Quote　mirror
因为距离是不变的，花多少时间才能到达目的地是个关心的问题。

在我们这个信息抽取/搜索这个行当里，学界与业界对于覆盖面（recall）的定义完全不同。学界的定义是以一个信息的出现次数 (mention level) 做分母，测量系统抓住了多少。业界从用户使用信息的需求出发，分母是不同信息的个数（concept level）。一个学界标准覆盖面很差的系统，可以是业界覆盖面很好的优秀系统。如果一个信息以10种不同说法被媒体各重复了100次，总计1000次 mentions，一个系统只要抓住其中一个说法的一次mention，就这个信息而言，对于用户来说，就是100%，而按照学界覆盖面定义则只有　1/1000，几乎是零 。显然，对于业界，覆盖面的提升不仅是加强系统本身的深度，更重要的是增加海量数据处理能力。数据量增加了，信息冗余度必然增加，抓住耗子就容易了。

以上是把情形推向极端来说，但是不可否认的是，学界测量系统的指标是脱离实际的，其目的是鼓励“学问”向纵深发展，不为眼前的软硬件条件所羁绊。学界竞争出来的系统可以是不计成本的。业界则不同，深度与广度同等重要，深度广度的综合平衡，以邓小平同志的猫论为准绳：抓住老鼠就是好猫。

相关博文：

【立委科普：从产业角度说说NLP这个行当】

【置顶：立委科学网博客NLP博文一览（定期更新版）】