之所以会抛弃QQ拼音,而转用谷歌拼音. 其实也并没有很好的理由. 偶然的推介,加上QQ拼音本身并不靠谱的做法,所以选择了尝试谷歌拼音. 中国有句话叫士别三日,当刮目相看. 用来形容谷歌拼音并不为过. 对于输入法本身,各家做的其实都差不多了. 于是,腾讯开始想着如何整合QQ拼音. 搜狗想着如何把市场扩大. 但最终还是脱离不了输入法的范畴. 但谷歌拼音做到了. 一个lua扩展,就已经足够让人遐想无限了. 从技术上说,能支持lua,也就能支持其他脚本语言. 而如果有心思往下挖掘的话,把输入法做成命令行又有何不可呢? 至少简单的,可以做一些简单的命令,调调窗口,移移文件也是可以的. 当然,把输入框作为复杂交互接口,其实并不合适. 毕竟,窗口大小有限. 当然,显示区域大小不是问题. 只不过,在把交互变复杂之后,就不是谷歌输入法,而是带输入功能的工具了. 所以,这是其实还是百度的框计算的概念. 输入法入口强于搜索入口之处在于,就国人来说,输入法输入的东西更符合人的日常行为. 也就是说,输入法更能够接触到人的日航生活. 你所打的一字一词,从理论上,是可以分析出你的个人风格,乃至兴趣爱好. 在不知不觉中,搜索引擎就能够学习到你的个人特征. 这样,不论是在搜索引擎对你做的推荐,以或者是你在使用搜索引擎的时候,都更可能高且快速地命中需求. 因为搜索引擎已经通过你的日常生活了解到了关于你的所有特征. 犹如一个无处不在的管家. 在尽心揣摩之后,为你做出最合适的动作. 数据分析,把人与网络的距离拉得更近. 从前,有个说法: 你永远不知道,屏幕背后跟你聊天的是不是一只狗. 现在,这个说法在渐渐地被打破. 至少,许多应用已经实际上或试图了解你的一个方面. 国外的亚马逊,国内的豆瓣. 基于数据挖掘的推介服务,已经成为了一个产品. 当然,这些服务目前还不是很通用. 因为它实际上还是基于你的一个比较明显的意图,购买,或者打标签. 事实上,豆瓣也许能够做地比亚马逊好. 因为它收集数据的方式,并不需要用户很有目的性. 虽然,一定程度上,这样会对分析结果产生一些"噪声". 但是,所谓的噪声也并不一定是没用的. 只不过是因为没有找到合理的解释. 所谓存在即是合理,有这样的什么样的数据,就表明用户可能会有什么样的行为. 对于豆瓣,它不仅经有用户对各种事物打的标签. 它还有小组,还有博客,还有各种各样能表征用户行为的系统在内. 从统计角度来看,数据越多,某种程度上说,也就越可能还原出实际方程的样式. 而对于豆瓣这种大杂烩式的地方,它可分析的数据量是非常多的. 但以用户发布的文字来说,比如广播,比如评论,比如小组发言. 即便只是采用搜索引擎的惯用的方式进行关键字分析,也能够对用户生成一大批标签. 越多的标签,也就意味这越多的潜在价值. 用googel的方式来说,越精确的关键词,也就越精确的广告投放,也就是越多的广告投放量,也就是越多的盈利来源. 所以,从这个角度来说,豆瓣这种方式,其实是很有潜力超越google的. 因为豆瓣现在所有的,其实就是google一直想要得到的一种模式. 想想google的服务. picasa,youtube和google earth的关系,已经他们对google 搜索的影响. 屡次传出收购twtitter的意图. friend connet的建立. google一直在试图寻找人与人之间的联系. 把互联网的pagerank带到现实世界. 而豆瓣手头上有的正是google一直梦寐以求的. 豆瓣自己或许也明白这一点. 所以才会有了现在的购书单. 但这不应该是豆瓣追求的. 豆瓣应该做的是把自己做成像google一样的广告商. 而不是把自己做成一个卖家. 懂得和所有人合作,才不会被任何人打败.
2010-01-09
从拼音输入法谈起(下)
订阅:
博文评论 (Atom)
爽文
去看了好东西. 坦白说,多少是带着点挑刺的味道去的. 毕竟打着爱情神话和女性题材的气质,多多少少是热度为先了. 看完之后倒是有些新的想法. 某种程度上来说,现在的年轻人或者说声音就像小叶. 只要说点贴心的话就能哄好. 也是那种可以不用很努力了. 留在自己的舒适区避难所小圈子抱团就...
-
最近尝试了下海淘. 当然,方向上来说是从国内到新加坡. 先是买了个iPhone,算上运费和双重征税,到手比官方还是便宜个一两百新的. 换算回来也不多事10%的纯粹价格因素差异. 当然,之类有电商促销的因素. 也有比较基准是新加坡Apple Store售价的原因. 但如果同样比较A...
-
这两天看完了Netflix版的三体. 某种程度上来说,完成度还是不错的. 尽管开始的时候对于第一集片头有些争论,但整体如果带入当下去看的话,还是有些梗的. 比如三体对于地球科技的发展速率的担忧,由此衍生的智子. 以及现有力量对比上的压倒性优势. 如果带入中美关系以及各自的历史阶段...
-
前几天Sora出来后才仔细看了下diffusion,发觉确实算挺取巧的. 按照naive的intuition或者说不那么现代的方式的话,可能需要segmentaion为基础的composite的方式去生成图片,即使扯点deep learning/network的,可能也是类似一些...
没有评论:
发表评论