第二天一早，是凌志他们实验室每周一度的组会。
凌志早早来到实验室，把旁边会议室的投影仪布置好，然后把自己做的PPT拷进去，今天他要分享论文。
不一会儿，师门同学们陆陆续续都来到了实验室，紧接着，导师王海波也到了。
凌志的导师王海波40出头，今年刚刚评上了教授，正是志得意满的时候。听说家里的小儿子也刚刚出生，正是双喜临门之时。虽然在计算机领域深耕多年，但并没有拼过头，头顶的平头发型还是郁郁葱葱。行走在路上时总是脚步带风，看见谁都一副笑眯眯的样子。就是年纪逐渐上来了，颈椎经常性地不舒服，凌志想什么时候有机会在教师节送王导一个按摩仪试试看，也算报答王导的教育之恩。
“今天有没有人分享的？”
凌志没有犹豫，说道：
“老师，我来吧。”
凌志打开自己的PPT，毫不怯场地讲道：
“今天给大家分享一下我最近阶段性的实验结果以及论文。”
……
“这是我的数据预处理过程，我大致分为了5个步骤，……”
“这是我对句子对匹配的实验结果，两个句子属于同一人所发布即为正样本，不是同一人即为负样本。……”
“你先等下，你分类所用的特征都有哪些？”
老王问道。
“哦哦，我一会儿会详细说，我现在仅仅是先把结果抛出来。……”
“这个正样本和负样本的叫法合不合理嘞？这个实验结果你们觉得怎么样？”
老王跟大家讨论了一阵，然后让凌志继续。
“我使用的特征是一个14个维度的向量，包括人工提取的特征和神经网络提取的特征。……”
凌志讲PPT沿用了老王以前对学生们的教导——多用图表，少用文字，凌志深以为然。事实上PPT本来就是用来突出重点的，如果往上面堆砌太多文字的话，讲者容易对着PPT念，听者也会觉得乏味，不会自己思考。而用图片和少量文字突出重点，就比较容易让听众们接受。
正如接下来凌志分享的论文，用一张图说明了一句话中每个词之间的远近关系。
“比如现在有两句话，‘他对媒体发表言论’以及‘他出席了新闻发布会’。虽然这两句话意思很接近，但我们如何用程序来进行打分判断呢？我们应当将第一句话中的‘他’所对应的词向量跟第二句话中的每个词进行
本章未完，请点击下一页继续阅读！