看著兩書評論圈裏的熱鬧，以及日漲一千的點擊，心情卻是不由地好了起來。

    時間還早，習慣夜貓子的他，正是興奮的時刻呢，不會這麽早就去休息的。

    該幹些什麽呢？當然是開始動工手寫人工智能的論文啦！

    其實嘛，英文論文那是現成的，關於負采樣訓練詞向量的，一篇是給出方法，一篇是證明出來，莫浩波需要做的，就是把它們融合起來。

    方法也很簡單，就是在前世穀歌論文的基礎上，加個證明就好了。

    當然，身為中國人，怎麽可能不會寫點中文的東西呢？

    現在，重要的問題就是需要做實驗，就是訓練數據啦。

    那些公開的數據已經從網上下載下來了的，就差工具和應用了。

    13年的這個時候，成熟點的python版本當然是python2.7啦，至於經典的python3.5還沒有影子呢。

    不需要使用那些複雜的架構，隻需要簡單的神經網絡就可以實現，使用numpy庫就可以了，而這，也恰恰是莫浩波發表這篇paper的原因。

    很快就投入令人向往的自然語言處理（NLP工作），效率是相當快的。

    參數和代碼都是現成的，不就是改個文件地址訓練麽，數據量也不大，也就500M的數據罷了。大的話，他的電腦也跑不起來。

    negtive-sample的cbow大都比cbow效果好，negtive-sample的skip-gram大都比skip-gram效果好。skip-gram大多數情況，也比cbow效果好。

    訓練好的詞向量各種分類啊，實體提取啊之類的比較，得出對negtive-sample方法有利的證據。

    然後就是各種數據的記錄，曲線的繪製了，突出negtive-sample方法的速度性、高效性和準確率。

    科學實驗嘛，工程嘛，重要的就是數據啦，這裏容不得任何的作假，那是相當嚴格的，可不是文科那樣的寫寫報告無病而呻那樣的可比擬的。

    當然科研類實驗嘛，那又是相當簡單的，隻要你給出的方法，你給出的數據，能夠比當前的準確率高，即便沒有什麽道理，給不出什麽理論，那也絕對是真理啊。

    科研嘛，最重要的當然是數據啦，數據是不會說謊的。

    就這樣投入進去，時間過得很快，一下子就到深夜11點了，莫浩波終於記錄下了他所需要的各種數據。

    接下來用這些數據，把原本論文的數據替換掉，很快，一篇關於自然語言詞向量的論文，就大功告成了。

    借助英文-中文翻譯，稍微改改其中語句不通順的地方，中文論文也寫好了。

    畢竟兩三千字的論文，小菜一碟嘛，莫浩波輕鬆搞定。

    果斷加上作者名，第一作者，當然是我們的莫浩波啦。第二作者，莫浩波果斷地加上了思思的名字。

    他已經下定決心，一定要睡服思思，要和他一起選擇這個“計算機科學與技術”的專業了。畢竟，生物工程什麽的專業，聽起來整個人都不好了，不能讓她再次中獎了。

    弄完這些，便第二天早上5點了，頂著黑乎乎的眼圈，他沉沉地躺下了，就是早上日常的八點半鬧鍾，也激不起他的絲絲漣漪，果然變死豬了……（WWW.101novel.com）