文章目錄
二洪橘、復(fù)雜一點(diǎn)的ContentBase算法：基于全文搜索引擎
ContentBase指的是以內(nèi)容欢瞪、文本為基礎(chǔ)的挖掘算法挟裂，有簡(jiǎn)單的基于內(nèi)容屬性的匹配，也有復(fù)雜自然語言處理算法号胚，下面分別講述一下。
比如我們按上面協(xié)同過濾的思路計(jì)算的看了又看推薦列表猫胁，根據(jù)一個(gè)商品來推薦相關(guān)或相似的商品，我們也可以用簡(jiǎn)單的內(nèi)容屬性匹配的方式跛锌。這里提出一種簡(jiǎn)單的實(shí)現(xiàn)思路：
把商品信息表都存到Mysql表product里弃秆，字段有這么幾個(gè)：
商品編號(hào)：62216878
商品名稱：秋季女裝連衣裙2019新款
分類：連衣裙
商品編號(hào)：895665218
商品毛重：500.00g
商品產(chǎn)地：中國(guó)大陸
貨號(hào)：LZ1869986
腰型：高腰
廓形：A型
風(fēng)格：優(yōu)雅，性感髓帽，韓版菠赚，百搭，通勤
圖案：碎花郑藏，其它
領(lǐng)型：圓領(lǐng)
流行元素：立體剪裁衡查，印花
組合形式：兩件套
面料：其它
材質(zhì)：聚酯纖維
衣門襟：套頭
適用年齡：25-29周歲
袖型：常規(guī)袖
裙長(zhǎng)：中長(zhǎng)裙
裙型：A字裙
袖長(zhǎng)：短袖
上市時(shí)間：2019年夏季
我們找商品的相似商品的時(shí)候，寫個(gè)簡(jiǎn)單的SQL語句就可以了必盖。代碼如下所示：
select 商品編號(hào) from product where 腰型=‘高腰’ and 領(lǐng)型=‘圓領(lǐng)’ and 材質(zhì)=‘聚酯纖維’ and 分類=‘連衣裙’ limit 36;
這就是最簡(jiǎn)單的根據(jù)內(nèi)容屬性的硬性匹配拌牲，也屬于ContentBase的范疇，只是沒用上高大上的算法而已歌粥。
二塌忽、復(fù)雜一點(diǎn)的ContentBase算法：基于全文搜索引擎
比如我們對(duì)商品名稱做中文分詞，分詞后拆分成幾個(gè)詞失驶，在上面的SQL語句上加上模糊條件土居，代碼如下所示：
SELECT 商品編號(hào) FROM product WHERE 腰型=‘高腰’ AND 領(lǐng)型=‘圓領(lǐng)’ AND 材質(zhì)=‘聚酯纖維’ AND 分類=‘連衣裙’ AND (商品名稱 LIKE ‘%秋季%’ OR 商品名稱 LIKE ‘%女裝%’ OR 商品名稱 LIKE ‘%連衣裙%’ OR商品名稱 LIKE ‘%新款%’) LIMIT 36;
加上這些條件會(huì)比之前會(huì)更精準(zhǔn)一些，但是商品名稱模糊查詢命中的那些商品的順序是沒有規(guī)則的嬉探，是隨機(jī)的擦耀。應(yīng)該是商品名稱里包含秋季、女裝甲馋、連衣裙埂奈、新款這幾個(gè)詞最多的那些商品排在前面，優(yōu)先推薦才對(duì)定躏。這時(shí)候用Mysql無法實(shí)現(xiàn)账磺，這種情況就可以使用搜索引擎來解決了。
我們商品信息表的數(shù)據(jù)都存到Solr或ES的搜索索引里痊远，然后拿上面例子中的商品名稱作為一個(gè)Query大關(guān)鍵詞直接從索引里面做模糊搜索就可以了垮抗。搜索引擎會(huì)算一個(gè)打分，分詞后命中多的文檔會(huì)排在前面去碧聪。
這是基于簡(jiǎn)單的搜索場(chǎng)景冒版，比用Mysql強(qiáng)大了很多。那么現(xiàn)在有一個(gè)問題逞姿，商品名稱比較短辞嗡，作為一個(gè)關(guān)鍵詞去搜索是可以的捆等，但是如果是一篇閱讀類的文章，去找內(nèi)容相似的文章話续室，就不可能把整個(gè)文章的內(nèi)容作為關(guān)鍵詞去搜索栋烤，太長(zhǎng)了。文章內(nèi)容邊幾千字很正常挺狰。這個(gè)時(shí)候就需要對(duì)文章的內(nèi)容做核心的有代表性的關(guān)鍵詞提取明郭，提取幾個(gè)最重要關(guān)鍵詞以空格拼接起來，再去當(dāng)一個(gè)Query大關(guān)鍵詞去搜索就可以了丰泊。下面來講一下提取關(guān)鍵詞的算法薯定。
提取關(guān)鍵詞也有很多種實(shí)現(xiàn)方式瞳购，TextRank话侄、LDA聚類、KMeans聚類等都可以苛败。我們根據(jù)實(shí)際情況選擇一種方式就可以满葛。
1）基于TextRank算法提取文章關(guān)鍵詞
基于TextRank算法提取文章關(guān)鍵詞走Solr搜索引擎計(jì)算文章-to-文章相似推薦列表D径簿，TextRank算法基于PageRank罢屈。
將原文本拆分為句子，在每個(gè)句子中過濾掉停用詞（可選）篇亭，并只保留指定詞性的單詞（可選）缠捌。由此可以得到句子的集合和單詞的集合。
每個(gè)單詞作為pagerank中的一個(gè)節(jié)點(diǎn)译蒂。設(shè)定窗口大小為k曼月，假設(shè)一個(gè)句子依次由下面的單詞組成：
w1, w2, w3, w4, w5, …, wn
w1, w2, …, wk、w2, w3, …,wk+1柔昼、w3, w4, …,wk+2等都是一個(gè)窗口哑芹。在一個(gè)窗口中的任兩個(gè)單詞對(duì)應(yīng)的節(jié)點(diǎn)之間存在一個(gè)無向無權(quán)的邊。
基于上面構(gòu)成圖捕透，可以計(jì)算出每個(gè)單詞節(jié)點(diǎn)的重要性聪姿。最重要的若干單詞可以作為關(guān)鍵詞。
TextRank的代碼實(shí)現(xiàn)給大家推薦一個(gè)開源分詞工具乙嘀，就是HanLP末购。HanLP是由一系列模型與算法組成的工具包，目標(biāo)是普及自然語言處理在生產(chǎn)環(huán)境中的應(yīng)用虎谢。HanLP具備功能完善盟榴、性能高效、架構(gòu)清晰婴噩、語料時(shí)新擎场、可自定義的特點(diǎn)羽德；提供詞法分析（中文分詞、詞性標(biāo)注迅办、命名實(shí)體識(shí)別）玩般、句法分析、文本分類和情感分析等功能礼饱。HanLP已經(jīng)被廣泛用于Lucene坏为、Solr、ElasticSearch镊绪、Hadoop匀伏、Android、Resin等平臺(tái)蝴韭，有大量開源作者開發(fā)各種插件與拓展够颠，并且被包裝或移植到Python、C#榄鉴、R履磨、JavaScript等語言上去。
HanLP已經(jīng)實(shí)現(xiàn)了基于TextRank的關(guān)鍵詞提取算法庆尘，效果非常不錯(cuò)剃诅。我們直接調(diào)用它的API就行了。代碼如下所示：
String content = “程序員(英文Programmer)是從事程序開發(fā)驶忌、維護(hù)的專業(yè)人員矛辕。一般將程序員分為程序設(shè)計(jì)人員和程序編碼人員，但兩者的界限并不非常清楚付魔，特別是在中國(guó)聊品。軟件從業(yè)人員分為初級(jí)程序員、高級(jí)程序員几苍、系統(tǒng)分析員和項(xiàng)目經(jīng)理四大類翻屈。”;
List keywordList = HanLP.extractKeyword(content, 5);
System.out.println(keywordList);
關(guān)鍵詞提取和文本自動(dòng)摘要算法一樣妻坝，HanLP也提供了相應(yīng)的實(shí)現(xiàn)伸眶，代碼如下所示：
String document = “算法可大致分為基本算法、數(shù)據(jù)結(jié)構(gòu)的算法惠勒、數(shù)論算法赚抡、計(jì)算幾何的算法、圖的算法纠屋、動(dòng)態(tài)規(guī)劃以及數(shù)值分析涂臣、加密算法、排序算法、檢索算法赁遗、隨機(jī)化算法署辉、并行算法、厄米變形模型岩四、隨機(jī)森林算法哭尝。\n” +
“算法可以寬泛的分為三類，\n” +
“一剖煌，有限的確定性算法材鹦，這類算法在有限的一段時(shí)間內(nèi)終止。他們可能要花很長(zhǎng)時(shí)間來執(zhí)行指定的任務(wù)耕姊，但仍將在一定的時(shí)間內(nèi)終止桶唐。這類算法得出的結(jié)果常取決于輸入值。\n” +
“二茉兰，有限的非確定算法尤泽，這類算法在有限的時(shí)間內(nèi)終止。然而规脸，對(duì)于一個(gè)（或一些）給定的數(shù)值坯约，算法的結(jié)果并不是唯一的或確定的。\n” +
“三莫鸭，無限的算法闹丐，是那些由于沒有定義終止定義條件，或定義的條件無法由輸入的數(shù)據(jù)滿足而不終止運(yùn)行的算法黔龟。通常妇智，無限算法的產(chǎn)生是由于未能確定的定義終止條件滥玷∈仙恚”;
List sentenceList = HanLP.extractSummary(document, 3);
System.out.println(sentenceList);
2）基于LDA潛在狄利克雷分配模型算法提取文章關(guān)鍵詞
基于LDA潛在狄利克雷分配模型算法提取文章關(guān)鍵詞走Solr搜索引擎計(jì)算文章-to-文章相似推薦列表。
LDA（Latent Dirichlet Allocation）是一種文檔主題生成模型惑畴，也稱為一個(gè)三層貝葉斯概率模型蛋欣，包含詞、主題和文檔三層結(jié)構(gòu)如贷。所謂生成模型陷虎，就是說，我們認(rèn)為一篇文章的每個(gè)詞都是通過“以一定概率選擇了某個(gè)主題杠袱，并從這個(gè)主題中以一定概率選擇某個(gè)詞語”這樣一個(gè)過程得到尚猿。文檔到主題服從多項(xiàng)式分布，主題到詞服從多項(xiàng)式分布楣富。
LDA是一種非監(jiān)督機(jī)器學(xué)習(xí)技術(shù)凿掂，可以用來識(shí)別大規(guī)模文檔集（document collection）或語料庫(kù)（corpus）中潛藏的主題信息。它采用了詞袋（bag of words）的方法，這種方法將每一篇文檔視為一個(gè)詞頻向量庄萎，從而將文本信息轉(zhuǎn)化為了易于建模的數(shù)字信息踪少。但是詞袋方法沒有考慮詞與詞之間的順序，這簡(jiǎn)化了問題的復(fù)雜性糠涛，同時(shí)也為模型的改進(jìn)提供了契機(jī)援奢。每一篇文檔代表了一些主題所構(gòu)成的一個(gè)概率分布，而每一個(gè)主題又代表了很多單詞所構(gòu)成的一個(gè)概率分布忍捡。
3）k-means聚類提取關(guān)鍵詞
k均值聚類算法（k-means clustering algorithm）是一種迭代求解的聚類分析算法集漾，其步驟是隨機(jī)選取K個(gè)對(duì)象作為初始的聚類中心，然后計(jì)算每個(gè)對(duì)象與各個(gè)種子聚類中心之間的距離砸脊，把每個(gè)對(duì)象分配給距離它最近的聚類中心帆竹。聚類中心以及分配給它們的對(duì)象就代表一個(gè)聚類。每分配一個(gè)樣本脓规，聚類的聚類中心會(huì)根據(jù)聚類中現(xiàn)有的對(duì)象被重新計(jì)算栽连。這個(gè)過程將不斷重復(fù)直到滿足某個(gè)終止條件。終止條件可以是沒有（或最小數(shù)目）對(duì)象被重新分配給不同的聚類侨舆，沒有（或最小數(shù)目）聚類中心再發(fā)生變化秒紧，誤差平方和局部最小。
提取關(guān)鍵詞后挨下，后面無非還是走的相關(guān)度搜索熔恢。但有些場(chǎng)景簡(jiǎn)單的相關(guān)度搜索不滿足我們的需求，我們需要更復(fù)雜的搜索算法臭笆。這個(gè)時(shí)候我們就需要自定義排序函數(shù)了叙淌。Solr和ES都支持自定排序插件開發(fā)
4）自定義排序函數(shù)
不管是標(biāo)題和內(nèi)容的相似，更多的是文本的比較愁铺，常見的有余弦相似度鹰霍、字符串編輯距離等，設(shè)計(jì)到語義的還有語義相似度茵乱，當(dāng)然實(shí)際場(chǎng)景比如電商的商品還會(huì)考慮到商品銷量茂洒、上架時(shí)間等等多種因素，這種情況是自定義的綜合排序瓶竭。
（1）余弦相似度計(jì)算文章相似推薦列表
余弦相似度督勺，又稱為余弦相似性。計(jì)算文本相似度斤贰，通過計(jì)算兩個(gè)向量的夾角余弦值來評(píng)估它們的相似度智哀。
將向量根據(jù)坐標(biāo)值，繪制到向量空間中荧恍。如最常見的二維空間瓷叫。
求得它們的夾角，并得出夾角對(duì)應(yīng)的余弦值，此余弦值就可以用來表征赞辩，這兩個(gè)向量的相似性雌芽。夾角越小，余弦值越接近于1辨嗽，它們的方向更加吻合世落，則越相似。
（2）字符串編輯距離算法計(jì)算文章相似推薦列表
編輯距離糟需，又稱Levenshtein距離屉佳，是指兩個(gè)字串之間，由一個(gè)轉(zhuǎn)成另一個(gè)所需的最少編輯操作次數(shù)洲押。許可的編輯操作包括將一個(gè)字符替換成另一個(gè)字符武花，插入一個(gè)字符，刪除一個(gè)字符杈帐。
（3）語義相似度
詞語相似度計(jì)算在自然語言處理体箕、智能檢索、文本聚類挑童、文本分類累铅、自動(dòng)應(yīng)答、詞義排歧和機(jī)器翻譯等領(lǐng)域都有廣泛的應(yīng)用,它是自然語言的基礎(chǔ)研究課題,正在被越來越多的研究人員所關(guān)注站叼。
我們使用的詞語相似度算法是基于同義詞詞林娃兽。根據(jù)同義詞詞林的編排及語義特點(diǎn)計(jì)算兩個(gè)詞語之間的相似度。
同義詞詞林按照樹狀的層次結(jié)構(gòu)把所有收錄的詞條組織到一起,把詞匯分成大尽楔、中投储、小3類,大類有12個(gè),中類有97個(gè),小類有1400個(gè)。每個(gè)小類里都有很多的詞,這些詞又根據(jù)詞義的遠(yuǎn)近和相關(guān)性分成了若干個(gè)詞群(段落)阔馋。每個(gè)段落中的詞語又進(jìn)一步分成了若干個(gè)行,同一行的詞語要么詞義相同(有的詞義十分接近),要么詞義有很強(qiáng)的相關(guān)性玛荞。例如, 大豆!、 毛豆!和 黃豆!在同一行; 西紅柿!和 番茄!在同一行; 大家!垦缅、 大伙兒!冲泥、 大家伙兒!在同一行。另外, 將官!壁涎、 校官!、 尉官!在同一行, 雇農(nóng)!志秃、 貧農(nóng)!怔球、 下中農(nóng)!、 中農(nóng)!浮还、 上中農(nóng)!竟坛、 富農(nóng)!在同一行, 外商!、 官商!、 坐商!担汤、 私商!也在同一行,這些詞不同義,但很相關(guān)。
同義詞詞林詞典分類采用層級(jí)體系,具備5層結(jié)構(gòu),隨著級(jí)別的遞增,詞義刻畫越來越細(xì),到了第5層,每個(gè)分類里詞語數(shù)量已經(jīng)不大,很多只有一個(gè)詞語,已經(jīng)不可再分,可以稱為原子詞群、原子類或原子節(jié)點(diǎn)骤宣。不同級(jí)別的分類結(jié)果可以為自然語言處理提供不同的服務(wù),例如第4層的分類和第5層 的分類在信息檢索温数、文本分類、自動(dòng)問答等研究領(lǐng)域得到應(yīng)用率碾。研究證明,對(duì)詞義進(jìn)行有效擴(kuò)展,或?qū)﹃P(guān)鍵詞做同義詞替換可以明顯改善信息檢索叔营、文本分類和自動(dòng)問答系統(tǒng)的性能。
以同義詞詞林作為語義相似的一個(gè)基礎(chǔ)所宰，判斷兩段文本的語義相似度比較簡(jiǎn)單的方式可以對(duì)內(nèi)容使用TextRank算法提取核心關(guān)鍵詞绒尊，然后分別計(jì)算關(guān)鍵詞和關(guān)鍵詞的語義相似度，然后按加權(quán)平均值法得到總的相似度分值仔粥。
5）綜合排序
其實(shí)在電商或者其他網(wǎng)站都會(huì)有一個(gè)綜合排序婴谱、相關(guān)度排序、價(jià)格排序等等躯泰。綜合排序是最復(fù)雜的勘究，融合了很多種算法和因素進(jìn)去，比如銷量斟冕、新品口糕、和用戶畫像個(gè)性化相關(guān)的因素等，算出一個(gè)總的打分磕蛇。
除了人工智能推薦算法系統(tǒng)實(shí)戰(zhàn)之contentbase文本挖掘算法策略?https://ke.qq.com/course/483552?flowToken=1028978
其它深度學(xué)習(xí)框架也有不錯(cuò)的開源實(shí)現(xiàn)景描，比如MXNet，后面請(qǐng)大家關(guān)注充電了么app秀撇，課程超棺，微信群，更多內(nèi)容請(qǐng)看新書《分布式機(jī)器學(xué)習(xí)實(shí)戰(zhàn)（人工智能科學(xué)與技術(shù)叢書）》
【新書介紹】
《分布式機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》（人工智能科學(xué)與技術(shù)叢書）【陳敬雷編著】【清華大學(xué)出版社】https://item.jd.com/12743009.html
新書特色：深入淺出呵燕，逐步講解分布式機(jī)器學(xué)習(xí)的框架及應(yīng)用配套個(gè)性化推薦算法系統(tǒng)棠绘、人臉識(shí)別、對(duì)話機(jī)器人等實(shí)戰(zhàn)項(xiàng)目
【新書介紹視頻】
分布式機(jī)器學(xué)習(xí)實(shí)戰(zhàn)（人工智能科學(xué)與技術(shù)叢書）新書【陳敬雷】https://ke.qq.com/course/3067704?flowToken=1029963
視頻特色：重點(diǎn)對(duì)新書進(jìn)行介紹再扭，最新前沿技術(shù)熱點(diǎn)剖析氧苍，技術(shù)職業(yè)規(guī)劃建議！聽完此課你對(duì)人工智能領(lǐng)域?qū)⒂幸粋€(gè)嶄新的技術(shù)視野泛范！職業(yè)發(fā)展也將有更加清晰的認(rèn)識(shí)让虐！
【精品課程】
《分布式機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》大數(shù)據(jù)人工智能AI專家級(jí)精品課程https://ke.qq.com/course/393750?flowToken=1028919
【免費(fèi)體驗(yàn)視頻】
人工智能百萬年薪成長(zhǎng)路線/從Python到最新熱點(diǎn)技術(shù)https://ke.qq.com/course/package/31251?flowToken=1029962
從Python編程零基礎(chǔ)小白入門到人工智能高級(jí)實(shí)戰(zhàn)系列課
https://ke.qq.com/course/package/29782?flowToken=1028733
視頻特色：本系列專家級(jí)精品課有對(duì)應(yīng)的配套書籍《分布式機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》，精品課和書籍可以互補(bǔ)式學(xué)習(xí)罢荡，彼此相互補(bǔ)充赡突，大大提高了學(xué)習(xí)效率对扶。本系列課和書籍是以分布式機(jī)器學(xué)習(xí)為主線，并對(duì)其依賴的大數(shù)據(jù)技術(shù)做了詳細(xì)介紹惭缰，之后對(duì)目前主流的分布式機(jī)器學(xué)習(xí)框架和算法進(jìn)行重點(diǎn)講解浪南，本系列課和書籍側(cè)重實(shí)戰(zhàn)，最后講幾個(gè)工業(yè)級(jí)的系統(tǒng)實(shí)戰(zhàn)項(xiàng)目給大家漱受。課程核心內(nèi)容有互聯(lián)網(wǎng)公司大數(shù)據(jù)和人工智能那些事络凿、大數(shù)據(jù)算法系統(tǒng)架構(gòu)、大數(shù)據(jù)基礎(chǔ)拜效、Python編程喷众、Java編程、Scala編程紧憾、Docker容器到千、Mahout分布式機(jī)器學(xué)習(xí)平臺(tái)、Spark分布式機(jī)器學(xué)習(xí)平臺(tái)赴穗、分布式深度學(xué)習(xí)框架和神經(jīng)網(wǎng)絡(luò)算法憔四、自然語言處理算法、工業(yè)級(jí)完整系統(tǒng)實(shí)戰(zhàn)（推薦算法系統(tǒng)實(shí)戰(zhàn)般眉、人臉識(shí)別實(shí)戰(zhàn)了赵、對(duì)話機(jī)器人實(shí)戰(zhàn)）、就業(yè)/面試技巧/職業(yè)生涯規(guī)劃/職業(yè)晉升指導(dǎo)等內(nèi)容甸赃。
【充電了么App】
本書在充電了么App里有對(duì)應(yīng)的視頻課程柿汛，更多學(xué)習(xí)資源也可以通過下載充電了么App客戶端，也可以從各大應(yīng)用商店里搜索“充電了么”自行下載埠对。充電了么是專注上班族職業(yè)技能提升的在線教育平臺(tái)络断。這里有海量免費(fèi)課程，在這里你可以學(xué)習(xí)牛人的實(shí)際工作經(jīng)驗(yàn)项玛，也能夠大幅提升職業(yè)技能貌笨，提高工作效率，帶來經(jīng)濟(jì)效益襟沮！除了陳敬雷老師的課以外锥惋，還有上千萬好課免費(fèi)分享。全都在充電了么App上开伏。充電了么APP是專注上班族職業(yè)培訓(xùn)充電學(xué)習(xí)的在線教育平臺(tái)膀跌。各大安卓商店和蘋果App Store搜索“充電了么”即可下載。按照下圖輸入網(wǎng)址也可以下載哦~
充電了么官網(wǎng)：http://www.chongdianleme.com/
充電了么App官網(wǎng)下載地址：https://a.app.qq.com/o/simple.jsp?pkgname=com.charged.app
功能特色如下：
【全行業(yè)職位】 - 專注職場(chǎng)上班族職業(yè)技能提升
覆蓋所有行業(yè)和職位硅则，不管你是上班族淹父，高管，還是創(chuàng)業(yè)都有你要學(xué)習(xí)的視頻和文章怎虫。其中大數(shù)據(jù)智能AI暑认、區(qū)塊鏈、深度學(xué)習(xí)是互聯(lián)網(wǎng)一線工業(yè)級(jí)的實(shí)戰(zhàn)經(jīng)驗(yàn)大审。
除了專業(yè)技能學(xué)習(xí)蘸际，還有通用職場(chǎng)技能，比如企業(yè)管理徒扶、股權(quán)激勵(lì)和設(shè)計(jì)粮彤、職業(yè)生涯規(guī)劃、社交禮儀姜骡、溝通技巧导坟、演講技巧、開會(huì)技巧圈澈、發(fā)郵件技巧惫周、工作壓力如何放松、人脈關(guān)系等等康栈，全方位提高你的專業(yè)水平和整體素質(zhì)递递。
【牛人課堂】 - 學(xué)習(xí)牛人的工作經(jīng)驗(yàn)
1.智能個(gè)性化引擎：
海量視頻課程，覆蓋所有行業(yè)啥么、所有職位登舞，通過不同行業(yè)職位的技能詞偏好挖掘分析，智能匹配你目前職位最感興趣的技能學(xué)習(xí)課程悬荣。
2.聽課全網(wǎng)搜索
輸入關(guān)鍵詞搜索海量視頻課程菠秒，應(yīng)有盡有，總有適合你的課程氯迂。
3.聽課播放詳情
視頻播放詳情践叠，除了播放當(dāng)前視頻，更有相關(guān)視頻課程和文章閱讀囚戚，對(duì)某個(gè)技能知識(shí)點(diǎn)強(qiáng)化酵熙，讓你輕松成為某個(gè)領(lǐng)域的資深專家。
【精品閱讀】 - 技能文章興趣閱讀
1.個(gè)性化閱讀引擎：
千萬級(jí)文章閱讀驰坊，覆蓋所有行業(yè)匾二、所有職位，通過不同行業(yè)職位的技能詞偏好挖掘分析拳芙，智能匹配你目前職位最感興趣的技能學(xué)習(xí)文章察藐。
2.閱讀全網(wǎng)搜索
輸入關(guān)鍵詞搜索海量文章閱讀，應(yīng)有盡有舟扎，總有你感興趣的技能學(xué)習(xí)文章分飞。
【機(jī)器人老師】 - 個(gè)人提升趣味學(xué)習(xí)
基于搜索引擎和智能深度學(xué)習(xí)訓(xùn)練，為您打造更懂你的機(jī)器人老師睹限，用自然語言和機(jī)器人老師聊天學(xué)習(xí)譬猫，寓教于樂讯檐，高效學(xué)習(xí)，快樂人生染服。
【精短課程】 - 高效學(xué)習(xí)知識(shí)
海量精短牛人課程别洪，滿足你的時(shí)間碎片化學(xué)習(xí)，快速提高某個(gè)技能知識(shí)點(diǎn)柳刮。
