“智能小语1.0七天后正式上线🖭！”朱成🖛很快就看到了顶端的信息🔤。
“暂时推出的软件分个🟋🛣🞐人版和企业版。个人版免费使用，企业版有为期七天的试用期。”
在软件的下方还分别有个🞋简介。个人版对于生活方面的识别会更加精准，而企业版更注重于😱🅊会议，可支持多人同时录入，抗噪音能力也更强，并且还可以选择去口语化，使会议内🈛⚨容更接近书面格式。
网页里面的信息不多，很快朱成就🖭看完了。对于七天后软件的发布十分期待，语音录入可是懒人必备的神器啊，以后估计都不用🇭🛱打字了。
“智能小语，也可以叫语音输入法吧？”
如果不用打字了，是不是意味🗰🟑着键盘也没用了？那笔记本岂不是可以做的更薄？不对，没了键盘不就成了平板么？朱成想到了这一点，感觉自家的电脑城可🞨🖬🕬以多进一些平板电脑了。
在外界因为语音识别而震惊的时候，罗辑所在的机房却只能听到敲键盘的声音。尽管语音识别已经做了出来，但🖯🖇🐣对于写代码而言意义不大。真正能将罗辑从这些繁重的任务中解救出来的只有语义识别！
开发语义识别，就如同罗辑预料🙳🎠💡的那👰样，并不是一块好啃的骨头⚂🎨📥。
更何况是中文体系上的语义识别，这比其它语言要难上几个级别。光是分词这一项🇾🞏，就能让人死掉不少脑细胞。中文不🏚同于单词组成的拉丁🍡文，拉丁文单词间的空格可以大幅度减少电脑的识别难度，而中文却不行。
在中文里面，一句话就有🞋很多意思。别说电脑了，有时候就连人也🗱🞃不好分辨。比如那句著名的“下雨天留客天天留我不留”，在没有标点符号的情况下，它至少有七种意思。对于电脑而言，别说这种地狱级的分词，哪怕是一些人们看来再简单不过的句子也很难分辨。
比如“华科大学生前来应聘”，电脑可能会理解为“华科大学，生前，来应聘🞎📂”。
中文语义识别的第一个难点♮，也可以说是最大的难点便在这里。怎样的分词算法才是最完美的🌃☆？
罗辑在🕅科技树中找到了方案，一种基于统计学模型的算法，📁构建一个三维矩阵，选取概率最高的一个。xy轴是任意两个🄥⛓词语的组合，而z轴则是场景状态，根据语气和语态选取的最佳方案。
“不过这需要联网。”罗辑琢磨了一下，这似乎是目前最好的方案，虽然他的本意是打造一个可用于线下服务的智能，但是以现在的设备存储能🚠🔵🅂力想要存下大量的语料库，根本就是天方夜谭。电脑肯定是不行的，光脑还差不多。
“联网就联🕉🇴🜵网吧，在程序里预留一些常用算法，断网勉♡🌫强也能用。”
解决了第一个问题之后，罗辑又陷入了瓶颈。他蓦然想起中文♡还有🗱🞃一点很蛋疼，那就是没有和英文一样可用于区分人名地名的大小写。
要是仅仅这样也就罢了，关键是有些人的名字起就是一个词语，如果分词🍍程序有智能的话，它一定会把这些人拖出去砍死🄥⛓。比如高峰、汪洋、罗辑……
“这……还是不要砍死了，半残就好。”
罗辑马上停止🗤🝧🍢了抱怨了，再困难也要👰解决不是？☳🃝😵