.5825910568237305
],
[
"没毛病",
0.5802331566810608
],
[
"233333",
0.5794929265975952
],
[
"我觉得不行",
0.5762011408805847
],
[
"就酱",
0.5751103162765503
]
],
"word":"ojbk"
}
```

@nieyujiang 哈哈 不知道晚上吃啥就用这个模型推荐

群还在。😄

爱莫能助，赞楼主。

very funny

同病相怜，早点接受 or 攒钱植发。

@yinzhili 发现全部的 repo 已经在 public 组里了，更正了一下配置，已经可以下载了，不过特别慢（可能依赖的 jar 比较多）。

@Aruforce
@lc7029
感谢，这样发布代码的时候会有问题吗
不同 type 的 repo，如: group hosted proxy 也可以加到一组中吗

@quietnight 简单了解了一下，tf serving 应该是足够满足需求的，不过 tf 会比较重。
@littleylv 没关系哈 握抓。


总体来说，大家都推荐用创建多个服务，服务间用 http/rpc 通信。
简单总结一下可能的方案：

1. python web 框架（ flask / django ）+python 机器学习框架 （ sklearn ） + [可选] Java web 框架（ spring boot ）

2. java 机器学习库(dl4j、weka)/自己实现库 + Java web 框架（ spring boot ）

3. tensorflow serving + [可选] Java web 框架（ spring boot ）

4. php + php mod 用 C/C++ 扩展机器学习库


相关的参考：
1. [flask + sklearn]( https://towardsdatascience.com/a-flask-api-for-serving-scikit-learn-models-c8bcdaa41daa)
2. [tensorflow serving]( https://www.tensorflow.org/tfx/serving/serving_basic)

@lihongjie0209 rpc+1，不过可能这里涉及另外一个问题，rpc 还是 http+json
@secsilm +1
@luozic +1
@littleylv 可否详细说说？
@liuxu php 虽然最好还不懂，😄。用 c 做 php 扩展直接实现算法库？

bug

@mxT52CRuqR6o5 会减少一些造轮子！不过又会加一套开发语言以及一堆框架过来。😄。


@Raymon111111 可能我没表述清晰，不是这个问题。