雖然這樣很裝比吧。
呃,不過似乎太拉仇恨了。
等等,似乎可以發表論文了!
林灰突然這樣想到。
事實上,林灰先前就想過發表論文。
可當時的林灰覺得以一個高中生的身份發表論文或許會有點驚世駭俗,就擱置了這一想法。
但今時不同往日,現在的林灰已經搖身一變成為麻省理工學院電腦科學專業的準大一學生。
有這層身份在,林灰在學術層面把天捅個窟窿似乎也不過分。
麻省理工學院計算機方面很弔麼?
當然很弔!
拿世界各地的計算機專業所學的專業課內容來說吧。
幾乎一半的內容都跟麻省理工學院計算機專業有著千絲萬縷的關係。
現在這個時間節點,麻省理工學院的電腦科學專業更是當之無愧的世界第一。
當然了就跟全國第一的高校有兩所一樣。
世界第一的計算機專業也有兩所高校。
除了麻省理工學院之外另一個是斯坦福大學。
兩所學校在計算機方面可以說是平分秋色。
(一般來講,加州大學伯克利分校計算機也不弱。
不過國人眼中分校一般沒啥存在感)
儘管如此,麻省理工學院依然是世界範圍內入學競爭最大的學府之一。
這樣的學府門檻自然是極高的。
在收到麻省理工學院的入學通知後。
在麻省理工學院的官方網站上林灰看到來自麻省理工學院的公示內容:
今年麻省理工學院校方共收到18356個本科、19446個研究生2014-15學年的入學申請。
分別僅錄取了1447(7.9%)及2991(15.4%)名申請者。
實際就讀的可能更少,畢竟選擇是雙向的。
雖然有的人能被錄取,但是卻很任性地不去了。
這麼做當然很zhuangbility,不過短時間內林灰還是做不到這份任性的。
也沒必要太任性,穩健發育才是硬道理。
此時能夠成為1447名幸運兒中間的一位林灰已經很高興了。
畢竟林灰現在所處的層級已經是不少人一輩子都難以企及的高度了。
就現在這個時間節點而言。
成為麻省理工學院電腦科學專業裡的一員確實是林灰的榮幸。
但與此同時,林灰也清楚地知道。
用不了多久他就會成為麻省理工學院的驕傲。
進入麻省理工學院就讀對於林灰來說僅僅是個開始,未來的路還有很長。
另外,現在想以後的事情還有點遙遠,把握住眼下才是最要緊的。
千里之行始於足下。
短時間內來看,林灰依舊需要一步一個腳印地往前走。
這樣或許不能走得很快。
但一定會走得很穩。
林灰也必須走得很穩!
縱然林灰不是涉足politics的,但在背負著跨時空而來這個大秘密的情況下。
林灰所要走的路容不得行差踏錯。
而就此時而言,林灰在學術上最穩妥的前行辦法就是發表幾篇論文。
即便是發表論文也算不上無中生有。
畢竟林灰先前已經搞定了生成式文字摘要的相關專利了。
申請專利之後再發表幾篇論文作為先前專利的補充說明也是很符合常理的事情。
不過具體該發哪個細分領域的論文呢?
這是個問題。
原本這不該成為一個問題的。
按照林灰最先前的設想,整個生成式文字摘要作為一個成果能在影響因子比較高的刊物上發一篇論文就不錯了。
但林灰萬萬沒想到這個時空裡人們在涉及到自然語言處理這方面的研究著實慢半拍。
從先前尹芙·卡莉發給林灰的郵件來看。
雖然這個時空西方學術界對於文字摘要的研究傾注了大量心血。
但這個時空西方對於文字摘要方面的研究進展和前世那個時空的西方對文字摘要的研究情況依舊是有些差別的。
儘管從客觀上講差別不是太大。
但綜合衡量的話,這個時空西方世界對文字摘要的研究情況比前世那個時空節奏要慢兩年。
(至於~國更是不用說,此時的學術界還是習慣摸著鷹醬過河的。
老實說這種做法不完全算錯,可以避免資源浪費。
但總是這樣的話太被動了。
想要當老大,就得敢為天下先)
雖然這個時空在相關領域的研究僅僅是節奏上慢了兩年時間。
但兩年足以改變很多事情了。
更何況,林灰原本就有著七年的資訊優勢。
此消彼長之下,林灰就相當於有了接近十年的資訊優勢。
或許有人不解,僅僅只是工作了三年,林灰憑什麼能夠把資訊優勢發揮的淋漓盡致。
雖然前世僅僅工作了三年,但林灰說是有六年的工作經驗也不過分。
至於多餘的三年工作經驗哪來的?
這說多了都是淚,加班加出來的。
不得不說,這都是“福報”.
這加班多是一件美逝啊。
不是這樣的瘋狂加班林灰哪有能夠重生的機會?
縱然能有重生的機會。
不瘋狂加班林灰怎麼會對那些枯燥的東西記憶如此深刻呢?
不過這些都是前塵往事了。
因為過往的種種經歷,在現在這個時空裡,林灰就是當之無愧的強者。
至於同領域的其他研究者,林灰尊重他們的努力。
但不得不說:抱歉,你們真的好弱欸!
並不是林灰在信口開河。
林灰先前搞得那個生成式文字摘要這個演算法所涉及到的全部技術。
如果被這個時空下的研究團隊徹底吃透。
起碼能將這個時空全世界自然語言處理以及神經網絡學習方面的研究進展加速近一年的時間。
當然這說的是馬上吃透的話,能加速近一年時間。
如果這些研究團隊花了兩三年才搞定相應的進展,那反而是拖累他們正常的進度了。
拋開生成式文字摘要這個專利不談。
僅僅是林灰在弄生成式文字摘要時順手牽羊搞定的那個LH文字摘要準確度衡量模型也夠牛掰的了。
如果這項技術能夠被這個時空的研究團隊所掌握的話,對於他們的研究也是有所助力的。
【新章節更新遲緩的問題,在能換源的app上終於有了解決之道,這裏下載 huanyuanapp.org 換源App, 同時查看本書在多個站點的最新章節。】
儘管林灰當初就把如何構建模型表達的已經足夠清楚,就差手把手教了。
(構建模型的話首先要運用語言模型來評估演算法生成語言的流暢度,然後使用相似度模型評估文字和摘要之間的語義相關性,最後為了有效評估實體、專有詞的復現程度,引入原文信息量模型來評估)
但此時的研究人員似乎仍然很好奇林灰是怎麼構建這一衡量標準的。