推荐学习书目 Learn Python the Hard Way Python Sites PyPI - Python Package Index http://diveintopython.org/toc/index.html Pocoo 值得关注的项目 PyPy Celery Jinja2 Read the Docs gevent pyenv virtualenv Stackless Python Beautiful Soup 结巴中文分词 Green Unicorn Sentry Shovel Pyflakes pytest Python 编程 pep8 Checker Styles PEP 8 Google Python Style Guide Code Style from The Hitchhiker's Guide
这是一个创建于 2836 天前的主题，其中的信息可能已经有所发展或是发生改变。
最近直播火热，网上也看到很多通过“抓图 - 文字识别 - 百度搜题推荐”的程序介绍，自己也整理了一份
###########举例######################
问题：9.中国历史上,在位时间最长的皇帝是?
备选答案： ['康熙', '乾隆', '刘彻']
Answer： ['刘彻(9.091%)', '康熙(63.636%)', '乾隆(27.273%)']
#######################################
想问问大家，对搜索答案这块的算法，怎么设计，有什么高见？
先抛砖引玉，目前想到的算法：
1. 通过百度网页，请求问题，以答案选项作为关键字，数数判断（主流）
2. 对答案采用“中文分词”，针对答案可能是 xxx-yyy-zzz 无法全字匹配的情况
3. 对问题进行“中文分词“，逆向搜索，针对 “下面那些不是美国的品牌”这类问题
对于 1 已经实现，之前也有人发过存在“不”的情况处理；目前想通过 jieba 实现 2 和 3，但是总感觉这块的思考不是“很专业”，请大家吐槽
###########举例######################
问题：9.中国历史上,在位时间最长的皇帝是?
备选答案： ['康熙', '乾隆', '刘彻']
Answer： ['刘彻(9.091%)', '康熙(63.636%)', '乾隆(27.273%)']
#######################################
想问问大家，对搜索答案这块的算法，怎么设计，有什么高见？
先抛砖引玉，目前想到的算法：
1. 通过百度网页，请求问题，以答案选项作为关键字，数数判断（主流）
2. 对答案采用“中文分词”，针对答案可能是 xxx-yyy-zzz 无法全字匹配的情况
3. 对问题进行“中文分词“，逆向搜索，针对 “下面那些不是美国的品牌”这类问题
对于 1 已经实现，之前也有人发过存在“不”的情况处理；目前想通过 jieba 实现 2 和 3，但是总感觉这块的思考不是“很专业”，请大家吐槽
 | 1 wisonic 2018-01-18 09:17:34 +08:00 via iPhone  1 hi |
 | 2 zarte 2018-01-18 09:18:41 +08:00 xxx 是？直接把题目拿去搜。 其他带上答案搜。 |
 | 3 binjoo 2018-01-18 09:26:32 +08:00 昨天有一题，大提琴有几根弦。 简单搜索（百度）：我在百度页面中搜索，第一个结果就是百度知道的结果，4 根。但是给出的答案是 6 根。 搜狗搜索（搜狗）：我在搜狗页面中搜索，第一个结果就是搜狗立知的结果，4 根。但是给出的答案也是 6 根。 不明白他们是怎么给出的答案。。 |
 | 4 victor97 2018-01-18 09:30:15 +08:00 via Android 1 把问题带上选项搜，比较搜索结果数量 |
 | 5 mmrx 2018-01-18 09:31:56 +08:00 感觉第一种完全是看搜索引擎靠不靠普...目前来看，百度还是算了吧，换个 google 估计是不是好点？ |
 | 6 CaptainWho 2018-01-18 10:17:58 +08:00 via iPhone @binjoo 我就在这题凉凉了 |
 | 7 logOo 2018-01-18 10:25:50 +08:00 @CaptainWho 去年有部超火的日剧叫四重奏，就是四个四流音乐家追求音乐梦想的故事。我也拿这部剧当神剧，可真没注意过大提琴几根弦。 |
 | 8 yao978318542 2018-01-18 10:35:04 +08:00 已经开始耍猴了 放弃吧 都是 5 圆场 adb 截图加分析加百度 我一共用了 5 秒 主持人念题然后显示出完整题目 2 秒 留给我的只有 3 秒 然后我还需要判断 答案的准确性，顺便浏览一下百度出的内容 再然后按下选择按钮 忙碌了半个小时最后得到 5 块钱 感觉好累啊 |
 | 9 cossak1991 2018-01-18 10:50:50 +08:00 估计就是买了一部分题库，不然解释不了为什么百度、搜狗连大提琴有几根弦这种没有悬念的问题都能答错。 |
 | 10 vipper 2018-01-18 11:03:52 +08:00 上深度学习系统吧 |
 | 11 Mrkn 2018-01-18 11:15:37 +08:00 |
 | 12 vincentjie 2018-01-18 12:43:00 +08:00 @binjoo 好像没有听说过 6 根弦的大提琴啊，是我太孤陋寡闻了吗。 |
 | 13 azh7138m 2018-01-18 13:21:03 +08:00 @vincentjie 看维基百科的话是巴洛克大提琴 4 根，还有一种 7 根的，6 根的是啥就不知道了 |
 | 14 piaochen0 2018-01-18 13:28:00 +08:00 @yao978318542 有没有这种可能性。我怀疑是简单搜索，搜狗跟这些平台有合作....直接把题库都给他们了.....我写的跟你差不多，截图，ocr 分析,到网上搜结果，都要 5,6 秒左右才能出答案。而且 ocr 还不一定全能识别全。他们这个速度有点快了... |
 | 16 Gord3n 2018-01-18 13:38:36 +08:00 via Android 其实是人工答的，做一个前端页面，然后把答案发给用户 |
 | 18 TimePPT PRO @piaochen0 并没有可能。快是因为搜狗用的是自家搜索引擎技术，基于深度学习的开放域问答系统，并且针对答题产品做了专项优化，并不是单纯从排序好的网页里简单 pattern 匹配。百度也一样。 这也是为啥答的快，但不准。 |
| 21 yao978318542 2018-01-18 13:58:29 +08:00 @piaochen0 #14 现在最重要的原因是 答案不一定准确 这就郁闷了 还需要自己去识别 而且现在都变聪明了 大部分都是 “一下”，“下列” 这种需要分词然后结合问题关键字去搜索的 我觉得这才是重点 |
 | 22 ss63551234ss 2018-01-18 14:22:48 +08:00 @sola97 西瓜问题接口如何抓取。 |
 | 23 sola97 2018-01-18 14:47:25 +08:00 2 @ss63551234ss #22 https://api-spe-ttl.ixigua.com/cdn/h/1/heartbeat/13241407?_rticket=1516257924160 heartbeat(场次)和_rticket(时间)是变量，返回 protobuf 流，用 protoc --decode_raw 可解 |
| 26 vincentjie 2018-01-18 18:53:07 +08:00 @piaochen0 OCR 太慢，还有识别错误的风险。Android 可以通过辅助应用相关的接口来获取题目，Xpose 应该也能实现类似效果。iOS 不知道有没有开放相关接口。 |
 | 28 anywalker707 OP @sola97 牛，不过不怎么会分析接口 |
 | 29 bayker 2018-01-19 08:49:04 +08:00 问：“ xxx ”这句歌词的原唱没有唱下面的哪首歌？ A：xxx B:xxx c:xxx 这种要拐几个弯的问题，还不如自己答。 |
 | 31 pheyer 2018-01-19 10:39:30 +08:00 @vincentjie iOS 的话也可以入侵 app 内部 hook 相关函数得到的，非越狱就可以实现 |
 | 32 RoyLaw 2018-01-19 14:16:40 +08:00 @sola97 西瓜不是用 spe-frontier-b.snssdk.com 的 WS 接口取题目了么？我看 WS 里面出题的时候会又加扰的题目出现 |
 | 37 v1nce0t 2018-01-21 15:23:58 +08:00 @sola97 您好，西瓜我用 jython 对下载下来的 protobuf 可以解包，但 protoc --decode_raw 如何做到实时自动解包出来转换为字符呢 ，能分享下代码嘛 |
| 38 sola97 2018-01-21 15:27:08 +08:00 @v1nce0t #38 def decode_protobuf(content): p = subprocess.Popen('protoc --decode_raw', stdin=subprocess.PIPE,stdout=subprocess.PIPE) text=p.communicate(content)[0] return eval("b'''%s'''"%text.decode('utf8')).decode('utf8') |
 | 39 forestyuan 2018-01-21 17:15:59 +08:00 大提琴那题我也碰到了，正确答案是 4 根，平台没出错啊 我用了两个手机答题，一个猜 5 根，一个猜 6 根，结果都凉了，所以印象特别深 |
Select Language