随着中国改革开放程度的加深，互联网行业也逐渐出现变革，典型的变化就是由原来的低端重复性造轮子，逐步转向高端，以技术创新为主导。一个有力的证明就是近年来以技术驱动的创业公司越来越多，这在10年前是不可想象的。在人才要求上，对工作经验不再那么看重，而更加重视求职者的学历，专业，背景。

在这样的背景下，一些原来传统的互联网大公司，将逐步失去竞争优势。当然事实上也没这么邪火，这个变化是缓慢的，也有许多公司不愿意接受应届硕士，嫌弃他们没有Ai经验。因为他们认为学术界和工业界有鸿沟。但是一些真正以技术创新驱动的Ai公司，更加青睐于高学历，有研发背景的海归。说句实话，目前国内的Ai，能够搞的起来的，也就那么几家而已，其余的都是炒作。一些新兴的Ai创业公司，除了商汤，依图，云从，旷视外，nlp领域并没有出现独角兽。所以重点谈一下nlp。

3月10号北理工举办了一场知识图谱研讨会，与会邀请了9位学术界和工业界的专家。在最后1个小时的问答环节里，有听众向专家提出了这么一个问题：招聘网站要做求职者和jd的匹配度，如何解决这样的问题?专家捣鼓了半天，最后也没给出令人满意的答案来。其实我认为，真正能解决问题的人，还不一定就是这些学术界的专家。都说场景是Ai第一要素，如果一个人整天指望着发论文活着，那么他的思维里，对场景的概念应该是淡化的。迄今为止，见到过的最务实的研发应该数阿里的达摩院了。阿里有真实海量的数据，有明确的落地场景，在这样的背景下砸1000亿搞研发，是比较靠谱的。

之前我有一个观点，那就是研发Ai方案之前，一定要把人类自身对于特定场景的逻辑搞明白了，从中抽象出数学模型出来。然后做现有算法模型与场景的匹配度，如果全都匹配不上，那就在原来的基础上重新整合出的模型出来。但是很遗憾，很多工业界的程序员并没有意识到这个问题，对于一个算法，他的核心从来不是公式推导，而是这个算法是如何产生的，能解决哪些问题，不能解决哪些问题，以及算法的缺陷和改进的方向。说白了，研发就是把握好大的方向，比如深度学习在语义理解中承担什么样的角色？很多学者追捧如何改进seq2seq,论文满天飞，从我的角度来看，这些工作是没有太大的实际意义的。包括机器翻译，单纯依靠NMT也是不切实际的。当然，seq2seq对于描述性的文本，是很好的。对于描述性的文本，深度学习都会发挥很好的效果。原因就是描述性的文本，规则不是很强，更需要向量这种语义表示来做语义相似度运算，这就是场景的问题了。而对于规则性强的场景，翻译就得靠规则和语义相似度替换了，而对于商品标题这类问题，由于大部分标题都是拼凑的，并不是很符合语法，所以用seq2seq效果会很差的，这个时候统计建模就会发挥作用了。

以前面提到的招聘网站jd匹配问题，专家在筛选简历的时候和hr肯定不一样。由于hr不懂技术，在看简历的时候，更多是依靠规则，一条一条地比对，而每条规则的比重是不同的。比如老板要求学历是至高无上的，那么hr在看简历时，往往先看学历，一看不是海归，或者985硕士博士，直接pass掉了。这就基于规则的逻辑，一条一条地看，评分，最后给出综合的印象。而同样的场景，技术专家筛选简历，除了这些规则外，他们会重点关注候选人的技术，自学能力，潜力，尤其是一些描述性的文本，会重点关注。所以往往hr认为不合适的，技术专家反而认为合适。那么，这样的一个场景，很显然我们做模型匹配度的时候，是必须考虑两者的因素的。对于第一因素规则，这些规则其实是有优先级关系的，比如划分为重要，必要，次要三个级别，每个级别对最后综合得分的贡献度不同，也就是权重不同。在人工干预的阶段，把这些规则全都罗列出来做处理。而这些规则会大量出现在结构化的文本中，因为一篇简历，整体会包括结构化的文本和描述性的文本两部分。比如公司的实验室想招聘AI研发人员，那么学历，学校，专业的优先级就是重要的，获奖情况，背景平台是必要的，那么毕业时间等其他因素就是次要的。这些规则的权重不同，最后加权求和得到基于规则的得分。

具体方案如上图所示：其中u为根据规则得到的相似度分数，最后求总分的时候引入平滑系数，是因为两部分的比重在实际中是不同的，需要手动调节。采用MSE作为损失函数。另外在jd中，有的描述，比如能够修改lucene源代码等，如果采用规则，效果会非常差，因为大部分程序员都是仅仅会使用lucene而已。所以简历中出现了lucene,并不代表就合适。

之前有人问过我，他们公司做的抽取，要求抽取出高管，基于规则非常差，准确率只有70%多，不知道怎么解决。一句话，知识图谱是良方。

学会case by case，远比死学算法知识重要，还是那个观点，对于AI算法，推导不是核心。