白:

“那个假流氓真流氓”

“这种做法不禁令我们大吃一惊”

我:

前一句有意思 等我回头试试，第二句没看到 catch 啊。

白:

分词和句法的相互作用，“禁令”是名词，“令”是类介词的动词。

“不+名词”即使不是严格禁止的，至少也是极其低概率的。

我:

这个知识在多数切词程序里是没有容身之地。当然还有别的办法。人在伯克利 没法测 第一眼居然没看到切分歧义。

刚回家第一件事就是测试白老师的句子，悲喜参半啊：

第一句出来了，第二句果然切分错了，当然前面说过，“不+名词”的规则通常在切词的时候没地方容纳。还是用更简单的ngram的头疼医疼的办法吧。于是改正如下：

我:

不过话说回来，如果真要难为系统，总是可以的：譬如，假流氓真流氓我管不着。

果然中招：

分了真假 就做不好并列；做了并列 就难兼顾真假。

白:

按下葫芦起来瓢

我:

如果鱼与熊掌一定要兼得，就太过精巧 君子不为也。不是不可以做 但不能这样做。维持现状吧。

白:

对NLP没感觉的人很难理解是什么让顶尖高手不得不妥协。

雷: 哈哈哈。顶杆

我:

妥协是因为吃过亏 吃过自作聪明的亏 精巧的亏

白:

问题不在于你解决了什么，而在于你解决了“这一个”的同时，不影响你已经解决的“那些个”。

雷: 

不可调和？not even by bribery?

我: 哈

那要看量

雷:

工程上可以

我:

没有不可以的事儿

白:

不是技术问题，是商业问题

雷:

理论上顶在那里

我:

但懂得什么时候选择不做 有时比做 更重要

见好就收吧

这是不同维度的纠缠

白:

里维和外围的纠缠

我:

平行并列是一个维度

“真”“假”的词性和用法的不同是另一个维度

“流氓”的名词形容词歧义又增加了一个维度

事不过三原则（见【系统不能太精巧，正如人不能太聪明】） 说的就是当多维纠缠的时候 你可以随风起舞 跟着去绕 但不要绕进去太深 要有适可而止的智慧

mei:

@wei 是啊，不必去fit noise。

我:

不仅是 noise，更主要的是要皮实，不能让系统内部相互依赖太多。“精巧”的系统今天把一个拐角处的“艰深”问题解决了，而且通过了 regressions 测试，似乎没有副作用。可是明天呢 后天呢？系统在前进过程中，一定会打破动态平衡，凡是太过精巧的地方最终会在前进中遭遇困扰。于是我们就被拖进了两难的泥潭，把注意力放到了不该放的犄角旮旯。两难是：

那个 case 是 tested case，进入了 regressions baseline，因为精巧而脆弱，因此常常成为 regressions testing 的红灯区。红灯一亮，我是去对付它呢，还是放过它呢，真地两难啊：

对付它就要耗费资源，耗费我的时间，为了维护的是一个小概率的case，不断地耗费资源，不值得。如果放过它呢，这就等价于我们一开始就不该做，不该精巧地“解决”这个问题。后一个选择是明智的，但还是不如一开始就坚持事不过三的原则来指导系统的开发。系统的鲁棒性比解决个别的长尾问题要重要。

【相关】

【系统不能太精巧，正如人不能太聪明】

【立委科普：美梦成真的通俗版解说】

【立委科普：语法结构树之美（之二）】

【置顶：立委科学网博客NLP博文一览（定期更新版）】  

 《朝华午拾》总目录