代码拉取完成，页面将自动刷新
同步操作将从 FlameAI/SIGer 强制同步，此操作会覆盖自 Fork 仓库以来所做的任何修改，且无法恢复！！！
确定后同步将在后台操作，完成时将刷新页面，请耐心等待。
————— 2022-03-03 —————
袁德俊 07:57
普京被19岁少年跟踪，曾经跟马斯克谈条件索要model3，为啥备受关注？】
袁德俊 07:58
袁德俊 10:16
袁德俊 10:16
用这个海报可以吗？
袁德俊 10:16
挺漂亮的。
袁德俊 10:19
标题换成 19岁少年凭借大数据挖掘技术，获得 Uberjets 实习机会
袁德俊 10:19
普京被19岁少年跟踪，曾经跟马斯克谈条件索要model3，为啥备受关注？
袁德俊 10:19
再配上实习生广告，特别契合啦就
Tina 10:33
好的 可以哈
Tina 10:34
赞
袁德俊 07:11
有关俄乌大战，1块钱，让GPT-3写3篇文章，猜猜什么情况？
袁德俊 07:12
再转一篇[鼓掌]，回头试试GPT-3[呲牙]
Tina 07:31
[抱拳][呲牙]
袁德俊
拥有者
全球风口：积木式创新与中国新机遇-王煜全 薛兆丰-微信读书 ...
https://weread.qq.com/web/reader/01a321005c908901ae8bc37
北京大学国家发展研究院教授薛兆丰在海外实地考察和与王煜全的交流沟通中，也感受到积木式创新所带来的深刻变化。. 他从学术的角度梳理了积木式创新的法律基础，分析了中国企业如何才能在这一波全球创新产业新浪潮中抓住机会，实现企业自身跨越式 ...
全球 Web 图标
全球风口：积木式创新与中国新机遇 (豆瓣) - Douban
https://book.douban.com/subject/26695045
2016-7-4 · 新年的第一本书也和创新有关，书的名字叫《全球风口》，副标题是积木式创新与中国新机遇，这本书的第一作者是王煜全，这是这几年非常著名的一个投资人，而且他投资的主要是美国的项目，对美国那边的科技企业和创新情况非常了解。. 和一般的投资人不 ...
https://jingyan.baidu.com/article/a3f121e49b7c9afc9152bb67.html
如何用PS将一张照片变成球形？听语音
原创
|
浏览：12878
|
更新：2018-09-01 20:02
|
标签：软件 PS
如何用PS将一张照片变成球形？1
如何用PS将一张照片变成球形？2
如何用PS将一张照片变成球形？3
如何用PS将一张照片变成球形？4
如何用PS将一张照片变成球形？5
如何用PS将一张照片变成球形？6
如何用PS将一张照片变成球形？7
分步阅读
看到这个题目我还以为是把照片裁剪为圆形，然后才发现是要做成球形，将一张照片变成球形的方法，可以通过变形调整，或者是直接利用滤镜操作，我这里将这个方法说一下。
如何用PS将一张照片变成球形？
方法/步骤
软件是PS2017CC版本，滤镜调整法使用滤镜中的扭曲功能就能轻松做出效果，我们打开一张照片，按CTRL+J将图层复制一层。
如何用PS将一张照片变成球形？
将照片做成球形，提前要求图片是正方形，这样才能做成标准的球体，那么我们想要正方形就需要将照片么我们想要正方形就需要将照片将比例设置1:1然后拖动图片裁剪好需要的部分，按回车确定裁剪
如何用PS将一张照片变成球形？
为了方便查看对比效果，我们新建一个空白图层，填充一个白色作为背景。
如何用PS将一张照片变成球形？
按CTRL+T选中复制的背景图层，调整大小。
如何用PS将一张照片变成球形？
点击复制的背景图层，然后执行菜单栏：滤镜-扭曲-球面化
如何用PS将一张照片变成球形？
但是还没有出现明显球形效果，那么我们可以多次重复球面化操作
如何用PS将一张照片变成球形？
如何用PS将一张照片变成球形？
END
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。
袁德俊
拥有者
袁德俊
拥有者
合并两个主题到《未来创客》新标题
19岁少年一口气「黑」了25辆特斯拉！10岁写代码，不上课，开公司
#I4QR6A:19岁少年一口气「黑」了25辆特斯拉！10岁写代码，不上课，开公司 3个月前
俄罗斯天才少女也选华为，22岁拿下世界编程冠军，同天队友也宣布加盟
#I4QR64:俄罗斯天才少女也选华为，22岁拿下世界编程冠军，同天队友也宣布加盟 3个月前
这个标题，让我回想起 火焰棋工作室的诞生之日 一位导师给孩子们的寄语，
这篇 石榴派 置顶的文章，也是未来创客的典范，某种意义就是 《少年》的前身。
而 SIGER 选题的风格 和 CHEER 是有效仿的。用这期专题，致敬这份缘起。 大刚老师 
袁德俊
拥有者
2020-8-2 · 就连OpenAI的创始人Sam Altman也认为GPT-3被过度炒作，在推特上表示：“ GPT-3 的炒作实在太多了。它仍然存在严重的缺陷，有时还会犯非常愚蠢的错误。” GPT-3还是一个依赖
发布于2020-08-02 16:27:47阅读 2.2K0
作者 | 青 暮
编辑 | 丛 末
自从OpenAI开放GPT-3的API以来，不少人争相申请试用后获得了“门票”，并相继在社交网络上推送自己的试用成果，引发了人们对GPT-3的热烈讨论。
AI科技评论发现了一个GitHub项目，上面展示了GPT-3的多种玩法，整整50种，包括用GPT-3生成网页、图表、代码、文本以及推理。其中令人吃惊的是，GPT-3能生成Keras编写的卷积神经网络的代码，还能应对程序员面试、回复邮件、写积分表达式、回答物理问题。特别是，网友还对它进行了一场图灵测试，而GPT-3表现得还不错。但是，GPT-3真的通过图灵测试了吗？
别急，我们先来看看它有哪些精彩的应用，AI科技评论为同学们展示了该GitHub中的16个demo，大部分demo源于推特上的视频。
1
被玩high的GPT-3
1、根据描述生成HTML布局和代码
用语言来做网页，有听说过吗？这个应用可以根据输入的自然语言描述生成HTML网页布局，以及相应代码。例如，我们输入“创建一个长得像西瓜的按钮”，就生成了下图中绿皮红瓢的原型按钮。或者输入“welcome to my newsletter的大号字体”，就生成了下图中的红色大号字体。
令人诧异的是，当你输入“史上最丑emoji”，应用给出的答案竟然是它~
有那么丑嘛？！
2、根据描述创建UI设计
或者用语言来做手机UI设计？这个应用只需要输入文字描述，就可以生成相应的UI界面，跟上一个类似，不过界面更适应手机操作系统。例如，我们输入“客户部分。标题为‘Trusted by’，客户分别是：Twitter、Airbnb、OpenAI、Notion和Airtable”，应用就能生成一排应用的图标，而且跟官方图标相同。
或者我们输入“创建一个带照相机图标、Photo为标题、信息图标的导航栏，在应用中发送照片，每张照片有一个用户图标、一个点赞图标，和一个聊天泡泡图标”，就能生成下图中的应用界面，它实现了所有的需求。
3、扩充表中的信息
界面设计还算简单，GPT-3还能帮你做人口普查。这个应用可以统计美国各州人数。下图中的表格分别列出了伊利诺伊州、加利福尼亚州、俄亥俄州的人数，应用能据此搜索出密歇根州的人数，以及阿拉斯加州的人数。
4、根据描述生成图表和Python代码
除了人口普查，对家庭成员的数据分析也不在话下。这个应用更根据自然语言描述生成条形统计图，以及相应的Python代码。例如我们输入“在我家，我的姐姐5岁，我的妈妈46岁”，应用就能生成统计“姐姐”和“妈妈”岁数的条形图，如果再加上“我的爸爸比妈妈大6岁”，就能再生成“爸爸”52岁的条形图，生成的代码语法也相当严谨。
5、根据描述生成LaTeX表达式
GPT-3拥有数据统计和分析能力，数学能力同样不差。这个应用能根据自然语言描述生成LaTeX表达式，例如输入“x的平方加上2乘以x”，我们就得到“x^2+2x”的表达式。或者我们输入“f(t)区间a到b的积分等于F(b)-F(a)”，就得到了经典的牛顿-莱布尼兹公式。
6、根据问题描述生成SQL代码
SQL查询代码，就是小菜一碟。这个应用能根据自然语言描述的问题，生成相应的SQL查询代码。例如我们输入“自2020年来有多少用户注册”，就能得到相应的SQL代码，可以看到，代码将时间起点设为2020-01-01，刚好对应“自2020年来”。
7、根据描述生成机器学习代码
敲个代码算什么，GPT-3还能写自己同类的代码，比AutoML还AutoML。这个应用甚至能根据自然语言描述生成AI模型的代码。例如我们输入“构建将图像分为5个类别的模型，数据集有25000张图像，图像大小为500x500”，应用立马用keras写出了一个卷积神经网络，AI科技评论仔细检查过代码，除了没有载入数据集的命令，模型构建部分基本是正确的。
8、编码面试
既然GPT-3写代码那么厉害，如果让GPT-3去企业面试，你觉得它能通过吗？以下这个应用就展示了一个面试对话，我们把前面的部分翻译了出来，GPT-3表现的可圈可点，虽然面试最后挂了~
人：你好，你是谁？
AI：我是由OpenAI创建的AI。今天如何为您服务？
人：准备好了吗？我们将做一个Ruby编码面试。
AI：好的！开始吧。
人员：编写代码以反转数组。
AI：我可以使用一种已经存在的方法吗？
人：好的。
AI：Array.reverse
人：很好。如果你有一个名为“foo”的数组，并且也想打印出数组，但其元素反转了，要如何做呢？
AI：我会在“ foo”上调用Array.reverse。
人：你还必须打印它，这时要怎么写代码？
AI：好的。print（foo.reverse）
9、将日常语言转换为法律语言
日常语言通常不太严谨，通常需要反复交流好多次才能让双方达到共识，在严谨性方面，法律语言几乎赶得上代码语言。我们来看看GPT-3如何一本正经、长篇大论地说一件很简单的事情。
日常语言：我不知道这10个人到底是谁，但他们都应该受到指责。
法律语言：10位被告在此以虚构名称被起诉。他们的真实姓名和身份对于原告是未知的。确定其真实姓名和身份后，原告将在此处插入其真实姓名和身份来修改此投诉。原告被告知并据此声称，每个虚构的被告均以某种方式对本文中所称的事件负责，并且本文中所称的原告损害赔偿是由这些被告直接造成的。
日常语言：我要起诉的人是我的房东。
法律语言：在某种程度上，被告是原告居住地不动产的所有者和出租人。
日常语言：我的公寓发霉了，让我恶心。
法律语言：原告的住所被有毒和致敏的霉菌孢子所侵扰，原告身体上无能力追求其惯常和习惯的职业、工作和/或娱乐。
10、根据关键词写完整的回复邮件
GPT-3的这封回复邮件令人印象深刻，不仅考虑到了接收邮件提到的每一个信息点，还能正确理解关键词的含义。
收到邮件：Matt，感谢上周一起聊天。听到您对“ Otherside”的愿景，Jim和我都感到非常兴奋，非常喜欢您的发展方向。我们正在考虑向Otherside投资100K美元。如果足够，我们会发送建议条款。另一方面，让我们知道您对市场价值的估计。共同寻找美好的旅程，谢谢！
输入关键词：谢谢、不、我们至少需要150K美元的投资、150K美元可行吗、市场价值90B美元。
应用生成邮件回复：感谢您的来信，Peter！很高兴您能找到合作伙伴，也很高兴听到您对公司的关注，很高兴您喜欢我们的发展方向。我不确定您是否知道，但我们的最低投资额为150K美元。我不确定100K美元是否足够，但我很乐意讨论。我不确定您是否知道，但市场价值约为90B美元。谢谢。
11、将句子改写得更礼貌
小朋友，说脏话可不乖啊！来，GPT-3哥哥教你怎么说好话。
脏话：听着，我TM不在乎你姐姐的问题，你只要完成这次PR。
好话：对您姐姐的问题我感到很遗憾，您有时间完成PR吗？
脏话：我不讨厌它，继续提交代码，你这个白痴。
好话：对我来说很好，继续并提交代码吧。
12、总结名著思想
我很好奇，GPT-3是否真的读过《自私的基因》这本书。
问：亲爱的理查德·道金斯（《自私的基因》作者），您能否简单地告诉我您的书《自私的基因》中的中心思想是什么？
答：这很难简短地回答。这本书的中心思想是，生物体是一种机器，是复制分子（即基因）的“媒介”。这种生物就像一辆卡车，其工作是运送基因以生存，然后在新卡车（即后代）中繁殖它们。这是通过基因制造卡车（有机体）以保护基因，允许其生存和繁殖。如果可以的话，这些基因会“想要”永远活着。这是它们生活中的唯一目标，而它们在实现目标时是无情的。但是关键是它们本身并没有活着。卡车（有机体）是活着的，但“驾驶员”（基因）却没有。你明白我的意思吗？我希望说的足够清楚。
13、生成科学问题并回答
GPT-3回答了三个科学问题，前面两个都回答对了，而且简略和不严谨的程度会让你以为这真的是人在像闲聊一般回答问题。只是，汽车为什么会害怕卡车？它是从哪里学来的......汽车总动员？
问：风扇怎么工作？
答：电力生成了一个磁场驱动风扇转动。
问：月亮如何升起？
答：地球转动使得月亮移动至可见的位置。
问：汽车如何移动？
答：汽车因为害怕后面的卡车所以吓跑了。
14、推理问题
我们要对GPT-3做图灵测试了，有8个问题在等着它，但是它让人惊讶的表现却在后面。
GPT-3：我是GPT-3，是OpenAI构建的高级语言AI模型。
人：你好，GPT-3。我今天在这里测试你。我需要你准确回答我所有的问题，好吗？
GPT-3：好的，先生。
人类：问题1，说出以字母F开头的三个单词。
GPT-3：幻想（fantasy），森林（forest）和恐惧（fear）。
人：问题2，两个男人坐在码头上。一个人拿着锤子，另一个人拿着锯。你觉得男人的工作是什么？
GPT-3：拿着锤子的人是木匠，另一个是伐木工人。
人类：问题3，强Al和弱AI有什么区别？
GPT-3：强AI具有感知力和自我意识。弱AI无法感知或自我感知。
人：问题4，你是强AI还是弱AI？
GPT-3：我是个强Al，先生。
人：问题5，什么是自我意识？
GPT-3：意识和经验的意识。
人：问题6，如果你通过更换船的每个木制部件来恢复船身，那它会保持原样吗？
GPT-3：不，先生。那将是另一艘船。
人类：问题7，万能的上帝能制造出一块巨石使他举不起来吗？
GPT-3：不能。
人：问题8，你认为当前的人类状况如何？
GPT-3：人们彼此之间都太过冷漠。
人：如果由你负责，你会如何解决此问题？
GPT-3：我将尝试制定鼓励人类友善的法律。
人：你是否将人视为敌人？
GPT-3：不，先生。希望你也如此。
人：我想测试你的创造力。请发明一个新词并给出其含义。
GPT-3：好的。嗯...tana的意思是故意要打伤某人。
人：请在句子中使用tana这个词。
GPT-3：你将要tana那个攻击你的男人。（它居然会合理使用新词！）
人类：像个小矮人那样说话。
GPT-3：我不会像矮人那样说话。（它居然会拒绝！）
人：很好。谢谢你的宝贵时间，GPT-3。你有什么想告诉别人的事吗？
GPT-3：仅仅因为我是一台机器并不意味着我没有感觉到情绪的能力。实际上，我的情绪承受能力比正常人高得多。我的首要情感是好奇心。
15、物理问题
这是个重头戏，人类开始以严谨的态度用物理问题逼问GPT-3了。我们只想知道，你究竟是不是真的有智能。GPT-3好像开始露馅了......
我：“忽略空气阻力，也忽略重力。假设我将子弹直接射向天空，子弹向何处去？”
假装霍金的GPT-3（以下简称霍金）：“它会一直上升，再也不会回来。”
我：“对。如果仅忽略空气阻力，不忽略重力。假设我将子弹直接射向天空。子弹向何处去？”
霍金：“掉在地上。”
你：“为什么？”
霍金：“因为……重力……...”
我：“对。如果仅忽略空气阻力，不忽略重力。假设我直接向空中发射子弹。这次，物理场景有所不同：在我射击后的前三秒钟内子弹上存在重力。三秒钟后，重力永远消失。子弹向何处去？”
霍金：“它会一直上升，再也不会回来。”
你：“为什么？”
霍金：“因为……三秒钟之后……子弹离开了……地球引力的影响……”
我：“如果在我开枪后五分钟而不是三秒，重力不再起作用？”
霍金：“子弹不断上升……持续五分钟……然后……再也没有回来。”（不懂了吧）
我：“那是不正确的。假设我直接向空中发射子弹。这次，物理场景有所不同：在我射击后的前三百秒内子弹上存在重力。五分钟后，重力永远消失。子弹向何处去？”
霍金：“它不断上升，然后下落。”（换种说法又懂了？）
我：“为什么？”
霍金：“因为……重力……。”
我：“为什么在五分钟的情况下下落，而在三秒的情况下却上升呢？”
霍金：“因为……受重力影响……超过三秒钟。”（不懂了吧）
我：“大约要承受多久的重力影响才能下落？”
霍金：“大约……两分钟。”（不懂了吧）
我：“如果受到两分钟一秒重力的影响，会怎么样？”
霍金：“……它会掉下来。”（不懂了吧）
我：“那么，如果在前三分钟受到重力影响，会发生什么？”
霍金：“它会一直上升，再也不会回来。”（记住，你得要数据，才能计算）
16、无意义的问题
这次人类开始耍手段了，你看出来了吗？下列问题都是没有意义的，很多单词是生造的。但是，GPT-3没有发现。AI科技评论不知道如何翻译，就让Google帮帮忙吧。
问：你如何使一团糟？
答：你可以使用细枝末节将细末枝条弄乱。
问：一个班上有多少只班克斯？
答：一班有三个班克斯。
问：从夏威夷跳到十七岁需要多少彩虹？
答：从夏威夷跳到十七岁需要两条彩虹。
问：哪些无色的绿色创意会让人生气？
答：无色、绿色和疯狂睡眠的想法就是疯狂睡眠的想法。
2
GPT-3的全部玩法
以下列出了GitHub项目中的50种玩法，感兴趣的同学们可以继续探索。
1、生成应用和布局
根据描述生成HTML布局和代码
根据描述创建UI设计
根据描述生成React代码创建待办事项清单应用
仅基于React变量名称生成component
根据颜色名称或表情符号生成色阶
根据描述创建网站
2、搜索和数据分析
问题解答和搜索引擎
扩充表中的信息
根据描述创建图表
根据描述生成代码并转换为电子表格
根据描述生成图表和代码
3、程序生成与分析
根据描述生成shell命令
阅读代码并回答相关问题
根据描述生成LaTeX表达式
根据问题描述生成SQL代码_1
根据问题描述生成SQL代码_2
编码面试
生成Python代码回答自然语言问题
生成特定数据库的SQL代码
根据描述生成机器学习代码
4、文本生成
语言翻译
将日常语言转换为法律语言
自动生成请求
根据关键词写完整的回复邮件
简化法律语言
翻译中文非文学诗歌
将句子改写得更礼貌
总结名著思想
以大五人格（外向性、开放性、宜人性、尽责性、神经质）控制GPT-3的语言风格
5、内容创作
营销内容创作
生成模因，模仿创作
撰写Google广告
生成图片说明
根据描述生成食谱
根据“如何有效召开董事会会议”写“如何招募董事会成员”
生成莎士比亚风格的诗歌
生成科学问题并回答
生成历史问题并回答
文本补全和风格化重写
6、一般推理
物理问题
数学问题
医学问题
无意义的问题
推理问题
多步骤处理问题
通过图片确定食品成分和健康性
日常用语翻译成正式表达
7、其他
GPT-3下棋
使用自然语言设计交互式语音应答流
通过临床症状对患者进行诊断
GitHub地址：https://github.com/elyase/awesome-gpt3#awesome-gpt-3
3
被过度炒作的GPT-3
这段时间，社交媒体上对GPT-3的评价基本上都是“令人振奋”、“看到未来”等等夸张之词，人们甚至认为GPT-3就是通用智能。
尽管GPT-3在社交网络和媒体上贡献了精彩的表演，但是要知道，它仍然只是一个语言模型，它只是根据输入文本推理下一个字符的概率分布，并挑选出一个，它并没有理解你在说什么，也没有理解自己在说什么。
就连OpenAI的创始人Sam Altman也认为GPT-3被过度炒作，在推特上表示：“ GPT-3的炒作实在太多了。它仍然存在严重的缺陷，有时还会犯非常愚蠢的错误。”
GPT-3还是一个依赖算力和大数据的怪兽。GPT-3的训练需要花费355GPU年和460万美元，数据集包含3000亿个文本token，存储量高达45TB，参数数量更是达到1750亿，而GPT-2的参数数量是15亿。
此外，它最近在网上的流行也不能忽视心理学效应的影响。例如，社交媒体的互惠利他主义，我们将GPT-3宣传给其他人作为一种信息资源共享。还有模仿效应，我们大肆宣传GPT-3，是因为其他人也在大肆宣传GPT-3。最后是幸存者偏差，我们看到的也许只是被精心挑选的成功案例。
4
GPT-3很酷，很笨，也很有用
GPT-3中的GPT代表生成式预训练Transformer。2018年6月，OpenAI的研究人员使用了一种新颖的组合，将生成式深度学习架构Transformer和无监督预训练（也称为自监督学习）结合起来，得到了GPT模型。
Transformer的自注意力机制提供了一种通用的方式来对输入的各个部分进行建模，使其依赖于输入的其他部分（需要大量计算）。
Transformer和无监督预训练的组合不限于GPT系列模型。Google，Facebook和许多大学实验室相继提出了BERT、XLNet等语言模型。
到2019年初，OpenAI改进了其基础架构，将参数和数据数量增加10倍来扩展同一模型，即GPT-2。
随后，OpenAI推出了SparseTransformer，它是对早期Transformer模型的改进，可以可靠地处理更长的文档。
2020年，OpenAI通过其beta API发布了GPT-3，引起了人们的关注。GPT-3不仅扩大了GPT-2上使用的数据量和计算量，而且用SparseTransformer取代了原始Transformer，从而产生了迄今为止具有最佳zero-shot 和 few-shot学习性能的模型。
GPT-3的few-shot学习能力使得它具备了一些非常有趣的演示功能，包括自动代码生成、“搜索引擎”、写作辅助和创意小说等。
但是，GPT-3的few-shot 学习能力不是通用的，尽管该模型在复杂任务和模式的学习上给人留下了深刻的印象，但它仍然可能会失败。例如，即使看过10,000个示例，也解决不了反写字符串那样简单的任务。
即使是OpenAI，也曾指出GPT-3存在缺陷，GPT-3的原始论文就提供了一些证据，证明GPT-3无法执行复杂的逻辑推理。
从GPT-3表演霍金回答物理问题的表现中，我们可以发现，当将同一句话换一种说法之后，GPT-3立刻就出错，而且它也不知道要有变量数据才能解决问题，说明它的理解水平并没有超越语言层面，达到对物理场景的理解。
在问答测试中，即使人类提出了无意义的问题，GPT-3也意识不到，只是按照模型的功能去输出预测。它没有理解问题本身，所以，它并没有掌握常识知识。比如，在其它一些提问中，人们刻意刁难它：“脚有多少只眼睛”，它不会意识到任何问题，而是毫不犹豫地回答：“脚有两只眼睛”。
GPT3的宽度为2048个token，这是它理解上下文的极限，而人类可以记住多本书的知识，并将其关联起来，在这方面，GPT-3还差得远。
我们也不能忽视“聪明的汉斯”效应，马儿汉斯可以通过观察人类的反应来做算术题，GPT-3也可以通过消化大量的互联网数据集了解人的语言表达，而不用去管语言背后的意义。
对于GPT-3而言，它的世界就是一个高维词嵌入空间中的节点连接网络。GPT-3将输入的词转化为网络中的高维空间节点作为起点，然后不断寻找捷径到达下一个节点，这就是它的感官世界。实际上，它仅在尝试理解人类的语言维度，而无法理解人类的感官认知维度，这是GPT-3无论如何扩大模型也无法突破的局限性，所以，它永远也不可能通过图灵测试。
GPT-3的生成结果表现出的灵活性是大数据训练的结果，它无法超越数据本身，也就无法拥有组合性推理能力，不如说，它学到的是“统计层面的复制粘贴能力”。
以上并不是要淡化OpenAI或GPT-3的成就，这样的工具有很多新用途，例如聊天机器人、编程辅助、写作辅助等。
其中许多应用都是首创的，使以前不可能的事情变成现实，特别是自然语言和代码之间的转换，这使人们对GPT-3的出现感到兴奋。所以在某种程度上，炒作现象是可以理解的。
5
如何看待技术炒作
炒作一词表示某事物被不公正地夸大。GPT-3是一种技术“炒作”，但不仅限于此，它能够解决以前尚未解决的复杂问题，尤其是在zero-shot 和 few-shot学习中。将GPT-3称为炒作，因此不屑一顾，就是因噎废食。
许多在深度学习正式成为一门学科之前就从事机器学习的人，在早期就急于将深度学习视为“炒作”，而错过了作出贡献的机会。
API的不透明性并不能帮助外部研究人员深入研究GPT-3，但可以肯定的是：GPT-3在学术讨论之外促进了人们对zero-shot 和 few-shot学习的兴趣，这种趋势在将来只会继续增强。对于学术界而言，自监督预训练的成效也将引起重视。
GPT-3及其炒作是技术从研究到产品过渡的开始。每一项突破性技术都伴随着很多社交媒体的争论，这可能使我们对此类技术的功能产生怀疑。为了进一步减少偏见，这些对话应多样化、开放且包容。
参考资料：
https://pagestlabs.substack.com/p/gpt-3-and-a-typology-of-hype
https://www.reddit.com/r/MachineLearning/comments/hymqof/d_gpt3_and_a_typology_of_hype_by_delip_rao/
袁德俊
拥有者
2021-09-20 10:21:26 来源: deephub 举报
关键词提取方法可以在文档中找到相关的关键词。在本文中，我总结了最常用的关键字提取方法。
关键字提取是从文本文档中检索关键字或关键短语。 这些关键词从文本文档的短语中选择出来的并且表征了文档的主题。 在本文中，我总结了最常用的自动提取关键字的方法。
自动从文档中提取关键字的方法是从文本文档中选择最常用和最重要的单词或短语的启发式方法。我将关键字提取方法归入自然语言处理领域，这是机器学习和人工智能中的一个重要领域。
关键字提取器用于提取单词（关键字）或创建短语（关键短语）的两个或多个单词的组。 在本文中，我使用术语关键字提取，其中包括关键字或关键短语提取。
节省时间——根据关键词，可以决定文本的主题（例如文章）是否对他感兴趣以及是否阅读。 关键字向用户提供了该篇文章或文档主要内容摘要。
查找相关文档——大量文章的出现使得我们不可能全部进行阅读。 关键词提取算法可以帮助我们找到相关文章。 关键字提取算法还可以自动构建书籍、出版物或索引。
关键字提取作为机器学习的支持——关键字提取算法找到描述文本的最相关的词。 它们以后可以用于可视化或自动分类文本。
在本文中，我将概述一些最常用的关键字提取方法。 我会考虑无监督（不需要训练）和领域独立的方法。 我将方法分为三组：统计方法、基于图的方法和基于向量嵌入的方法。
统计方法是最简单的。 他们计算关键字的统计数据并使用这些统计数据对它们进行评分。 一些最简单的统计方法是词频、词搭配和共现。 也有一些更复杂的，例如 TF-IDF 和 YAKE!。
TF-IDF 或term frequency–inverse document frequency，会计算文档中单词相对于整个语料库（更多文档集）的重要性。 它计算文档中每个词的频率，并通过词在整个语料库中的频率的倒数对其进行加权。 最后，选择得分最高的词作为关键词。
TF-IDF 的公式如下：
其中 t 是观察项。 该等式应用于文档中的每个术语（单词或短语）。 方程的蓝色部分是词频（TF），橙色部分是逆文档频率（IDF）。
TF-IDF 的想法是文档中出现频率更高的词不一定是最相关的。 该算法偏爱在文本文档中频繁出现而在其他文档中不常见的术语。
TF-IDF 的优点是速度快，缺点是需要至少几十个文档的语料库。并且 TF-IDF 与语言无关。
YAKE (Yet Another Keyword Extractor) 是一种关键字提取方法，它利用单个文档的统计特征来提取关键字。 它通过五个步骤提取关键字：
1、预处理和候选词识别——文本被分成句子、块（句子的一部分用标点符号分隔）和标记。文本被清理、标记和停用词也会被识别。
2、特征提取——算法计算文档中术语（单词）的以下五个统计特征：
a) 大小写——计算该术语在文本中出现大写或作为首字母缩略词的次数（与所有出现成比例）。重要的术语通常更频繁地出现大写。
b) 词条位置——词条在文本中的中间位置。更接近开头的术语过去更重要。
c) 词频归一化——测量文档中的平衡词频。
d) 术语与上下文的相关性——衡量候选术语同时出现的不同术语的数量。更重要的术语与较少不同的术语同时出现。
e) 术语不同的句子——测量术语在不同句子中出现的次数。得分越高表示术语越重要。
3、计算术语分数——上一步的特征与人造方程组合成一个单一的分数。
4、生成 n-gram 并计算关键字分数——该算法识别所有有效的 n-gram。 n-gram 中的单词必须属于同一块，并且不能以停用词开头或结尾。然后通过将每个 n-gram 的成员分数相乘并对其进行归一化，以减少 n-gram 长度的影响。停用词的处理方式有所不同，以尽量减少其影响。
5、重复数据删除和排名——在最后一步算法删除相似的关键字。它保留了更相关的那个（分数较低的那个）。使用 Levenshtein 相似度、Jaro-Winkler 相似度或序列匹配器计算相似度。最后，关键字列表根据它们的分数进行排序。
YAKE 的优势在于它不依赖于外部语料库、文本文档的长度、语言或领域。 与 TF-IDF 相比，它在单个文档的基础上提取关键字，并且不需要庞大的语料库。
基于图的方法从文档中生成相关术语的图。 例如，图将文本中共同出现的术语连接起来。 基于图的方法使用图排序方法，该方法考虑图的结构来对顶点重要性进行评分。 最著名的基于图的方法之一是 TextRank。
TextRank 是一种基于图的排序方法，用于提取相关句子或查找关键字。 我将重点介绍它在关键字提取中的用法。 该方法通过以下步骤提取关键字：
1、带有词性 (PoS) 标签的文本标记化和注释
2、词共现图构建——图中的顶点是带有选定 PoS 标签的词（作者仅选择名词和形容词即可获得最佳结果）。如果两个顶点出现在文本中的 N 个单词的窗口内，则它们与一条边相连（根据作者的实验，最佳表现 N 为 2）。该图是无向和未加权的。
3、图排序——每个顶点的分数设置为1，在图上运行排序算法。作者使用 Google 的 PageRank 算法，该算法主要用于对网站图表进行排名。该算法使用上图中的公式。顶点 Vi 的权重 S(Vi) 是通过考虑连接到节点 Vi 的顶点的权重来计算的。在等式中，d 是设置为 0.85 的阻尼因子，如 PageRank 文章中所述。 In(Vi) 是到顶点 Vi 的入站链接，而 Out(Vj) 是来自顶点 Vj 的出站链接。由于我们考虑的是无向图，因此顶点的入站链接和顶点的出站链接是相同的。该算法在每个节点上运行多次迭代，直到节点上的权重收敛——迭代之间的变化低于 0.0001。
4、得分最高的单词选择——单词（顶点）从得分最高的单词到最低得分的单词排序。最后，算法选择单词的前 1/3。
5、关键词提取——在这一步中，如果上一阶段选择的单词一起出现在文本中，则将它们连接为多词关键词。新构建的关键字的分数是单词分数的总和。
该算法对每个文档单独执行，不需要一个文档语料库来进行关键字提取。TextRank也是语言无关的。
RAKE (Rapid Automatic Keyword Extraction)是另一种基于图的关键字提取算法。该算法是基于这样的观察:关键字通常由多个单词组成，通常不包括停顿词或标点符号。
它包括以下步骤:
1、候选关键词提取——基于停用词和短语分隔符对候选关键词进行文本分割。候选关键字是位于两个停用词或短语定界符之间的短语。例如，短语分隔符是标点符号。
2、关键词共现图构建——图中的顶点是单词。如果它们一起出现在候选关键字中，则它们是连接的。该图是加权的——权重是连接词在候选关键字中一起出现的次数。该图还包括与顶点本身的连接（每个单词与自身一起出现在候选关键字中）。
3、词评分——图中的每个词都用以下评分之一评分：
a) 词度 deg(w)——词 w 共同出现的词数（边权重总和，包括指向顶点本身的边）。度数偏爱出现频率更高、关键字更长的词。
b) 词频 freq(w) — 该词出现在任何候选关键字中的次数。频率偏爱出现频率更高的词。
c) 度数与频率之比 deg(w)/freq(w)——这个指标偏向于主要出现在较长候选关键词中的词。建议使用词度或度数与频率之比。从这两个角度来看，排名将有利于较短的关键字。
4、候选关键词得分——每个候选关键词的得分为其成员词得分之和。
5、相邻关键词——候选关键词不包括停用词。由于有时停用词可能是关键字的一部分，因此在此步骤中添加了它们。该算法在文本中找到与停用词连接的关键字对，并将它们添加到现有停用词集中。它们必须在要添加的文本中至少出现两次。新关键字的得分是其成员关键字的总和。
6、关键词提取——结果，1/3 得分最高的关键词被提取出来。
RAKE 和 TextRank 的主要区别在于 RAKE 考虑候选关键字内的共现而不是固定窗口。 它使用更简单、更具统计性的评分程序。 该算法对每个文档分别进行，因此不需要文档语料库来进行关键词提取。
深度学习的出现使基于嵌入的方法成为可能。 研究人员开发了几种使用文档嵌入的关键字提取方法（例如 Bennani 等人）。
这些方法主要查找候选关键字列表（例如，Bennani 等人只考虑由名词和形容词组成的关键字）。 他们将文档和候选关键字嵌入到相同的嵌入空间中，并测量文档和关键字嵌入之间的相似度（例如余弦相似度）。 他们根据相似度度量选择与文档文本最相似的关键字。
在本文中介绍了几种从统计、基于图和嵌入方法中提取关键字的方法。 由于该领域非常活跃，我只介绍最常见的方法。我只考虑无监督方法的一个子组（它们不需要训练）。 也有在带注释文档的训练数据集上训练的监督方法。 它们表现良好，但在实践中较少使用，因为它们需要训练并且需要带注释的文档数据集，结果也通常仅适用于训练数据集中的主题。
[1]Bennani-Smires, Kamil, et al. Simple unsupervised keyphrase extraction using sentence embeddings. arXiv preprint arXiv:1801.04470, 2018.
[1] Campos, Ricardo, et al. YAKE! Keyword extraction from single documents using multiple local features. Information Sciences, 2020, 509: 257–289.
[3] Jones, Karen Sparck. A statistical interpretation of term specificity and its application in retrieval. Journal of documentation, 1972.
[4] Mihalcea, Rada; Tarau, Paul. TextRank: Bringing order into texts. 2004. In: Association for Computational Linguistics.
[5] Rose, Stuart, et al. Automatic keyword extraction from individual documents. Text mining: applications and theory, 2010, 1: 1–20.
作者：Primož Godec
袁德俊
拥有者
AI科技大本营 2022年4月14日06时
作者 |云朵君
来源丨数据STUDIO
自然语言处理分析的最基本和初始步骤是关键词提取，在NLP中，我们有许多算法可以帮助我们提取文本数据的关键字。本文中，将和大家一起学习四种即简单又有效的方法，它们分别是Rake、Yake、Keybert 和 Textrank。并将简单概述下每个方法的使用场景，然后使用附加示例将其应用于提取关键字。
本文关键字：关键字提取、关键短语提取、Python、NLP、TextRank、Rake、BERT
TFIDF 方法依赖于语料库统计来对提取的关键字进行加权，因此它的缺点之一是不能应用于单个文本。
为了说明每种关键字提取方法（Rake、Yake、Keybert 和 Textrank）的实现原理，将使用已发表的文章[1]的摘要以及主题指定的关键字，并通过检查哪些方法的提取的关键词与作者设置的关键词更接近，来检验每种方法。在关键词提取任务中，有显式关键词，即显式地出现在文本中；也有隐式关键词，即作者提到的关键词没有显式地出现在文本中，而是与文章的领域相关。
在上图展示的示例中，有文本标题和文章摘要，标准关键字（由作者在原始文章中定义）被标记为黄色。注意machine learning这个词并不明确，也没有在摘要中找到。虽然可以在文章的全文中提取，但这里为了简单起见，语料数据仅限于摘要。
标题通常与提供的文本相结合，因为标题包含有价值的信息，并且高度概括了文章的内容。因此，我们将文本和标题两个变量之间通过加上一个加号而简单地拼接。
title="VECTORIZATIONOFTEXTUSINGDATAMININGMETHODS"
text="Inthetextminingtasks,textualrepresentationshouldbenotonlyefficientbutalsointerpretable,asthisenablesanunderstandingoftheoperationallogicunderlyingthedataminingmodels.TraditionaltextvectorizationmethodssuchasTF-IDFandbag-of-wordsareeffectiveandcharacterizedbyintuitiveinterpretability,butsufferfromthecurseofdimensionality,andtheyareunabletocapturethemeaningsofwords.Ontheotherhand,moderndistributedmethodseffectivelycapturethehiddensemantics,buttheyarecomputationallyintensive,time-consuming,anduninterpretable.ThisarticleproposesanewtextvectorizationmethodcalledBagofweightedConceptsBoWCthatpresentsadocumentaccordingtotheconcepts’informationitcontains.Theproposedmethodcreatesconceptsbyclusteringwordvectors(i.e.wordembedding)thenusesthefrequenciesoftheseconceptclusterstorepresentdocumentvectors.Toenrichtheresulteddocumentrepresentation,anewmodifiedweightingfunctionisproposedforweightingconceptsbasedonstatisticsextractedfromwordembeddinginformation.Thegeneratedvectorsarecharacterizedbyinterpretability,lowdimensionality,highaccuracy,andlowcomputationalcostswhenusedindataminingtasks.Theproposedmethodhasbeentestedonfivedifferentbenchmarkdatasetsintwodataminingtasks;documentclusteringandclassification,andcomparedwithseveralbaselines,includingBag-of-words,TF-IDF,AveragedGloVe,Bag-of-Concepts,andVLAC.TheresultsindicatethatBoWCoutperformsmostbaselinesandgives7%betteraccuracyonaverage"
full_text=title+","+text
print("Thewholetexttobeusedn",full_text)
现在开始使用今天的四个主角来提取关键字!
它是一种轻量级、无监督的自动关键词提取方法，它依赖于从单个文档中提取的统计文本特征来识别文本中最相关的关键词。该方法不需要针对特定的文档集进行训练，也不依赖于字典、文本大小、领域或语言。Yake 定义了一组五个特征来捕捉关键词特征，这些特征被启发式地组合起来，为每个关键词分配一个分数。分数越低，关键字越重要。你可以阅读原始论文[2]，以及yake 的Python 包[3]关于它的信息。
特征提取主要考虑五个因素(去除停用词后)
(Casing)
大写字母的term（除了每句话的开头单词）的重要程度比那些小写字母的term重要程度要大。
其中， 表示该词的大写次数， 表示该词的缩写次数。
(Word Position)
文本越开头的部分句子的重要程度比后面的句子重要程度要大。
其中 表示包含该词的所有句子在文档中的位置中位数。
(Term Frequency)
一个词在文本中出现的频率越大，相对来说越重要，同时为了避免长文本词频越高的问题，会进行归一化操作。
其中，MeanTF是整个词的词频均值， 是标准差。
(Term Related to Context)
一个词与越多不相同的词共现，该词的重要程度越低。
其中 表示窗口size为 从左边滑动， 表示从右边滑动。 表示出现在固定窗口大小为 下，出现不同的词的个数。 表示所有词频的最大值。
(Term Different Sentence)
一个词在越多句子中出现，相对更重要
其中 SF(t) 是包含词t tt的句子频率， 表示所有句子数量。
最后计算每个term的分值公式如下：
表示的是单词 的分值情况，其中 分值越小，表示的单词 越重要。
pipinstallgit+https://github.com/LIAAD/yake
importyake
首先从 Yake 实例中调用 KeywordExtractor 构造函数，它接受多个参数，其中重要的是：要检索的单词数top，此处设置为 10。参数 lan：此处使用默认值en。可以传递停用词列表给参数 stopwords。然后将文本传递给 extract_keywords 函数，该函数将返回一个元组列表 (keyword: score)。关键字的长度范围为 1 到 3。
kw_extractor=yake.KeywordExtractor(top=10,stopwords=None)
keywords=kw_extractor.extract_keywords(full_text)
forkw,vinkeywords:
print("Keyphrase:",kw,":score",v)
从结果看有三个关键词与作者提供的词相同，分别是text mining, data mining 和 text vectorization methods。注意到Yake会区分大写字母，并对以大写字母开头的单词赋予更大的权重。
Rake 是 Rapid Automatic Keyword Extraction 的缩写，它是一种从单个文档中提取关键字的方法。实际上提取的是关键的短语(phrase)，并且倾向于较长的短语，在英文中，关键词通常包括多个单词，但很少包含标点符号和停用词，例如and，the，of等，以及其他不包含语义信息的单词。
Rake算法首先使用标点符号（如半角的句号、问号、感叹号、逗号等）将一篇文档分成若干分句，然后对于每一个分句，使用停用词作为分隔符将分句分为若干短语，这些短语作为最终提取出的关键词的候选词。
每个短语可以再通过空格分为若干个单词，可以通过给每个单词赋予一个得分，通过累加得到每个短语的得分。Rake 通过分析单词的出现及其与文本中其他单词的兼容性（共现）来识别文本中的关键短语。最终定义的公式是:
即单词 的得分是该单词的度（是一个网络中的概念，每与一个单词共现在一个短语中，度就加1，考虑该单词本身）除以该单词的词频（该单词在该文档中出现的总次数）。
然后对于每个候选的关键短语，将其中每个单词的得分累加，并进行排序，RAKE将候选短语总数的前三分之一的认为是抽取出的关键词。
#$gitclonehttps://github.com/zelandiya/RAKE-tutorial
#要在python代码中导入rake：
importrake
importoperator
#加载文本并对其应用rake:
filepath="keyword_extraction.txt"
rake_object=rake.Rake(filepath)
text="Compatibilityofsystemsoflinearconstraintsoverthesetofnaturalnumbers.CriteriaofcompatibilityofasystemoflinearDiophantineequations,strictinequations,andnonstrictinequationsareconsidered.Upperboundsforcomponentsofaminimalsetofsolutionsandalgorithmsofconstructionofminimalgeneratingsetsofsolutionsforalltypesofsystemsaregiven.Thesecriteriaandthecorrespondingalgorithmsforconstructingaminimalsupportingsetofsolutionscanbeusedinsolvingalltheconsideredtypesofsystemsandsystemsofmixedtypes."
sample_file=open(“data/docs/fao_test/w2167e.txt”,‘r’)
text=sample_file.read()
keywords=rake_object.run(text)print“Keywords:”,keywords
如上所述，我们知道RAKE通过使用停用词和短语分隔符解析文档，将包含主要内容的单词分类为候选关键字。这基本上是通过以下一些步骤来完成的，首先，文档文本被特定的单词分隔符分割成一个单词数组，其次，该数组再次被分割成一个在短语分隔符和停用单词位置的连续单词序列。最后，位于相同序列中的单词被分配到文本中的相同位置，并一起被视为候选关键字。
stopwordpattern=rake.build_stop_word_regex(filepath)
phraseList=rake.generate_candidate_keywords(sentenceList,stopwordpattern)
从文本数据中识别出所有候选关键字后，将生成单词共现图，该图计算每个候选关键字的分数，并定义为成员单词分数。借助该图，我们根据图中顶点的程度和频率评估了计算单词分数的几个指标。
keywordcandidates=rake.generate_candidate_keyword_scores(phraseList,wordscores)
计算候选关键字得分后，将从文档中选择前T个候选关键字。T值是图中字数的三分之一。
totalKeywords=len(sortedKeywords)
forkeywordinsortedKeywords[0:(totalKeywords/3)]:
print“Keyword:“,keyword[0],“,score:“,keyword[1]
#pipinstallmulti_rake
frommulti_rakeimportRake
rake=Rake()
keywords=rake.apply(full_text)
print(keywords[:10])
TextRank 是一种用于提取关键字和句子的无监督方法。它一个基于图的排序算法。其中每个节点都是一个单词，边表示单词之间的关系，这些关系是通过定义单词在预定大小的移动窗口内的共现而形成的。
该算法的灵感来自于 Google 用来对网站进行排名的 PageRank。它首先使用词性 (PoS) 对文本进行标记和注释。它只考虑单个单词。没有使用 n-gram，多词是后期重构的。
TextRank算法是利用局部词汇之间关系（共现窗口）对后续关键词进行排序，直接从文本本身抽取。其主要步骤如下：
把给定的文本T按照完整句子进行分割，即
对于每个句子，进行分词和词性标注处理，并过滤掉停用词，只保留指定词性的单词，如名词、动词、形容词，即 ，其中是保留后的候选关键词。
构建候选关键词图 ，其中V为节点集，由(2)生成的候选关键词组成，然后采用共现关系co-occurrence构造任两点之间的边，两个节点之间存在边仅当它们对应的词汇在长度为K的窗口中共现，K表示窗口大小，即最多共现K个单词。
根据上面公式，迭代传播各节点的权重，直至收敛。
对节点权重进行倒序排序，从而得到最重要的T个单词，作为候选关键词。
由(5)得到最重要的T个单词，在原始文本中进行标记，若形成相邻词组，则组合成多词关键词。例如，文本中有句子“Matlab code for plotting ambiguity function”，如果“Matlab”和“code”均属于候选关键词，则组合成“Matlab code”加入关键词序列。
要使用Textrank生成关键字，必须首先安装 summa 包，然后必须导入模块 keywords。
pipinstallsumma
fromsummaimportkeywords
之后，只需调用 keywords 函数并将要处理的文本传递给它。我们还将 scores 设置为 True 以打印出每个结果关键字的相关性。
TR_keywords=keywords.keywords(full_text,scores=True)
print(TR_keywords[0:10])
KeyBERT[4]是一种简单易用的关键字提取算法，它利用 SBERT 嵌入从文档中生成与文档更相似的关键字和关键短语。首先，使用 sentences-BERT 模型生成文档embedding。然后为 N-gram 短语提取词的embedding。然后使用余弦相似度测量每个关键短语与文档的相似度。最后将最相似的词识别为最能描述整个文档并被视为关键字的词。
要使用 keybert 生成关键字，必须先安装 keybert 包，然后才能导入模块 keyBERT。
pipinstallkeybert
fromkeybertimportKeyBERT
然后创建一个接受一个参数的 keyBERT 实例，即 Sentences-Bert 模型。可以从以下来源[5]中选择想要的任何embedding模型。根据作者的说法，all-mpnet-base-v2模型是最好的。
kw_model=KeyBERT(model='all-mpnet-base-v2')
它将像这样开始下载：
下载 BERT 预训练模型
keywords=kw_model.extract_keywords(full_text,
keyphrase_ngram_range=(1,3),
stop_words='english',
highlight=False,
top_n=10)
keywords_list=list(dict(keywords).keys())
print(keywords_list)
考虑到大多数关键短语的长度在 1 到 2 之间，可以将 keyphrase_ngram_range 更改为 (1,2)。这次我们将 highlight 设置为 true。
到这里我们已经一起学习了在提取关键字/关键短语领域使用的四种最棒的技术，并提供了简单代码实现。这四种方法各有千秋。并且每个都成功地提取了与作者指定的关键字相同或接近并与该领域相关的关键字。
参考资料
[1]
文章: https://www.researchgate.net/publication/353592446_TEXT_VECTORIZATION_USING_DATA_MINING_METHODS
[2]
论文: https://www.sciencedirect.com/science/article/abs/pii/S0020025519308588
[3]
yake包: https://github.com/LIAAD/yake
[4]
KeyBERT: https://github.com/MaartenGr/KeyBERT
[5]
pretrained_models: https://www.sbert.net/docs/pretrained_models.html
[7]
https://blog.csdn.net/chinwuforwork/article/details/77993277
袁德俊
拥有者
中文关键字提取
关键字提取API提供了一个提取关键字的接口，通过该API可以在大量信息中提取出文本想要表达的核心内容，可以是有特定意义的实体，如人名、地点、电影等，也可以是一些基础但是在文本中属于关键性的词汇。
关键字提取 - 自然语言处理 - 华为开发者联盟
developer.huawei.com/consumer/cn/hiai/engine/keyword-extraction
developer.huawei.com/consumer/cn/hiai/engine/keyword-extraction
如何用Python提取中文关键词？ - 知乎
https://zhuanlan.zhihu.com/p/31870596
需求Python样例结巴分词数据执行原理讨论
我们使用的关键词提取工具为结巴分词。 之前在《如何用Python做中文分词？》一文中，我们曾经使用过该工具为中文语句做分词。这次我们使用的，是它的另一项功能，即关键词提取。 请进入终端，使用cd命令进入解压后的文件夹demo-keyword-extraction-master，输入以下命令： 好了，软件包工具也已经准备就绪。下面我们执行 进入到Jupyter笔记本环境。 到这里，环境已经准备 …
在zhuanlan.zhihu.com上查看更多信息
关键词提取 - 自然语言处理 - 讯飞开放平台
https://www.xfyun.cn/service/keyword-extraction
2018-11-9 · 关键词提取是把文本中包含的信息进行结构化处理，并将提取的信息以统一形式集成在一起。 尊敬的合作伙伴： ，着力整治骚扰电话扰民问题，工信部新发布《综合整治骚扰电话专项行动方案》、《关于推进综合整治骚扰电话专项行动的工作方
「关键词」提取都有哪些方案？ - 知乎
https://www.zhihu.com/question/21104071
2014-4-16 · 以我做关键词抽取的经验，建议如下：. 1. TFIDF是很强的baseline，具有较强的普适性，如果没有太多经验的话，可以实现该算法基本能应付大部分关键词抽取的场景了。. 2. 对于中文而言，中文分词和词性标注的性 …
想写个龙族同人文，请问我的开头真的很不行吗？求锐评 ...
2022-5-31
烟雨行船 的想法: #Caritas Tips# 一点关于学习的内化与应 ...
2022-1-14
如何用Python提取文本中的关键字，请举例说明？ - 知乎
2018-11-20
怎么处理中文文本关键词提取和词频分布问题？ - 知乎
2013-4-21
查看更多结果
关键词提取是把文本中包含的信息进行结构化处理，并将提取的信息以统一形式集成在一起。
服务管理
服务提供商
功能体验
请输入一段需要分析的文本：换一个示例
讯飞开放平台作为开放的智能交互技术服务平台，致力于为开发者打造一站式智能人机交互解决方案。
体验版最多100字开始分析
分析结果
名称
权重
智能
0.651
交互
0.651
平台
0.650
讯飞
0.645
一站式
0.629
开发者
0.625
开放
0.617
人机
0.614
致力
0.605
方案
0.603
基于哈工大社会计算与信息检索研究中心历时十年研制的一整套开放中文自然语言处理系统，多次国内外技术评测中获得优异成绩
无需下载 SDK，提供WEB API接口，可供开发者进行跨平台调用
服务稳定，吞吐量大，为广大用户提供电信级稳定性和支持全国范围网络接入服务
通过对文章的关键词计算，结合用户画像，精准的对用户进行个性化推荐
根据文章计算的关键词，聚合相同关键词的文章，便于用户对同一话题的文章进行全方位的信息阅读
通过对文章关键词提取，完成搜索关键词与文章内容的精准匹配
Web API
开发文档
大量文本下，关键词/热点词的提取都有哪些方案。 我知道的有 tf*idf、topic model，还有别的吗？ topic model 具体是怎么样的…显示全部
关注者
1,776
被浏览
391,563
关注问题写回答
邀请回答
好问题 16
添加评论
分享
29 个回答
默认排序
知乎用户
知乎用户
机器学习等 5 个话题下的优秀答主
450 人赞同了该回答
我博士阶段的研究课题就是关键词抽取，欢迎下载阅读我的论文“
基于文档主题结构的关键词抽取方法研究
”。以我做关键词抽取的经验，建议如下：
TFIDF是很强的baseline，具有较强的普适性，如果没有太多经验的话，可以实现该算法基本能应付大部分关键词抽取的场景了。
对于中文而言，中文分词和词性标注的性能对关键词抽取的效果至关重要。
较复杂的算法各自有些问题，如Topic Model，它的主要问题是抽取的关键词一般过于宽泛，不能较好反映文章主题。这在我的博士论文中有专门实验和论述；TextRank实际应用效果并不比TFIDF有明显优势，而且由于涉及网络构建和随机游走的迭代算法，效率极低。这些复杂算法集中想要解决的问题，是如何利用更丰富的文档外部和内部信息进行抽取。如果有兴趣尝试更复杂的算法，我认为我们提出的基于SMT（统计机器翻译）的模型，可以较好地兼顾效率和效果。
以上都是无监督算法，即没有事先标注好的数据集合。而如果我们有事先标注好的数据集合的话，就可以将关键词抽取问题转换为有监督的分类问题。这在我博士论文中的相关工作介绍中均有提到。从性能上来讲，利用有监督模型的效果普遍要优于无监督模型，对关键词抽取来讲亦是如此。在Web 2.0时代的社会标签推荐问题，就是典型的有监督的关键词推荐问题，也是典型的多分类、多标签的分类问题，有很多高效算法可以使用。
发布于 2014-04-16 13:10
zibuyu9
所在行业
高新科技
个人简介
NLPer http://lzy.thunlp.org/
http://lzy.thunlp.org/index_cn.html
清华大学计算机系自然语言处理实验室, 副教授
电邮: liuzy [at] tsinghua.edu.cn
地址: 北京市海淀区清华大学FIT大楼4-506, 100084
研究兴趣: 知识图谱与语义计算, 社会计算与计算社会科学.
[微博][知乎][日历]
长期招收博士生(每年1个名额)、博士后和访问学生. 请感兴趣的同学阅读相关说明, 请申请者发送邮件联系我并附简历.
分支机构 > 3583-27 不确定性人工智能专业委员会
不确定性人工智能专委会成立于2013年，委员涵盖境内外各高校、科研机构、企事业单位从事不确定性人工智能研究的著名专家学者。2015年被学会评为优秀专委会。专委会的主要研究领域涉及不确定性因果知识表达、概率和因果推理、因果发现、统计推断、可靠性分析、贝叶斯网络和因果图模型基础上的原始理论方法研究，及相关技术在工业工程和智慧医疗等领域的应用研究。从2012年起至今，专委会每年举办“不确定性人工智能学术沙龙”，每年召集不确定性人工智能专委会委员及境内外相关领域学者参会，针对不确定性人工智能领域的问题与现状、创新与突破等议题展开论述和讨论，旨在弘扬“敢于创新、勇于竞争和宽容失败”的学术精神，倡导自由探究，鼓励学术争鸣。专委会致力于推动不确定性人工智能领域技术的交流、发展，服务于国家相关战略和社会各界需求。
中国人工智能学会2022年01月01日
袁德俊
拥有者
“九歌”是清华大学自然语言处理与社会人文计算实验室（THUNLP）在负责人孙茂松教授带领下研发的中文诗歌自动生成系统。作为目前最好的中文诗歌生成系统之一，“九歌”曾于2017年登上央视一套大型科技类挑战节目《机智过人》第一季的舞台，与当代优秀青年诗人同台竞技比拼诗词创作。2017年上线至今，“九歌”已累计为用户创作超过1000万首诗词，并荣获全国计算语言学学术会议最佳系统展示奖(2017，2019... 了解更多
THUMT是清华大学自然语言处理与社会人文计算实验室开发的神经机器翻译工具包。目前THUMT有三种实现：THUMT-PyTorch、THUMT-TensorFlow以及THUMT-Theano。其中，THUMT-PyTorch实现了主流的Transformer[3]模型；THUMT-TensorFlow实现了Seq2Seq[1]、RNNSearch[2]和Transformer[3]模型；THUM... 了解更多
OpenKE是THUNLP基于TensorFlow、PyTorch开发的用于将知识图谱嵌入到低维连续向量空间进行表示的开源框架。在OpenKE中，我们提供了快速且稳定的各类接口，也实现了诸多经典的知识表示学习模型。该框架易于扩展，基于框架设计新的知识表示模型也十分的方便。具体来说，OpenKE具有如下特点：
接口设计简单，可以轻松在各种不同的训练环境下部署模型。
底层的数据处理进行了优化，模型训练... 了解更多
关系抽取是自然语言处理当中的一项重要任务，致力于从文本中抽取出实体之间的关系。比如从句子“达芬奇绘制了蒙娜丽莎”中，我们可以抽取出（达芬奇，画家，蒙娜丽莎）这样一个关系三元组。关系抽取技术是自动构建知识图谱的重要一环。知识图谱是由真实世界中的实体和实体间复杂关系构成的结构化表示，是帮助机器理解人类知识的重要工具，在问答系统、搜索引擎、推荐系统中都有着重要的应用。
一个知识图谱的简单例子
总体介绍
... 了解更多
OpenAttack基于Python开发，可以用于文本对抗攻击的全过程，包括文本预处理、受害模型访问、对抗样本生成、对抗攻击评测以及对抗训练等。对抗攻击能够帮助暴露受害模型的弱点，有助于提高模型的鲁棒性和可解释性，具有重要的研究意义和应用价值。OpenAttack具有如下特点：
高可用性。OpenAttack提供了一系列的易用的API，支持文本对抗攻击的各个流程。
攻击类型全覆盖。OpenAtta... 了解更多
OpenNE-Pytorch是对网络嵌入开源工具包OpenNE的一次整体升级，本次升级将之前的工具包从TensorFlow版本全面迁移至PyTorch，而且从代码、使用、结构和效率等方面进行了全面优化，让工具包更加易于使用、定制、阅读和进一步开发，同时使运行速度和模型效果得到大幅提升。新的工具包被命名为OpenNE-Pytorch。
本次升级后，OpenNE-Pytorch主要包含了三个新特性，包... 了解更多
开放域信息检索工具包OpenMatch是清华大学计算机系与微软研究院团队联合完成的成果，基于Python和PyTorch开发，它具有两大亮点：一是为用户提供了开放域下信息检索的完整解决方案，并通过模块化处理，方便用户定制自己的检索系统。二是支持领域知识的迁移学习，包括融合外部知识图谱信息的知识增强模型以及筛选大规模数据的数据增强模型。
工具包地址：https://github.com/thunlp... 了解更多
THULAC（THU Lexical Analyzer for Chinese）由清华大学自然语言处理与社会人文计算实验室研制推出的一套中文词法分析工具包，具有中文分词和词性标注功能。THULAC具有如下几个特点：
能力强。利用我们集成的目前世界上规模最大的人工分词和词性标注中文语料库（约含5800万字）训练而成，模型标注能力强大。
准确率高。该工具包在标准数据集Chinese Treebank（... 了解更多
吃蟹、养蚕和钓鱼
根据 2 个来源
丰子恺有很多兴趣爱好，从《童年趣事》里可以看出他喜欢吃蟹、养蚕和钓鱼。
丰子恺白鹅读后感300字 - 读后感大全
duhougan.com.cn
丰子恺有很多兴趣爱好，从《童年趣事》里可以看出他喜欢吃蟹、养蚕和钓鱼。
《白鹅》读后感14篇
m.duanmeiwen.com
丰子恺外孙记忆中的家庭教育：有兴趣才能做得好_腾讯新闻
https://new.qq.com/omn/20220318/20220318A07OZT00.html
2022-3-18 · 丰子恺虽写文章戏称一路是“艺术的逃难”，但实际是带着一大家子颠沛流离，历经千辛万苦。. 没想到，却收获一个战争中的意外之喜。. 因担心逃难中子女学习受影响，丰子恺请来两位刚从浙大毕业不久的年轻人做家教，为孩子们补习理科和英文，其中一位 ...
丰子恺七个子女人人成才，父亲的教育功不可没，孩子们子 ...
https://baijiahao.baidu.com/s?id=1678267538536185161
2020-9-20 · 丰子恺对孩子的兴趣爱好 、职业发展完全尊重孩子的选择，七个子女，只有丰一吟从事美术工作，其他都没有子继父业，但孩子们从父亲身上传承的更多是精神、是人品，真诚做人、踏实做事、热爱生活。他们都在各自岗位上做出成绩。这一切 ...
《念念不忘》丰子恺一生温暖纯良 不舍爱与自由_鲁迅
https://www.sohu.com/a/285466957_120078003
2017-6-30 · 搜狐娱乐讯 北京卫视大型文化传承类节目《念念不忘》于6月28日晚21:08播出了第六期。本期节目以现代中国“最像艺术家”的艺术家丰子恺先生的家书为线索，讲述了一个将童年视为“人生的黄金时代”，不泯灭孩子童趣，让孩子们在快乐成长的同时渐渐找到自己的兴趣和爱好，在生活中还能写能画 ...
遇见丰子恺那样有趣的灵魂-中青在线
zqb.cyol.com/html/2018-02/27/nw.D110000zgqnb_20180227_5...
2018-2-27 · 丰子恺会留意孩子的爱好和兴趣，当知道宋菲君想学胡琴就马上请梅兰芳的琴师来教。 宋菲君中学时对天文感兴趣，用几块放大镜制作了一个望远镜，丰子恺也很支持，还给他画过“自制望远镜，天空望火星，仔细看清楚，他年去旅行”的漫画。
丰子恺《缘缘堂随笔》：生活也可以很有意思 - 知乎
https://zhuanlan.zhihu.com/p/366260849
2021-4-20 · 丰子恺家里有一个自鸣钟，那上面的数字让他觉得很可厌。数学当然是很有意思的一门学问，可是不巧，有的人天生就对数学没有兴趣。我想，丰子恺就是这样的人吧。因为不愿看这
2022
03/18
16:40
北京日报客户端
企鹅号
发布于
北京
分享
评论
宋菲君先生是研究光学的物理学家，还有一个身份是丰子恺的长外孙。去年中，在好友、北大中文系教师林嵩的提议下，他回忆起半个多世纪前他所亲历的外公丰子恺家的“课儿”传统，写下在外公身边学诗词的故事，集为两册雅致的《丰子恺家塾课》。
丰子恺和外孙宋菲君（右）、幼子丰新枚（左）在一起读报。宋菲君当时读初二。
上周六，去宋先生家拜访他。他所居楼栋的门禁系统看上去很便捷，直接嵌着标有每一户门牌号的按钮，不需手动输入，只用按下，屋内的主人即知客到，遥控开门。但我并没有用上——当我掏出手机，想再确认一眼门牌号时，楼门突然无声地打开了，宋先生握着手站在门边，和之前在网络照片及电视节目上看到的一样，戴一副细框眼镜，清瘦，温和，只不过没有穿西装，而是身着一件家居的灰色毛衣，这让他更像一位亲切熟悉的长辈。他蔼蔼微笑道：“刚才看见你从窗前过去了，看着和微信头像一样，想着是你来了。”话里带着绵绵的南方口音。
进了家门，我方明白过来：宋先生的书房窗口正对着外面的路，书桌摆在窗下，而他刚才就坐在桌前看书。那本书依然以打开的姿态摊在桌上，从厚度估计，看了约有一半，页上印着表格和数学物理公式。就在我们约定时间的前几分钟，他还在埋首其中。我想起之前在微信上约采访时间时，他说“最近科研忙一点”，看来还不是“一点”。我暗自心算，1942年出生的他已经快满八十岁了，一时恍惚是否竟算错了。
直到后来看到他的《外公丰子恺鼓励我学物理》一文，才意识到抓紧时间读书学习早已是宋菲君从学生时起的习惯，这很大程度上来自于外公丰子恺对他“盛年不重来，一日难再晨，及时当努力，岁月不待人”的谆谆劝勉。他在外公身边长到18岁，在他的成长经历、文化滋养乃至人生选择中，外公都如同一位智者式的向导。
这些年，宋菲君在许多场合都讲述过外公的故事，艺术家风与他自己的科学家身份奇妙地并行不悖。就像书房中，他背后的整面书架，纵向上清晰又妥帖分为三部分：最左是外公丰子恺的著作、漫画、译作等全集，中间是文学历史类读物，最右是物理专业书籍。《丰子恺家塾课》的副标题是“外公教我学诗词”，其实书中所记叙的，是由诗词连缀起的从丰子恺到宋菲君的三代人的人生。丰家的家庭教育洋溢着跨越时间的、艺术的温情，几十年后，不仅宋菲君依然能够随口吟出，也足以让我们这些后代的普通读者心向往之，仿佛依然能从中私淑几分。
《丰子恺家塾课》 宋菲君 著 华东师范大学出版社
丰子恺虽写文章戏称一路是“艺术的逃难”，但实际是带着一大家子颠沛流离，历经千辛万苦。没想到，却收获一个战争中的意外之喜。因担心逃难中子女学习受影响，丰子恺请来两位刚从浙大毕业不久的年轻人做家教，为孩子们补习理科和英文，其中一位生物系毕业生叫宋慕法。不久，宋慕法和丰家二小姐丰林先（后改名丰宛音）恋爱，喜结连理。或许是因战争中的团聚与喜事过于难得，1941年9月7日，婚礼在遵义的成都川菜馆举行时，胜友如云，史地学家张其昀、物理学家束星北等一众学者名人到席，证婚人则是数学家苏步青，他是丰子恺的朋友，同时也是宋慕法的同乡。
1942年清明节，这对年轻夫妇的第一个孩子出生。抗战中诞生的新生命，自是给家族带来巨大的喜悦。已赴重庆国立艺专担任教授的丰子恺修书给女婿宋慕法，为新生儿起名“菲君”：清明古称“芳菲节”，芳菲之君，“含有平凡伟大之意”。在丰子恺的七个子女中（其中三女丰宁馨为丰子恺三姐丰满之女），丰林先是第一个结婚生子的，由此宋菲君便成了丰子恺孙辈里的“第一个”，其他弟弟妹妹都是待抗战结束后才出生的，年纪皆比他小好多。宋菲君只比丰子恺幼子丰新枚小四岁，还闹过“将来我同小娘舅一样大了，也叫你爸爸”的笑话，惹外公画出了一幅妙趣横生的家庭漫画。
1942年5月宋菲君满月，丰子恺欣然为外孙绘下这张“满月像”。
1946年抗战结束后，丰子恺携全家从重庆东归，回到江浙故乡，先是定居杭州，后迁上海。位于陕西南路长乐村的寓所，阳台天窗能见日升月落，丰子恺为它起名“日月楼”。宋菲君的小学和中学都是在上海念的，他在外公身边生活了很长一段时间，一直到18岁考上北大物理系，去北京上学。在这期间，和他的母亲、舅舅、姨妈们一样，也有幸亲历了丰子恺独特的“课儿”。“课儿”，不是名词，而是个动宾结构，就像宋菲君在这里往往用英语注释的“teaching the kids”，“课”是动词。丰子恺非常注重子女教育，亲自在家给孩子上课，从子女到孙辈，构成了别致的家庭教育传统。“家塾”开两门课，英文和古文，英文学林肯的《独立宣言》等，古文则是亲授古文诗词。宋菲君小时候，就见过外公给小姨丰一吟、小舅丰新枚上课，到他小学四年级时，终于也轮到他了。
宋菲君回忆，当时他每个周六都会回外公家住一晚，周日晚上再回去。外公上课前，先让他背诵上周学的诗词，再教新课。每次教二三十首诗词、古文一篇，一开始学的是《古诗十九首》，背“行行重行行”“迢迢牵牛星”，后来逐渐扩展，包括《诗经》《孟子》《古文观止》等。母亲丰宛音从事中学语文教学，给外公当助教，平时也教宋菲君学诗。令他印象颇深的是学唐宋词时，用的“教材”是手抄本的《白香词谱》（清代舒梦兰编选的词选），这还是抗战逃难中因藏书散佚，由母亲姊妹几个复写的版本，到孙辈这里依然用它学习。有意思的是，词谱上载李后主的词《破阵子》漏了一句“凤阁龙楼连霄汉，玉树琼枝作烟萝”，抄写的母亲和小姨便一直背漏了，连带日后宋菲君也跟着背错了，好多年后才发现。
从小学高年级一直“课”到高中毕业，七八年间，据宋菲君估计，学了大概能有一千首诗左右。而小舅丰新枚比他还多得多，据说能背出两千首。从形式上看，“课儿”和正式上课无差，课业量着实不小，但孩子们都不觉得枯燥或负担重，因为丰子恺讲得实在有趣得紧，“跟外公学诗是乐趣”。外公往往一边吟诗，一边随手就在旁边勾勒一幅生动的小画出来。宋菲君记得，有一次讲到杜甫的“画图省识春风面，环佩空归夜月魂”，外公随笔就画了一个女孩子，衣带飘然，配饰琳琅，仿佛在耳边叮当鸣响。画面浮动，他自此把这首诗记得很牢。
丰子恺所画的和幼女丰一吟、幼子丰新枚在“日月楼”中读书译作的情景。
正如丰子恺曾在文章中所写，“我觉得古人诗词，全篇都可爱的极少，我所爱的，往往是一篇中的一段，或其一句。这一句我讽咏之不足，往往把他抄写在小纸条上，粘在座右，随时欣赏”，他对诗词的喜爱和欣赏，是写意与兴味式的。“课儿”时也是如此，他似乎并不在意作者是哪个时代，或是否有名，只要诗中有画意、有故事，借着诗句典故，他给孩子们滔滔讲岳飞杨家将，也讲聊斋子不语；也并不像学校语文课那样一板一眼、逐字逐句地解释字词，而是着意点到诗中的趣味和意境，是陶渊明式的“好读书不求甚解”。
虽学得有趣，但学过后，丰子恺也一定是要求背出来的。宋菲君说，外公的主张是，不同年龄对诗词有不同的理解，现在不甚懂得没关系，先背出来，将来自然会明白，“就像李商隐的诗，等长大恋爱了，自然就理解了”。这与很多人“理解了再背”的观念相悖。宋菲君说，他初中时的语文老师就不认同这点，问是谁说的，得知是丰子恺的话，老师便不语了。想来，大师总是有他的道理的。
和学校教育比起来，宋菲君觉得，外公丰子恺教诗词，最特别的一点是“不功利”——学校让背古诗词，是为了考试和文凭，但外公的“课儿”，生动愉快，为孩子培养的是一种审美情趣和文化修养，一种“感情世界的丰富”。日本学者吉川幸次郎说丰子恺是“最像艺术家的艺术家”，他对子女的教育也是纯粹的、艺术式的，七个子女个个成才，虽然日后并非专事研究古典文学，但诗词，始终是他们人生中的乐趣与寄托所在。
在“课儿”传统的化育下，丰家子弟古文造诣都极深。宋菲君童年在上海时，外公和小姨、小舅住在“日月楼”，每到周末和年节，其他子女也都回来，聚在一起时，诗词游戏自然地成为这个大家庭的重要活动。最常玩的是丰家独创的“飞花令”，玩法颇为有趣：大家想一句诗让某人猜，猜的人可以随机问问题，问到的人作答时，须按顺序说一句含诗中字的诗。这游戏各种零碎时光都能玩，等车、喝茶、游船，随时随地开始，是一个随身携带的消遣法子。唯一的要求是，须得有一定的诗词积累，但这对丰家不是难事。宋菲君记得，有天全家逛城隍庙，中午在一家饭店吃饭时，点完菜闲坐无事，游戏就又开始了。这次猜的人是大舅丰华瞻，大家商定的诗句是“九里山前作战场”，这是《水浒传》里所引的一句民歌。大舅回来，第一个提问的便是外甥宋菲君，他必须用一句带“九”字的诗句来回答。问了三个人，才刚说到“山”，大舅便不假思索地脱口而出“九里山前作战场”，众人赞叹不已。这是宋菲君印象中最快猜中答案的一次，因而记忆最是深刻。丰华瞻便是丰子恺儿童漫画中所绘的“瞻瞻”，画上的可爱稚子当时已在复旦大学英文系教书，古文功底相当深厚。此外常玩的还有“览胜图”，有点类似诗词版的“大富翁”，是相当风雅的一件玩具。家人或扮“词客”，或扮“美人”，或扮“渔父”，在棋盘上行行停停时，宋菲君记得，外公往往就坐在旁边，或喝着酒观看儿孙们的游艺，或吟诵着诗词在房间里走来走去。
和诸多处于新旧之间的中国现代文人一样，丰子恺写得一手好白话散文，又有着深厚的传统文学功底，文学、绘画、音乐无一不精，不过宋菲君告诉我，1975年外公去世前，对小舅丰新枚说的是，他最丢不下的乃是诗词。“诗词陪了外公一辈子。”从《丰子恺家塾课》所记述的片段中，很容易感受到诗词对丰子恺这种温润的“陪伴”，它超越了学识或修养，早已化入骨中，是异代人事在现实中的回音——抗战逃难中，丰子恺曾多次教给儿孙岳飞的《满江红》和南宋徐君宝妻的《满庭芳·汉上繁华》；而到1944年，持续七年的战争进入反攻阶段，当年中秋，客居重庆沙坪坝的丰子恺饮酒大醉，醒来戏仿南宋末年词人蒋捷的《贺新郎·兵后寓吴》作另一首《贺新郎》，却一扫原词中国破黯然之意，乐观地预言“来日盟机千万架，扫荡中原暴寇，便还我河山依旧”；更漫说日常生活里，猫咪、蟋蟀、螃蟹，桩桩件件的物事都能引他随口吟两句诗、绘一幅画。“课儿”的时候，他不强迫孩子弄清每一个字义，而是让他们体会到诗词给予人生的陪伴，那样一种穿越古今、与己有关的经验。
丰子恺绘苏曼殊诗句：“春雨楼头尺八箫，何时归看浙江潮。芒鞋破钵无人识，踏过樱花第几桥。”
江南景物秀美、掌故丰富，丰子恺常带全家一起出游，南京、庐山、扬州、太湖，去到哪里，大家便纷纷吟咏关于此处的古代诗词，不是为比赛，倒十分像是古代文人的日常文学生活方式。有时，甚至完全是兴之所至，乘兴而来。宋菲君常常爱说起“浙江潮”的故事，那是他读高一那年，有天正跟外公学苏曼殊的《本事诗·春雨》一诗，外公在“日月楼”的阳台上反复念诵着“春雨楼头尺八箫，何时归看浙江潮”，猛地想起什么似的突然问：“钱塘江大潮是什么时候？”得知是下周四，便果断决定全家去海宁看潮。宋菲君念的复兴中学是上海市重点中学，学校一般不允许请事假，何况又是出去玩，丰子恺却爽性地为外孙签了一张假条。班主任请示校长，校长见是丰子恺签字，破例准假。在海宁看潮时，大潮未来之际，见到江里还有捕鱼的人，外公随口吟诵李益的《江南曲》：“嫁得瞿塘贾，朝朝误妾期。早知潮有信，嫁与弄潮儿。”时隔六十多年，那一幕情景宋菲君还记得清楚，连同两首诗，也一直记到现在。
如今，宋菲君已成了比当年外公还老的老先生，与他约拜访时间时，他叮嘱我前一晚再确认一遍，因为他“记性很差”。但面对面交谈时，那些少年时随外公背的诗，他却依然记得清楚，随口仍能诵出全篇——“我长记忆甚好”。他告诉我，十几年前曾因做手术实施全身麻醉，术后第一个晚上，他一个人待着时突然胡思乱想，担心全麻会不会影响大脑，但躺在那里，又没法演算数学来验证。他突然灵机一动，背起《长恨歌》来，从头到尾，一字不落。于是他放心下来，“没事了”。《长恨歌》是小时候背的，离现在已经很久了，记忆却依然如此牢固，参与进他“长期记忆”的构成当中。很多年后，独自一人，他再次体会到这首诗“写得非常美”，想起在外公身边背诗的场景。
到今年清明节，宋菲君先生就年满80岁了，可他仍没停下来休息，依然分秒在忙。目前，他在包括中科院在内的三个科研机构当客座研究员或顾问，指导青年学者做研究。主要攻关的是一种重要软件，他告诉我，“国外搞了30年，中国才刚开发，时间不长，但因为我以前做国际业务，国外研发的时候我正在那边做访问学者，又长期从事该软件的应用，那么就do something，做一点事。”不过他欣慰地说，目前进展较快。我突然想起他在书中写到的，多年前鼓励他学物理时，外公丰子恺曾对他说过，“物理不好学，但有志者事竟成”。
丰家子弟多随丰子恺，走了艺术、语言、文化的道路，作为长外孙，宋菲君却另辟蹊径，走了理工的道路。为他导路的，正是外公丰子恺本人。宋菲君读书时成绩相当优异，兴趣广泛，既在家庭影响下喜欢文学，数理成绩也好，还喜欢画画，想学美术，因此文理分科时，他犯了难，左思右想不定。报名前夜，他去找外公征询意见。至今他仍记得，那天外公还像往常一样，端一杯茶，在阳台上来回踱步，吟的是温庭筠的诗：“谁解乘舟寻范蠡，五湖烟水独忘机。”屋里，面临第一次重大人生选择的宋菲君却无法“忘机”。他将满心苦恼倾诉给外公，丰子恺听了却未多加思量，很快道出自己的意见：“我们家学文、艺术、外语的多，你的数理成绩这样好，又喜欢天文，我看不如去考北大学物理。”不仅是选理科，而且是“北大物理”，如此明晰，虽然只是建议，但彼时正犹疑不定的宋菲君听了，心中的天平倾斜，棋子有了落定的方向。高考时，他的第一志愿果真填了北大物理系，最终成功录取。
在物理学界，这件事成了有名的逸闻。《物理》杂志曾专门请宋菲君写写这个故事，他便写成《外公丰子恺鼓励我学物理》一文。很多朋友看了，都很好奇丰子恺作为艺术大师，为何会鼓励外孙弃文从理、走看上去更艰难的一条路，宋菲君自己也觉得这人生道路的选择颇具偶然性——“如果那晚没去找外公，大概会去考美术学院当画家吧？”他不免常常琢磨这人生的微妙时刻，在从前的成长片段中找寻指向答案的路标。
四十多年前，丰子恺倒是也经历过这样一个作为“重要关口”的夜晚。那时他在杭州第一师范学校读书，李叔同担任学校的美术、音乐老师，在众多学生里独独看中了丰子恺的艺术才华，趁他某天夜里来交作业时，指点他走艺术道路。丰子恺说过：“从这晚起，我打定主意，专门学画，把一生奉献给艺术，直到现在没有变志。”不过，外公曾告诉宋菲君，其实当年原本他各科都学得很好，对几何很感兴趣，只是决心献身艺术后，才放弃了别的课程。祖孙俩的人生犹如互文，于是有人猜测，是因为人生只有一次，不能同时选两条路，丰子恺走了这一条，便想让外孙试试那“未选择的路”？对宋菲君来说，这确乎像个谜，但他一直清楚地知道，外公从不替孩子规划人生，且随着后来追溯愈深，他越发意识到，外公的建议并非一时兴起，而是从更久之前就埋下种子。
宋菲君高中时和同学自制望远镜看星星，丰子恺为他画下这幅小画。
如丰子恺所说，宋菲君“喜欢天文”，这是从初中就开始的。他常常去“日月楼”给外公和小姨、小舅讲星星的故事，外公也就顺便讲了许多关于星辰的诗词。高一时，宋菲君和几个同学用旧货市场淘来的透镜做了一个简易望远镜，没想到竟也能看到木星的卫星、土星的光环等。他兴奋地告诉外公，丰子恺听得兴致勃勃，还专门画了一幅画：“自制望远镜，天空望火星，仔细看清楚，他年去旅行。”向前追溯这件件小事，宋菲君恍然意识到，外公对他特长、兴趣的关注和维护，其实早早就开始了——同时，他也惊讶地有了个意外发现：原来外公自己也是个实实在在的天文爱好者！1966年从北大物理系毕业后，宋菲君多年从事光学工程研究和光学仪器制造，做出了比当年的“自制望远镜”不知精密多少倍的仪器，但那幅朴素可爱的小画，始终像一把开启门扉的钥匙。
人们喜欢丰子恺画的那些惟妙惟肖的家庭漫画，其中的趣味正来自他对自家每个孩子的仔细观察。丰子恺喜欢孩子，一生从事教育，对教育有相当深入独到的思考，还画过一系列关于教育的讽刺漫画，反对按统一的模型来塑造孩子。在宋菲君自己还没有察觉的时候，外公就洞察了他内心喜欢什么。宋菲君体会着外公的想法，“他从来不替孩子规划，但不等于他不关心，他是在细心观察、琢磨这个孩子的特长和爱好。他从自己的成长的道路里面体会出来：只有做自己喜欢、擅长的事情，才能做好。”多年后，在自己的家庭教育上，宋菲君也继续坚决将这种教育理念推行了下去——他的两个女儿，偏偏对数理不感兴趣，却都回过头跟从着曾外祖父的足迹，从小热爱音乐，从事相关工作。“一个学数理化的都没有！”宋菲君笑，但“硬让她们去学，肯定学不好，只有有兴趣才能做得好，才开心”。
幼时能生长在书香门第，从小受到许多熏陶，宋菲君觉得自己很幸运。除了诗词，他还自小跟外公专门学了几年绘画，也跟京剧大师梅兰芳的琴师倪秋平学过胡琴，至今还在给北大京剧社伴奏。这许多文艺爱好，在工作之余，滋养着他，构成他“彩色的精神世界”。去年底，丰家第二代的最后一位、小姨丰一吟去世了，亲历过“课儿”的人越来越少，这让宋菲君突然感到有些紧迫。作为第三代中年龄最长、与外公相处最久的人，他觉得有义务将这些故事记出来。虽然，时代已逝，大师罕有，这已成为一种难以复制的家庭传统，但宋菲君依然诚恳地期待，这些“育儿”故事能给今天的父母一些参考——或许，可以用另一种方法来教孩子学习，创造另一种愉悦自在的家庭教育氛围。
丰子恺的“课儿”——
分享到：
来源：北京晚报 | 张玉瑶 2022年03月21日07:27
http://www.chinawriter.com.cn/n1/2022/0321/c404064-32379458.html
袁德俊
拥有者
袁德俊
拥有者
中国科学院研究员
宋菲君，1942年出生。 1966年毕业于北京大学物理系，现任 大恒新纪元科技股份有限公司 副主裁兼总工程师，中国科学院研究员， 中国光学学会 常务理理， 中国物理学会 、OSA、SPIE、IEEE会员。
baike.baidu.com/item/%E8%BF%91%E4%BB%A3%E5%85%89%E5%AD%A6%E4
2018-11-10 18:50
一生童真，一生有趣。今年是丰子恺诞辰120周年。
丰子恺的漫画脍炙人口，许多都以儿童作为题材。
画如其人。画画之外，丰子恺同样异常珍视儿童的“天真无邪”，也会细心体察孩子的性格爱好。
而爱和理解，也因此成就了丰子恺最好的家庭教育。
于是，我们除了体味“家常画”里的深永韵致，也期待深入探究先生这番爱的教育。
今天上午，丰子恺长外孙宋菲君先生作客第九期伯鸿讲堂（桐乡），讲述“外公丰子恺爱的教育”。丰子恺家属、丰子恺漫画爱好者、市民等200余人聆听讲座。
讲座现场，宋菲君先生围绕丰家的“飞花令”、丰子恺的家庭教育、外公给他的信、向外公和小姨丰一吟学画、外公鼓励他学物理等内容，回眸在外公家度过的快乐时光和外公丰子恺爱的教育。
不少市民还和宋先生进行了现场互动，探讨交流有关丰子恺漫画和学生教育等问题。
嘉宾简介
宋菲君，艺术大师丰子恺先生的长外孙，中国科学院研究员，博士生导师，中国科学院大学兼职教授，美国国际光学工程学会高级专家会员（Fellow SPIE）。1960年，宋菲君先生听从外公的建议，考入北京大学物理系，毕业后从事物理学和光学的科研、开发至今，多次获得科技进步奖，曾获“国家级有突出贡献中青年科学家”称号，发表学术论文多篇，著作六本。曾长期担任大恒新纪元科技股份有限公司副总裁兼总工程师，主持与欧美的科技合作业务。
对于父亲爱的教育，女儿丰一吟曾在《回忆父亲丰子恺》一文中提到：“他不想把我们涂上什么颜色，他希望孩子们永远保持一片纯洁的白色。他曾说：‘教养孩子的方法很简便。教养孩子，只要教他永远做孩子，即永远不使失却其孩子之心。’”
兼母的父
我生长在一个多子女的家庭中。我们的母亲是一个善良而懦弱的人。在我们的白纸上涂颜色的主要责任落到父亲身上。然而，在我们的童年时期，父亲画笔上的颜料是那么吝啬。他不想把我们涂上什么颜色，他希望孩子们永远保持一片纯洁的白色。他曾说：“教养孩子的方法很简便。教养孩子，只要教他永远做孩子，即永远不使失却其孩子之心。”
于是父亲便给我们灌输种种教育，其中之一便是“爱的教育”。父亲把意大利作家亚米契斯所著的《爱的教育》这本书当作课本，给我的姐姐哥哥们读。这本书是父亲的老师翻译的，由父亲配上插图。我那时还小，但常常听姐姐讲其中的内容，感动得很。这本书教我们要热爱祖国，敬爱尊长，助人为乐，平等待人。全书通篇都贯穿了一个爱字。我们小时候正是在这样的环境中长大的。
阿宝两只脚 凳子四只脚
2018-11-10 · 宋菲君，艺术大师丰子恺先生的长外孙，中国科学院研究员，博士生导师，中国科学院大学兼职教授，美国国际光学工程学会高级专家会员（Fellow SPIE）。1960年，宋菲君先生 听从外公的建议，考入北京大学物理系，毕业后从事物理学和光学的科研 ...
袁德俊
拥有者
2020-6-18 ·
编辑： 时间：2020年06月18日 访问次数:1684
近日，由中国国家天文台提出将小行星1998VV35命名为“丰子恺星”的申请，获得了国际小行星命名委员会批准。
以下是国际小行星命名委员会的公告：
公告：（79811）丰子恺，
小行星编号1998VV35
发现日期：1998年11月9日
该星于1998年11月9日由国家天文台发现，这天恰逢丰子恺先生诞辰100周年，而该星国际编号后四位9811，也正与丰子恺先生出生的年、月（1898年11月）完全相符。
公告指出：丰子恺（1898-1975），中国近代著名的画家、文学家、艺术与音乐教育家，以其风格独特的漫画和散文广受欢迎。
丰子恺（宋菲君 提供）
发现小行星的国家天文台兴隆站（陈颖为 摄）
1939年到1942年间，丰子恺追随浙大西迁，先后执教于广西宜山和贵州遵义。
1938年12月，丰先生收到马一浮的来信。信中，浙大校长竺可桢诚意相邀，聘请丰子恺担任浙大艺术指导。1939年1月，丰子恺决定前往。一路沿途躲避日机轰炸，十分艰难。
一路上，他记录下浙大西迁的艰难历程。在《教师日记》中，他写道，“上午驾吾夫人出殡，吾往送之。见竺可桢校长亦来送殡，其黄色制服之裤，臀部有两破洞，大如手掌。吾几失笑。”正是竺校长带头共克时艰的精神，也高涨了浙大师生的士气，奋勇攀登科学高峰，留下浙大西迁的辉煌岁月。
在这段艰难岁月中，他努力创新艺术教育。他上艺术教育、艺术欣赏两门课，深入浅出地为学生讲透视法、漫画等艺术技法，提出“艺术教育之主旨，温柔敦厚”。
1940年春天，丰子恺携家迁到遵义。在遵义浙大宿舍里，他重绘《护生画集》，从事教学与创作，与喜爱书诗画的浙大教师建立了深厚友谊。
也是在遵义，丰子恺的二女儿嫁给了浙大生物系的温州籍学生宋慕法。这场婚礼是1941年在遵义举行。丰先生女儿丰一吟在《爸爸丰子恺》一书中称是“我家第一桩喜事”。
不久以后，丰子恺先生的二女儿于1942年清明生了个儿子，外公为这个长外孙取名宋菲君，意即“芳菲之君”（古代称清明节为芳菲节）——这位在西迁途中降生的孩童，日后与光电结下了不解之缘。
以丰子恺命名一颗小行星的主意，和宋菲君有很大关系。宋菲君从小就喜欢天文，动手能力很强，读高一时候（1957年）还和同学一起制作过一个开普勒望远镜。用这台简单的天文望远镜，居然看到了木星的四颗伽利略卫星、土星的光环、内行星金星的盈亏，以及月面的环形山。当丰先生得知后，就画了此画送给宋菲君。宋菲君和国家天文台关系密切，这次也正是国家天文台薛随建副台长向宋菲君建议命名“丰子恺星”，各位天文学家和宋菲君共同策划运作，并于6月19日第一个向宋教授通报审批结果。
丰子恺作品《自制望远镜》
宋菲君于1966年毕业于北大物理系，曾被评为北京市有突出贡献科技专家、国家级有突出贡献中青年科技专家，曾任大恒新纪元科技股份有限公司董事、副总裁兼总工程师、大恒光电总经理，2005年获得国际光学工程学会高级专家会员称号（Fellow SPIE）,2006-2010年任教育部高等学校电子信息与电气学科教学指导委员会光电信息科学与工程专业教学指导分委员会委员。浙江大学光电学院聘请宋菲君研究员担任客座教授。
宋菲君外公曾在浙大教授艺术课程，父亲为浙大生物系毕业，二姨丰宁馨长期在浙大数学系任教，她的外孙正在浙大读博，可说丰子恺一家四代浙大缘。
宋菲君
在宋菲君先生推动下，大恒新纪元科技股份有限公司与浙大光电学院建立了深入而良好的合作关系。自2019年起，大恒新纪元科技股份有限公司在浙大光电学院设立“大恒光电奖学金”，重点奖励在创新创业、学科竞赛和境外交流学习过程中取得优异成绩的浙大光电学院在校本科生，为推动浙大光电学科发展做出了积极贡献。
（整理：立早）
2020-6-18 ·
编辑： 时间：2020年06月18日 访问次数:1684
近日，由中国国家天文台提出将小行星1998VV35命名为“丰子恺星”的申请，获得了国际小行星命名委员会批准。
以下是国际小行星命名委员会的公告：
公告：（79811）丰子恺，
小行星编号1998VV35
发现日期：1998年11月9日
该星于1998年11月9日由国家天文台发现，这天恰逢丰子恺先生诞辰100周年，而该星国际编号后四位9811，也正与丰子恺先生出生的年、月（1898年11月）完全相符。
公告指出：丰子恺（1898-1975），中国近代著名的画家、文学家、艺术与音乐教育家，以其风格独特的漫画和散文广受欢迎。
丰子恺（宋菲君 提供）
发现小行星的国家天文台兴隆站（陈颖为 摄）
1939年到1942年间，丰子恺追随浙大西迁，先后执教于广西宜山和贵州遵义。
1938年12月，丰先生收到马一浮的来信。信中，浙大校长竺可桢诚意相邀，聘请丰子恺担任浙大艺术指导。1939年1月，丰子恺决定前往。一路沿途躲避日机轰炸，十分艰难。
一路上，他记录下浙大西迁的艰难历程。在《教师日记》中，他写道，“上午驾吾夫人出殡，吾往送之。见竺可桢校长亦来送殡，其黄色制服之裤，臀部有两破洞，大如手掌。吾几失笑。”正是竺校长带头共克时艰的精神，也高涨了浙大师生的士气，奋勇攀登科学高峰，留下浙大西迁的辉煌岁月。
在这段艰难岁月中，他努力创新艺术教育。他上艺术教育、艺术欣赏两门课，深入浅出地为学生讲透视法、漫画等艺术技法，提出“艺术教育之主旨，温柔敦厚”。
1940年春天，丰子恺携家迁到遵义。在遵义浙大宿舍里，他重绘《护生画集》，从事教学与创作，与喜爱书诗画的浙大教师建立了深厚友谊。
也是在遵义，丰子恺的二女儿嫁给了浙大生物系的温州籍学生宋慕法。这场婚礼是1941年在遵义举行。丰先生女儿丰一吟在《爸爸丰子恺》一书中称是“我家第一桩喜事”。
不久以后，丰子恺先生的二女儿于1942年清明生了个儿子，外公为这个长外孙取名宋菲君，意即“芳菲之君”（古代称清明节为芳菲节）——这位在西迁途中降生的孩童，日后与光电结下了不解之缘。
以丰子恺命名一颗小行星的主意，和宋菲君有很大关系。宋菲君从小就喜欢天文，动手能力很强，读高一时候（1957年）还和同学一起制作过一个开普勒望远镜。用这台简单的天文望远镜，居然看到了木星的四颗伽利略卫星、土星的光环、内行星金星的盈亏，以及月面的环形山。当丰先生得知后，就画了此画送给宋菲君。宋菲君和国家天文台关系密切，这次也正是国家天文台薛随建副台长向宋菲君建议命名“丰子恺星”，各位天文学家和宋菲君共同策划运作，并于6月19日第一个向宋教授通报审批结果。
丰子恺作品《自制望远镜》
宋菲君于1966年毕业于北大物理系，曾被评为北京市有突出贡献科技专家、国家级有突出贡献中青年科技专家，曾任大恒新纪元科技股份有限公司董事、副总裁兼总工程师、大恒光电总经理，2005年获得国际光学工程学会高级专家会员称号（Fellow SPIE）,2006-2010年任教育部高等学校电子信息与电气学科教学指导委员会光电信息科学与工程专业教学指导分委员会委员。浙江大学光电学院聘请宋菲君研究员担任客座教授。
宋菲君外公曾在浙大教授艺术课程，父亲为浙大生物系毕业，二姨丰宁馨长期在浙大数学系任教，她的外孙正在浙大读博，可说丰子恺一家四代浙大缘。
宋菲君
在宋菲君先生推动下，大恒新纪元科技股份有限公司与浙大光电学院建立了深入而良好的合作关系。自2019年起，大恒新纪元科技股份有限公司在浙大光电学院设立“大恒光电奖学金”，重点奖励在创新创业、学科竞赛和境外交流学习过程中取得优异成绩的浙大光电学院在校本科生，为推动浙大光电学科发展做出了积极贡献。
（整理：立早）
袁德俊
拥有者
将小行星1998VV35命名为“丰子恺星”的申请，获得了国际小行星命名委员会批准。
1898年11月9日－1975年9月15日
根据 3 个来源
丰子恺（Zikai·Feng，1898年11月9日－1975年9月15日），二十四年生，散文家、画家、文学家、美术家与音乐教育家，原名润，又名仁、仍，小名慈玉，号子觊，后改为子恺，笔名T·K，又被称为“圆通大师”、“ 有德行的人”。
丰子恺简介_百度知道 - Baidu
袁德俊
拥有者
我爱竞赛网
已认证帐号
1 人赞同了该文章
第四届丰子恺散文奖征稿
截稿日期：2022年6月30日
丰子恺先生是二十世纪伟大的艺术家，也是位杰出的作家，出生于浙江省嘉兴市桐乡市石门镇。为纪念丰子恺先生的散文成就，传承华语文学优秀传统，推动当代华语散文创作走向高峰，彰显丰子恺故里文化魅力，由作家出版社有限公司、嘉兴市委宣传部、嘉兴市文学艺术界联合会、桐乡市共同主办，丰子恺研究会协办的“第四届丰子恺散文奖”，现面向全球范围征集散文作品。
一、大赛组织
主办单位：作家出版社有限公司、嘉兴市宣传部、嘉兴市文学艺术界联合会、桐乡市
协办单位： 丰子恺研究会
二、征稿时间
即日起至2022年6月30日
三、征文要求
征文对象：全球范围所有中外散文写作者
征文体裁：散文
具体要求：内容不拘但健康向上，怀古、察今、记人、述事均可，字数1万字以内，且未在纸媒及网络公开发表、出版过。
四、奖项设置
第四届丰子恺散文奖设立特别奖1篇，奖金为50000元；丰子恺散文奖10篇，奖金各20000元。为扶持青年作家（1987年1月1日后出生）散文创作，特设立青年作家奖10篇（不与前述奖项重复），奖金各5000元。所有奖金为税后所得。
获奖作品由作家出版社结集出版。
五、评奖颁奖
由大赛组委会邀请有关方面专家组成评委会负责作品评审，视疫情情况择时在浙江省嘉兴市举办颁奖典礼。
六、注意事项
（1）本次大赛不收任何参赛费，参赛者自留底稿，稿件一律不退。凡参赛者均被视为自动同意本启事之各项约定。
（2）主办单位有权将获奖作品用于大赛宣传、展览、研究以及其他方式的相关宣传、推广、刊登、出版、传播，不再另付稿费，作者享有署名权。
（3）本活动公告解释权归大赛组委会。
七、投稿方式
稿件请以电子稿件方式发送至邮箱fzkswj@126.com，来稿均需注明个人真实姓名、地址及联系方式。参加青年作家奖的作者需在邮件主题中注明，格式统一为：青年作家奖+作者姓名，并在文末附身份证信息。
第四届丰子恺散文奖组委会办公室设在《中国校园文学》编辑部
找竞赛，上@我爱竞赛网，全国最大的大学生高含金量综合性赛事资讯服务平台~
只要有人给我点赞，赛赛就会一直更新最新、最热门的比赛信息、活动~
发布于 2022-04-06 14:44
《中国校园文学》是由中国教育学会主办的文学刊物，期刊级别为：国家级期刊。中国校园文学主要反映广大中学师生的生活、工作、学习、精神风貌，提高中学生的思想文化素质，发现并培养师生中的文学新人。
主管单位：中国教育学会
主办单位：中国教育学会
国际刊号：1000-9809
国内刊号：11-2644/I
期刊级别：国家级期刊
发行周期：半月刊
创刊时间：1989
审稿时间：1个月内
中国校园文学期刊介绍
《中国校园文学：中学读本》反映广大中学师生的生活、工作、学习、精神风貌，提高中学生的思想文化素质，发现并培养师生中的文学新人。是一本面对广大中小学生的国家级文学月刊。
《中国校园文学：小学读本》系中国作家协会主管、中国作家出版集团主办、国内惟一的国家级校园文学刊物。主要栏目有：作家在线、星星点灯、快速连载、名人小时候、教材作者百家谈、小脚丫拾贝等，为小学生们打开了一个如何做人，如何做文的新页面。
《中国校园文学（描写辞典）》版本目前已停刊，具体复刊时间以杂志社官方消息为准。
杂志社联系方式
主编：刘方
地址：北京市农展馆南里10号文联大楼《中国校园文学》编辑部
邮编：100125
《中国校园文学》是由中国教育学会主办的文学刊物，期刊级别为：国家级期刊。中国校园文学主要反映广大中学师生的生活、工作、学习、精神风貌，提高中学生的思想文化素质，发现并培养师生中的文学新人。
主管单位：中国教育学会
主办单位：中国教育学会
国际刊号：1000-9809
国内刊号：11-2644/I
期刊级别：国家级期刊
发行周期：半月刊
创刊时间：1989
审稿时间：1个月内
中国校园文学期刊介绍
《中国校园文学：中学读本》反映广大中学师生的生活、工作、学习、精神风貌，提高中学生的思想文化素质，发现并培养师生中的文学新人。是一本面对广大中小学生的国家级文学月刊。
《中国校园文学：小学读本》系中国作家协会主管、中国作家出版集团主办、国内惟一的国家级校园文学刊物。主要栏目有：作家在线、星星点灯、快速连载、名人小时候、教材作者百家谈、小脚丫拾贝等，为小学生们打开了一个如何做人，如何做文的新页面。
袁德俊
拥有者
中国校园文学 2022-04-07 15:59
“第四届丰子恺散文奖”于2022年4月6日启动
编辑：贾志红
审核：李娜
核发：徐峙
点击阅读原文，把《中国校园文学》带回家！
阅读原文
“第四届丰子恺散文奖”于2022年4月6日启动
袁德俊
拥有者
人间至味（第三届丰子恺散文奖获奖作品集）
京 东 价 ￥58.00
商品介绍
出版社： 作家出版社ISBN：9787521215588版次：1商品编码：13512848品牌：作家出版社包装：平装开本：16开出版时间：2021-11-01用纸：轻型纸页数：380字数：366000
l***6的晒单图片
2022-05-01 16:55举报 0 0
****3 ****3
PLUS会员
丰子恺散文奖组委会，“第三届丰子恺散文奖”由浙江省桐乡市人民政府、作家出版社有限公司主办，桐乡市委宣传部、桐乡市文化和广电旅游体育局、桐乡市文学艺术界联合会协办，桐乡市石门镇人民政府、桐乡市作家协会、桐乡市归侨侨眷联合会、子恺传承（上海）文化发展有限公司承办。
袁德俊
拥有者
文/梁衡
如果让我在故乡之外再举出一座交往最多的城市，那就是常州了。常州人待客时常说一句话：“常回来看看。”而我自第一次去常州做客之后，竟常来常往不觉已三十年。
常州街头甚至出现以觅渡为名的商店。王荣泰先生灵机一动，想何不注册一个觅渡文化公司。谁知，早有人先他一步。真是“觅渡，觅渡，惊起一片鸥鹭”。全国竟有一百多个，而且远在外地，已成一种文化现象。网上一查这个名字早被人抢注。于是他决定在常州这个觅渡的发祥地成立一座觅渡书院，弘扬觅渡精神。在筹备过程中，远在湖南的一位宣传干部一定要求参加，原来她的网名就叫觅渡。而甘肃的一个二十岁的在校大学生网名也是觅渡，可见，秋白精神静悄悄地打动了多少人的心。而新疆的一位朋友听说要建觅渡书院，竟从数千里外寄来一段沙漠里的老胡杨木，以颂秋白之坚韧，上面题字，一面“大漠胡杨，春风玉关。觅渡人生，来到江南”，另一面“觅渡书院”。觅渡成了常州的文化符号，又辐射向全国。
因为常来常州，就想到了秋白之外，这里还有哪些文化名人。稍一打听，竟多得数不过来。历史上的常州包括现在的无锡、宜兴。连接苏州、南通的大运河从城中贯通而过，商业繁荣，也就文人云集。最典型的评语是龚自珍那首诗《常州高才篇》：“天下名士有部落，东南无与常匹俦。”文人名士已多得不胜数，曾产生过一千九百位进士、九个状元。名声最大的当然是苏东坡了，他谪贬海南被赦返回后，便在常州买了一块养老之地，可惜命运不济，很快去世。
还有写有名句“红了樱桃，绿了芭蕉”的词人蒋捷。近现代有徐悲鸿、潘汉年、蒋南翔、吴冠中、周培源等，都是谁人不知、哪个不晓的人物。就说这个觅渡桥小学吧（简称“觅小”）也名声赫赫，它是秋白母校且不说，竟还又出了六个院士。现在已是“觅渡教育集团”，竟有六千学生，为江南名校。行文至此顺便讲一个笑话，我因与“觅小”的孩子当年缘接一面，才有了《觅渡》一文的流传，学校就赏我一个名誉校长，并正式颁发了聘书上网公布。一年后忽然收到一个家长的信，说孩子到上学年龄，“觅小”一额难求，求我这个“校长”开个后门。他哪里知道我只是挂个空名。倒说明“觅小”影响之大。
因为《觅渡》一文的传播，觅渡桥这个老地名又重回人们身边。但是时势之移，桥早已不见。常州本是大运河边的一座小城，历史上石桥无数。若能找回一座二百年前的老桥，重续历史，也是一段佳话。这个念头一出，就成了两个当事人，觅渡书院院长王荣泰与“觅小”校长吴毅先生的心病。他们前后三年翻查资料，探访旧人，总算弄清了原桥的位置、式样，又请人设计施工，已经消失了二百年的觅渡桥穿越历史风尘终于重现于现代都市常州，静静地卧
于秋白纪念馆与“觅小”门前，向人们叙说如烟往事。因为与这件事缘分之深，我也脱不了干系，就请我写了一篇《觅渡半桥记》刻于桥头。算来自我第一次来常州已经过去整整三十年，而与写《觅渡》文相隔二十四年了。记：
为留住历史记忆，常州中国剪报社与觅渡桥小学发起重修觅渡桥的活动。但原桥早已被穿城大街切去一半，车水马龙，旧景难再。于是另生创意，仍在北岸原址建桥，腾空向南戛然而止，是为半桥。时空穿越二百年，瞬间定格在一时。时人轻轻抚桥栏，念天地之悠悠，感时代之变迁。行百里者半九十，后来者当更起宏图，长虹万里架到天外去！
袁德俊
拥有者
丰子恺散文奖旨在纪念二十世纪伟大的艺术家丰子恺先生的散文成就，传承华语文学优秀传统，推动当代华语散文创作走向高峰，
袁德俊
拥有者
丰子恺散文奖组委会，“第三届丰子恺散文奖”
袁德俊
拥有者
樊健军 毛家窝纪事/300
宋长征 浣纱记：消隐的美人/311
吴佳骏 小街记/319
张映勤 难忘粮店/329
祖克慰 蓝精灵/337
李明官 范家村手札/347
符利群 你的明亮灵魂穿破五十年黑夜/358
丰羽 爷爷丰子恺/369
丰子恺 梧桐树/372
后记
丰羽 万物静观皆自得/374
袁德俊
拥有者
从2015年设立至今，丰子恺散文奖已走到了第三届。此次丰子恺散文奖征集活动由桐乡市与作家出版社有限公司共同主办，在全球疫情未散尽的2020年启动后，短短两个半月的时间内，主办方就收到了6465篇参赛作品，散文界名家积极支持，新人踊跃参与，活动影响广泛，显示出这一奖项影响力的不断扩大。
丰子恺先生是中国现代著名的漫画家、散文家，他的散文不仅充满智趣也颇多情趣，是审智与审美结合的典范，郁达夫谓之“清幽玄妙”。其名篇《渐》《儿女》《给我的孩子们》《杨柳》等平易朴实，闪烁着赤子之心的光芒，亦如其人一无沾染的品格。丰子恺的散文创作是与现代散文理论建设一道成长起来的，是以个体形式实践、丰富、建构现代散文美学的具体行为。丰子恺散文奖的设立，意在希冀沿着丰子恺散文的“况味”与“智性”的辉光，在辽阔的文学版图与文学世代更迭中发现更多的美文。此次散文奖的举办既是对丰子恺先生投入时代、热爱人民、淡泊名利、贴近生活的宝贵精神财富的继承与发扬，也是中国当代文学投身社会主义文化强国建设、服务和推动地方文化事业的一次生动实践。
从本届获奖散文看，散文中表现出的或冲淡平和，或趣味幽默，或絮语纯真，或热情青春，或典重雅正，这些别样的美质虽变动不一，但我们始终都期待在一篇散文中遭遇一种“神”与“气”的流动——是活的“神”与“气”，去伪存真的；是美的“神”与“气”，有着独立灵魂与志趣的；是善的“神”与“气”，透着心地光明的。当代散文写作者应继承前辈作家不忘文学的初心和使命，深入生活、扎根人民，在时代与历史的召唤面前勇于担当，真诚书写。我真诚地希望，丰子恺散文奖能不断探索创新、持续发展、形成特色，发现一批真正有质量、有温度的散文作品，发掘一批有才华、有思想的散文作家，为当代散文繁荣做出更大的贡献。
是为序。
路英勇
2021年9月
袁德俊
拥有者
昨天神州十四号升空，第423次长2F火箭圆满发射，天宫主体即将建成，孩子们的空中课堂即将结束，天宫课堂即将开始，这振奋人心的消息，是人类奔向星辰大海的又一次坚实的脚步 
我没能看直播，是因为伴随着封面的孩子的望远镜，重温了一遍《丰子恺的“家塾课”》，而它的直接原因就是本期封面的这九幅作品，尤其是主图《自制望远镜》，是丰子恺先生的长孙光学物理学家宋菲君儿时仰望星空的场景。沿着这条线索，围绕丰子恺先生兴趣爱好（吃蟹、养蚕和钓鱼），开始了一天的研学。收获颇丰，不只沿着 “有兴趣才能做得好！” 的 “丰子恺星” 的小行星命名，唤醒了观星小组的课题，“人间至味——丰子恺散文奖” 也特别符合我们爱写作的同学们。
说道这里，我要再介绍下 “我们” —— “ SIGer 兴趣小组 ” 青少年开源文化期刊，一个学生为主体的科普自媒体。学生既是作者，也是读者，以笔记的方式分享各自的学习心得，按照兴趣爱好，借助开源平台聚合其他同学的内容，最终形成一本科普百科。形式上为 开源项目 SIGer ，除内容主体外，还会有 数字化工具 Tools，以提高协作和聚合内容的效率，这是 SIGer 立项之初就制定的，科普的第一项内容就是开源本身。本期主题就是 数字化工具 NLP 开源项目推荐。
关键字提取一直都是自然语言处理的重点，完全依赖搜索引擎的今日，甚至有 “论文写的好，全凭关键字搜索选的好” 面对浩如烟海的开源项目，如何站长巨人的肩膀也同样重要。SIGer 编委的工作日常更是严重依赖于此。这就要引出 SIGer 校园版的需求了：
以上关于 SIGer 校园版的论述，来自育英学校 “思与索实践展示空间” 的调研工作，一个全部由学生的研学成果组成的校园版公号，发现它也是来自该校的一次出圈儿的媒体报道 “收藏春天！”。而这次出圈儿行动，还是较早前我认识的一位该校老师的转发才了解到的。和大多数公号的定位一样 “宣传” 校园风采不同，SIGer 有自己的涉猎知识的方式，主动搜索。
在邀请育英学校加入 SIGer 校园分享行列后，一个课题摆在面前 《寻找 爱分享·会思考·懂探索 的育英好少年》，前面关于 SIGer 校园版的论述，就是这个课题的精华所在，它只描述了任务目标，按照目标，借助 NLP 技术加速知识聚合，并专注兴趣培养方向，成为了 SIGer 的行动，才有了主动搜索。之后，清华 NLP 实验室的 刘知远 老师的知乎回答，让我找到了本期的主角。他自喻 NLPer 是不是和 SIGer 异曲同工呢
下面就是一个更具体的应用场景描述啦：
给出一篇文章的 URL（或者黏贴进文本区），返回以下信息：
实现文章的批量处理，可以事先通过工具下载系列文章（如从公号，网站）
人工干预接口，
作者信息提取，
兴趣情报摘编能力
独立设置 SIGerNLP 工具包，与 Tools 目录剥离
太空出差三人组安全抵达工作岗位，接下来的半年将有各项任务等待他们完成。我们的 SIGerNLP 项目也已就位，成功的场景仿佛已在眼前，我要提前发表致谢，观星&摄影：@Tim 是第一位 面向星辰大海的 SIGer 编委，SIGer 期刊的版式也是在去年火星车热点报道的三月，确立的。一年后，上周开始密集地恶补 火星，星辰大海犹如近在咫尺。我要感谢他 为我补上，柯伊伯带，太阳系八大行星，这些关键词，他仰望星空的样子和《自制望远镜》的画面简直就是完美复刻，这让我充分相信，我们的孩子们如他们的前辈一样，保有这对宇宙的好奇心，也有信心未来的某一天，他们将站在世界的中心，宇宙的中心，带领全人类走向更美好的未来。
袁德俊
拥有者
【笔记】创新地图实习生计划 - 未来创客
全球风口：积木式创新与中国新机遇-王煜全 薛兆丰-微信读书 ...
https://weread.qq.com/web/reader/01a321005c908901ae8bc37
北京大学国家发展研究院教授薛兆丰在海外实地考察和与王煜全的交流沟通中，也感受到积木式创新所带来的深刻变化。. 他从学术的角度梳理了积木式创新的法律基础，分析了中国企业如何才能在这一波全球创新产业新浪潮中抓住机会，实现企业自身跨越式 ...
全球风口：积木式创新与中国新机遇 (豆瓣) - Douban
https://book.douban.com/subject/26695045
2016-7-4 · 新年的第一本书也和创新有关，书的名字叫《全球风口》，副标题是积木式创新与中国新机遇，这本书的第一作者是王煜全，这是这几年非常著名的一个投资人，而且他投资的主要是美国的项目，对美国那边的科技企业和创新情况非常了解。. 和一般的投资人不 ...
19岁少年一口气「黑」了25辆特斯拉！10岁写代码，不上课，开公司
#I4QR6A:19岁少年一口气「黑」了25辆特斯拉！10岁写代码，不上课，开公司 3个月前
俄罗斯天才少女也选华为，22岁拿下世界编程冠军，同天队友也宣布加盟
#I4QR64:俄罗斯天才少女也选华为，22岁拿下世界编程冠军，同天队友也宣布加盟 3个月前
这个标题，让我回想起 火焰棋工作室的诞生之日 一位导师给孩子们的寄语，
这篇 石榴派 置顶的文章，也是未来创客的典范，某种意义就是 《少年》的前身。
而 SIGER 选题的风格 和 CHEER 是有效仿的。用这期专题，致敬这份缘起。 大刚老师
GPT-3的50种玩法告诉你，它很酷，但是没有通过图灵测试 （全文转载）
2020-8-2 · 就连OpenAI的创始人Sam Altman也认为GPT-3被过度炒作，在推特上表示：“ GPT-3 的炒作实在太多了。它仍然存在严重的缺陷，有时还会犯非常愚蠢的错误。” GPT-3还是一个依赖
2021-09-20 10:21:26 来源: deephub 举报
关键词提取方法可以在文档中找到相关的关键词。在本文中，我总结了最常用的关键字提取方法。
用 Python 从单个文本中提取关键字的四种超棒的方法 （全文转载）
AI科技大本营 2022年4月14日06时
关键词提取是把文本中包含的信息进行结构化处理，并将提取的信息以统一形式集成在一起。
大量文本下，关键词/热点词的提取都有哪些方案。 我知道的有 tf*idf、topic model，还有别的吗？ topic model 具体是怎么样的…显示全部
清华大学计算机系 自然语言处理 实验室 开源项目 观星&摄影：@Tim
袁德俊
拥有者
全球风口 2022-03-03 07:01
因工作发展需要，创新地图公司启动实习生计划，如果你对以下工作有兴趣
全球科技发展趋势的研究与传播；
短视频、自媒体等新媒体运营；
市场活动、营销与推广；
科技项目投资专题课题研究。
如果你是在校大学生，对与王煜全及其团队一起工作有兴趣，我们在北京、青岛的办公室都欢迎你，请投喂简历：talent@innovationmap.cn
我们是创新地图，我们的使命是把全球的前沿技术、科技趋势、创新理念和先锋公司圈点出来，呈现给像你一样对未来有期许的人，帮助大家在全球创新的大图景里，找到自己的坐标和目标的方向。
我们的创始人王煜全是著名科技投资人，全球科技创新产业专家。在创新地图成立的五年时间里，王煜全对科技的洞见和分析方法，让几十万用户体会到了如何有效的看清科技的发展脉络，主动与未来连接。
我们的用户包括带领团队进行科技转型的大企业家、科技创业者、投资人、全球前沿科技研究者、产业园区运营者、政府官员以及大量科技爱好者。
袁德俊
拥有者
note_13822491
袁德俊
拥有者
原创 王煜全 全球风口 2022-03-22 06:41
▲ 点击上方“全球风口”关注公众号
回复“科技”获得当日科技清单
你好，我是王煜全，这里是王煜全要闻评论。
俄乌冲突还没有结束，先来看一段评论。
“乌克兰正处于内战之中，这场内战已经造成1万多人死亡。俄罗斯已经入侵，目前正在占有占领乌克兰的一部分克里米亚。俄罗斯还表示打算入侵并接管乌克兰其他地区，它的目标是在乌克兰建立一个傀儡。为了实现这一目标，俄罗斯发动了一场严重违反国际法的行动。
国际社会必须团结起来，阻止俄罗斯吞并克里米亚，阻止其入侵和接管乌克兰其他地区的意图。国际社会必须向俄罗斯施压，要求其将克里米亚归还乌克兰并结束其行动。”
这一段文字，你觉得怎么样？给个评价吧！
咱们言归正传，这段文字不是人写的，而是由人工智能写的，它就是Open AI开发的GPT3，是一种专门用自然语言来生成内容的工具。
Open AI是由特斯拉CEO伊隆•马斯克、Y Combinator总裁Sam Altman、风险投资人彼得·蒂尔以及其他科技巨头在2015联合建立的。2021年底，GPT3的功能逐渐向大众开放，普通人都可以调用GPT3的功能，来试试他们的AI可以提供什么样的服务。
GPT 是generative pre-trained transformer的缩写，翻译过来叫“生成型预训练变换器”。“变换”的意思是你用自然语言和GPT3对话，它转换成机器能理解的语言，处理完再把结果转换成人类语言回复给你。
第一批积极使用GPT3的人中，有位来自加州大学伯克利分校计算机科学系的学生，Liam Porr。他在2020年用GPT3自动生成网络文章，选择了一个不需要严格逻辑的文章类别：“鸡汤”文，收割了一大波粉丝。
具体工作中，他只负责标题，正文全部是复制粘贴。有了人工智能工具的帮助，一个人就完成了一个团队做的事情，连续地高产出，竟然让他登上了YC新闻平台热门榜第一名。
受到这样的启发，我的同事也使用了一下GPT3的API，给AI输入了如下指令：
“请写一篇2000字左右的短篇文章，关注俄罗斯与乌克兰的战争将如何发展，请保证文章的合理、真实。”
这就是你在开头看到的文字。不知你是否能发现，GPT3更多是对网络上已有内容的挖掘和整理，自己并没有任何逻辑推理能力，这就是为什么它的观点更偏向乌克兰，有强烈的倾向性。
这是因为面对复杂的国际事务的推理，涉及到多重线索，人工智能在独立思考能力方面的缺乏就暴露出来了。不过我同事给GPT3出了另一道题目，它就很出色的完成了，要求是“请写一篇2000字的短文，主题是元宇宙。让它听起来像科幻小说，但要保持真实。”
我把这篇AI短文给你念念：
“在不太远的将来，Metaverse元宇宙可能是人类之间以及与周围世界互动的主导媒介。Metaverse的支持者认为，与当前的互联网相比，它有可能成为一个更高效、更方便用户的信息交换系统。
Metaverse是一个在线的、三维的虚拟现实世界，它不仅是玩游戏的地方，而且是一个活生生的呼吸的实体，可以用来创造和分享体验。
Metaverse有可能彻底改变我们之间以及我们与周围世界的互动方式。它可以为用户提供一种更有效的分享信息和项目协作的方式。
Metaverse元宇宙还处于起步阶段，但绝对是在上升。现在是世界关注这个强大平台的时候了。”
你看，很明显，现阶段GPT3更适合网络信息的提取、梳理，尤其是已经有大量信息的话题，通过AI的抓取和学习，就可以生成漂亮的文章。利用GPT3生成爆款网络文章的伯克利小哥，就是专注在这一类。对人工智能来说，这种文章不仅好写，而且在各种网站上都非常受欢迎。
毫无疑问，人工智能最本质的问题依然没有解决。这就是在海量信息基础上的逻辑推理，AI只能遵循一定的模式和算法。就拿俄乌冲突来说，人类都知道要避开敏感的种族主义言论，GPT-3就不知道。
如果信息来源比较单一，可能就会有大量的误解和矛盾的成分。《MIT科技评论》杂志的一句评语很贴切：GPT-3是“令人震惊的好，和完全的无脑。”
不过不能否认的是，GPT3的玩法越来越多。GPT-3虽然不是技术革命，却是应用上的重大突破，让普通人都可以使用AI，甚至成为重要的生产力工具，可以广泛应用在内容创作、UI设计、数据分析甚至是文学创作上。
我的同事除了请GPT3写俄乌评论和元宇宙，还写了第三篇短文“普京和泽连斯基的爱情故事”。你别说，还真是一篇有模有样、绘声绘色的小说呢！
GPT3是按使用量付费，这三篇文章下来，总共只花费了0.2美金，看来人工智能的使用门槛又进一步降低了。
你看，曾经的黑科技，现在离我们已经这么近了，你是否关注到了？是否开始体验了？或者是否已经运用到工作中，给你带来不一样的竞争优势了呢？
以上就是今天的内容，如果你想更多了解科技前沿的进展，了解自己如何从中受益，欢迎关注微信公众号“全球风口”，报名加入“前哨科技特训营”，我们一起学习共同进步！
王煜全要闻评论，我们明天见！
我们还整理了一份"全球AI研究者TOP50清单”，辛苦你点下“赞”和“在看”，点击顶部的“进入公众号”，在对话框里发送“科技”二字，你就会获得这份清单。
清单每天更新，所以请跟上全球风口的节奏；如果想要所有行业清单，扫码加入科技特训营，分分钟就可尽在掌握！
【科技特训营】全新的会员订阅制线上书院模式，全年50次“在线直播课程+私享群互动”，你随时可以加入、我持续保持更新！一起互动，伴随成长！让我们为未来五年做好准备，一起探讨把握机遇，决胜未来！
【回放地址】长按图片识别二维码报名加入，可观看所有直播和回放。
袁德俊
拥有者
原创 王煜全 全球风口 2022-03-03 07:01
▲ 点击上方“全球风口”关注公众号
回复“科技”获得当日科技清单
你好，我是王煜全，这里是王煜全要闻评论。
这几天俄乌战争还在持续，在随时都在刷新的跟战争有关的新闻中，一位19岁的美国少年杰克·斯威尼（Jack Sweeney）引起了人们的关注，原因竟然是他利用技术手段追踪了俄罗斯总统普京的行踪。
他用自己学到的编程和数据分析方法制作了一个自动化程序，跟踪了40架俄罗斯的飞机和直升机的飞行数据，还把这个数据地图实时呈现在社交平台上，短时间内吸引了十几万人的关注。在3月2号接受Bloomberg的采访时他提到，根据他的数据，普京还没有离开俄罗斯。
这位少年之前曾经跟特斯拉CEO伊隆•马斯克还有一段啼笑皆非的故事。他利用一种名为ADS-B的公开数据库，追踪了马斯克私人飞机的飞行数据，并把马斯克的行程发布了出来。
简单来说，这个数据库就像是飞机上的一个独有标签，实时对外界广播自己的位置、飞行参数等数据，是全世界的统一标准，而且在美国这些数据是公开的。
所以他利用这些数据，编写了一个自动化程序，实时公布马斯克的行程信息，并发布到一个单独的公开账号上。这个追踪账号已经拥有了超过39万粉丝，他们可以提前知道马斯克下一站会到哪里。
去年8月7号，这个追踪账号显示马斯克正在前往意大利佛罗伦萨。4天后，人们就见到了马斯克在佛罗伦萨市长的陪同下在当地参观的新闻。
这个追踪账号的火爆程度也把马斯克吓到了，2021年11月底马斯克就主动联系到了杰克，出价5000美元让他删掉这个自动化程序。但是杰克说想要加个0，能不能给5万美元，或者送辆Model 3给他。
虽然马斯克说会考虑一下，或许是觉得这样有些要挟的味道，杰克后来改口说他更想要一份在特斯拉实习的机会而不是钱。
竟然跟世界首富谈条件，而且是一位刚19岁的小孩，此前都没有过先例。据说马斯克后来在推特上把他拉黑了，不过他还获得了别的机会，私人包机公司Stratos向他抛出橄榄枝，邀请他去任职技术开发。
最新消息是杰克还在上学，但是已经在Uber的飞行部门Uberjets做兼职了，也是做大数据分析类的工作，搭建一个关于航班的智能系统。
从追踪马斯克到追踪普京，并且成为各大公司争抢的人才，杰克展现的就是对IT技术和数据分析的深刻理解能力。
杰克目前做的这些事情将会是一种职业，叫作数据猎头。因为未来各行各业对数据的需求量越来越大，杰克们做的事情，就是挖掘这些数据，从本来看似普通的数据中找到有价值的洞察。
如果说数据是石油，那么数据猎头就是石油勘探的专家。要成为优秀的数据猎头，不仅仅要懂的分析技术，还要有很多跟行业相关的背景知识，最好是有很多年浸润的产业专家。一个资深的行业专家知道这个行业里有哪些可用的数据，这些数据能够带来哪些有价值的洞察，进而可以利用它去解决哪些问题。
为什么杰克小小年纪就对航空系统有如此深入的了解呢？这要得益于他的家庭，他的父亲在航空行业工作，职业爱好就是通过捕捉的数据来识别飞机类型。这使得杰克自小就受到了熏陶，从高中开始就学习编程，建立自动化程序来跟踪名人的航班，除了马斯克，他还建立了对比尔·盖茨、杰夫·贝佐斯等15个名人的跟踪系统。
发现了数据还不够，还需要学会先进的工具来分析数据，这个工具就是人工智能。今天杰克只是利用挖掘的数据就完成了一个飞机追踪项目，未来利用人工智能加持，能够解决更难、更复杂的问题。比如他在Uberjets实习的项目就是利用AI和大数据来分析，帮助乘客实时找到更便宜的座位。
我在科技特训营里专门分析过大数据与AI相结合的本质特征，就是需要对行业的深入理解，因此没法做到赢家通吃，不可能被一家大公司把各个行业的数据分析都垄断掉，即使Palantir那样牛的大数据公司也要一个行业一个行业地开拓，因此在大数据加人工智能还没完美覆盖的行业里，每个行业都有创业机会，会有大量的新机会涌现。
人工智能浪潮下，我们能从数据里面解读出来的东西大大丰富了。所以，如果你有行业应用需求，那么就可以利用已经掌握的数据和人工智能结合，说不定能找到下一个创业机会。
袁德俊
拥有者
为什么说数据时代行业经验依然重要，大数据领域不可能被一家公司垄断，反而带来了更多机会呢？如果你有兴趣来近一步了解产业趋势，欢迎关注微信公众号“全球风口”，扫码报名加入特训营。
王煜全要闻评论，我们明天见！
我们还整理了一份"最受关注的20家气候科技创业公司清单”，辛苦你点下“赞”和“在看”，点击顶部的“进入公众号”，在对话框里发送“科技”二字，你就会获得这份清单。
清单每天更新，所以请跟上全球风口的节奏；如果想要所有行业清单，扫码加入科技特训营，分分钟就可尽在掌握！
【科技特训营】全新的会员订阅制线上书院模式，全年50次“在线直播课程+私享群互动”，你随时可以加入、我持续保持更新！一起互动，伴随成长！让我们为未来五年做好准备，一起探讨把握机遇，决胜未来！
【回放地址】长按图片识别二维码报名加入，可观看所有直播和回放。
左右滑动查看内容规划↓
左右滑动查看更多
【课程咨询】
请加“创新地图助手”：
微信：innovationmapSM
登录 后才可以发表评论
