@aheadlead 平时这些票可能卖不完，春运的时候应该会动态调整吧，不然冷门票可能都卖不去吧。

请他吃个饭，一起认真聊聊，软的不行，就直接怼，让他修改时走流程，比如让 xxx 审核，没审核拒绝修改。

@cloverzrg2 没错用的就是这个
@mritd 😢
@julyclyde 发非 html 邮件，用 mail 命令，改一下默认的 mail.rc 配置就可以走外部 smtp。起码保证能收到。😂。
如果不走外部的 smtp，次数 /频率超过一个值后，直接收不到了。

@wd sendmail 配置改起来太麻烦了，哈哈哈，确实一时搞不定。python script 是可以的，但由于项目里脚本太多了都用的 mail 命令，替换起来也比较麻烦。

歪个楼，抖音中毒用户。

抖音在某些方面还真的有积极意义。如：
- 寻人： 新华网-抖音寻人上线三周已经找回 10 人
- 知识科普：如 CPR 心肺复苏很多都是百万点赞，浏览量应该是千万级。其他类型的知识如健身 /减肥等也有很多优质的博主。
- 普法宣传：山西交警在抖音上做了很多交通知识宣传、很多视频有头有尾有很好的教育意义。还有四平警事等官方博主，一直在科普防诈骗的知识。
- 正能量：有个叫「大乐」的网红，一直在帮助孤寡 /残疾老人，并将帮扶过程做成视频，发布出来。看了视频的人，很多愿意捐款捐物，同时也带动了很多人去效仿帮助老人。感觉挺暖的。

等等不一一列举，感觉很多视频有积极意义，由于用户基数大，视频更直观等，传播效果好过其他平台。对社会的积极意义也挺大的。

个人呢，也喜欢经常在上边看一些骑车 /跑步 /旅游 /电影解说 /段子类的视频，能了解到一些基础知识同时也很解压。

歪个楼，抖音中毒用户。

抖音在某些方面还真的有积极意义。如：
- 寻人： http://www.xinhuanet.com/gongyi/2018-10/22/c_129977100.htm
- 知识科普：如 CPR 心肺复苏很多都是百万点赞，浏览量应该是千万级。其他类型的知识
- 普法宣传：山西交警在抖音上做了很多交通知识宣传、很多视频有头有尾有很好的教育意义。还有四平警事等官方博主，一直在科普防诈骗的知识。

等等不一一列举，感觉很多视频有积极意义，由于用户基数大，视频更直观等，传播效果好过其他平台。对社会的积极意义也挺大的。

个人呢，也喜欢经常在上边看一些骑车 /跑步 /旅游 /电源讲解 /段子类的视频，能了解到一些基础知识同时也很解压。

时隔数月，今日本群迎来两位「程序媛」，可喜可贺，喜大普奔。😄。

群还在。😄😄。

@zicla 是谁把自己女朋友传上去了 😂

看了一下似乎这个是聚合网上的公开新闻报道、评论新闻、公众号文章什么的。可能没啥能量。
找到一个这个，类似这样： http://yuqing.people.com.cn/n1/2019/1203/c429781-31488046.html

如果是「纯研究型」的算法工程师，可以不搞一点工程啊。
不过「纯研究型」的算法工程师，我觉得这个门槛挺高的。

@aalikes95
总体还不错，搜一些词，很多能得到意外之喜。
不过 bug 也比较明显，不少错词。也无法增量更新。

上一次发文发一半那个楼主，被

我是工作 5 年后自己买的。
自从习惯了 mac，再也没用过鼠标。

@elfive
官方的说明是这样的。
Data collection.
Our training data contains large-scale text collected from news, webpages, and novels. Text data from diverse domains enables the coverage of various types of words and phrases. Moreover, the recently collected webpages and news data enable us to learn the semantic representations of fresh words.

Vocabulary building. To enrich our vocabulary, we involve phrases in Wikipedia and Baidu Baike. We also apply the phrase discovery approach in Corpus-based Semantic Class Mining: Distributional vs. Pattern-Based Approaches, which enhances the coverage of emerging phrases.

大概是说用了新闻、网页、小说、维基百科、百度百科的数据。
没提到聊天数据，不过新闻网页都有评论数据，可能也是数据来源之一。

@DEANHZED emmmmmmmmmmmm

@devallin 降重可能有其他的方法，这个模型计算词与词之间的相似度好用。句子和句子之间不好直接用。

@nieyujiang 搞错了，重来。
{
"top_similar_words":[
[
"烤串儿",
0.927384614944458
],
[
"羊肉串",
0.894095778465271
],
[
"肉串",
0.8555537462234497
],
[
"烤腰子",
0.8516057729721069
],
[
"撸串",
0.8469321727752686
],
[
"涮串",
0.8465385437011719
],
[
"大肉串",
0.8420960903167725
],
[
"烤肉串",
0.838364839553833
],
[
"牛肉串",
0.8371975421905518
],
[
"烤海鲜",
0.8364357948303223
],
[
"烧烤摊",
0.8351374864578247
],
[
"炸串",
0.8339198231697083
],
[
"烧烤",
0.831093430519104
],
[
"烤羊肉串",
0.8277176022529602
],
[
"各种烤串",
0.8274507522583008
],
[
"烤鱿鱼",
0.8235615491867065
],
[
"烤羊腿",
0.8228681683540344
],
[
"烤猪蹄",
0.8225207328796387
],
[
"烤生蚝",
0.8220213055610657
],
[
"吃串",
0.820912778377533
]
],
"word":"烤串"
}

@nieyujiang
还有呢，烤串相似词：
```json
{
"top_similar_words":[
[
"我觉得 ok",
0.6393940448760986
],
[
"emmmmmmm",
0.6306545734405518
],
[
"hhhh",
0.6229800581932068
],
[
"hhhhh",
0.6225401163101196
],
[
"不存在的",
0.6077110767364502
],
[
"溜了溜了",
0.603063702583313
],
[
"hhhhhhh",
0.6008774638175964
],
[
"emmmm",
0.6002634167671204
],
[
"emmm",
0.5958442687988281
],
[
"emmmmm",
0.592516303062439
],
[
"阿喵",
0.5918310880661011
],
[
"哈哈哈",
0.590988039970398
],
[
"略略略",
0.590296745300293
],
[
"hhhhhh",
0.5870903730392456
],
[
"微笑脸",
0.5860881209373474
],
[
"tan90°",
0.5825910568237305
],
[
"没毛病",
0.5802331566810608
],
[
"233333",
0.5794929265975952
],
[
"我觉得不行",
0.5762011408805847
],
[
"就酱",
0.5751103162765503
]
],
"word":"ojbk"
}
```

@nieyujiang 哈哈 不知道晚上吃啥就用这个模型推荐

群还在。😄