第十一章 女孩的心思（第2页）
虽然客户在这一块并不是专业的，也并不知道计算相似度都有哪些方法，更没有去问凌志打算如何计算，但凌志依然想用深度学习方法来帮助客户准确计算每个公司的相似度。
凌志看着客户发来的每个公司的代表产品，找到了之前自己训练好的一份词向量表，先把产品名用分词工具分词，再对应到词向量表中，最终将两个公司之间的产品所对应的向量进行两两欧氏距离计算，最终一平均得到了每一对公司之间的相似度……
感觉也不复杂，但是不知不觉一天就过去了。凌志整理了一下数据，发给了客户。
“您好，相似度的计算已经搞好了，您看您还满意么？”
过了一会儿，客户回复道：
“[拱手]整理得太细致了，谢谢您。不过您是怎么计算相似度的呢？如果方便的话能不能告诉我一下，我想写进我的介绍推文里。”
“哦哦，其实也不复杂，我用的是词向量计算的，而词向量是用深度学习方法训练出来的……”
凌志仔细地打了一大段文字，大概介绍了一下原理，没有说得太细。
实际上词向量的训练过程是深度神经网络根据词的上下文来推断出来的，比如说，“开心”这个词周围经常出现的词汇与“伤心”就截然不同。
所以深度语义，本质上也是由他的上下文来决定的，这也是凌志大致解释给客户的内容。
至于如何根据上下文推导出词向量，上下文的范围界定到底有多广，凌志就没有细讲，讲了客户也不关心，他只会挑重点说。
“谢谢您哈，对了，其实我这边还有一大批数据需要计算相似度，您能不能教我使用代码呢？这样以后我就不用麻烦您了。”
教代码啊。凌志有些脑壳疼，倒也不是说不行，只不过教不是计算机行业的人运行代码可能会出现各种各样的小问题。但他也没有拒绝，这种需求都是常态，一般客户要了数据之后，如果想要代码，凌志都会免费给他，而且还耐心地教客户安装各种环境。
“也行，我给您发个文档，您先按里面的说明安装一下。”
凌志把以前写好的文档简单改改，发了过去。
过了一会儿。
“不好意思，我这边安装gensim包的时候报错了，……”
“哦哦，那可能是下载源的问题，……”
“这个地址斜杠后面是不是需要空格？……”
客户不断地询问着各种问题，凌志也耐心回答着，最后总算是帮客户搞定了。
“谢谢，麻烦您了。”
“不客气，应该的。”
凌志看看表，该吃晚饭了，反正已经加了客户微信，有什么事再说。
……
晚上7点，凌志拿起自己刚买的《字母表谜案》，准备进入自己的悬疑世界。看了没几页，手机震动了一下。凌志打开手机，发现客户又给自己发了信息：
“不好意思，晚上再打扰您一下，我觉得我之前设计的表格格式不太美观，因为我一开始也没想好，还得麻烦您再帮我排一下版。……”
（）;（） 之后凌志收到了客户发给自己的图例，表示按照这个格式来排版。
倒也不是很麻烦，凌志打开了自己的电脑，开始加班，很快就重新设计好了。
请勿开启浏览器阅读模式，否则将导致章节内容缺失及无法阅读下一章。
快穿之灵愿收集 小纯风 古代人保护区 美漫大妖王 当我吃了饕餮元神以后 乱臣俯首 大片时代 与爱定制爱情 咸鱼女配又成了爽文女主[快穿] 长老今年四岁半 女配逆袭99次：你好，小炮灰 末世之家有萌宝 [西游]狐狸精她只想种田 重生之竹马要青梅 幕后台前 一人之下，天官赐福 我真和你姐离婚了 重生成橘猫 都市之超神岳父 摧毁玛丽苏
炮灰穿越之还是炮灰
北周史上最年轻的丞相娶了北周史上第一个主动和王爷解除婚约的郡主。颇有种，我们相亲相爱就是为民除害的大义。娶了凌缥缈之后，厉行已经可以肯定，之前那个凌缥缈绝对是装的。眼前这一位夫人，她是敢和公主打架，...
网恋以实物为准
日更，下一本预收纪总的猫祁宁和楚云婧从小一起长大，一同上学毕业工作，她们几乎贯穿对方的前半个人生，甚至约定好年老之后一起坐在养老院的院子里晒太阳，存在于彼此深刻的记忆中。一直以来都无话不谈，可某...
我有一本万世书
穿越后，许升脑海中带着一本‘万世书’。其功能是如果许升死掉可以转生投胎到自己的最优质的后代身上一万次。并且，可以带着前世的记忆技能修为。许升一开始的目标是充分散播自身血脉，保证自己万世不灭。后来，他才知道这个世界原来有仙人...