Internet Genius versi Cina adalah permainan pemecah level yang sangat gratis. Akan ada banyak mode yang terus dibuka di sini. Pemain akan memiliki pengalaman berbeda di sini. Semua operasi sangat gratis dan tidak akan membatasi pilihan apa pun memberikanmu perasaan yang berbeda.
1. Menjadi pemain nomor satu
Tantang pemain lain di papan peringkat untuk melihat siapa yang lebih baik. Anda dapat menuliskan nama Anda di super award atau hall of honour terbaru.
2. Temukan Penghargaan Aki
Akinator mengundang Anda untuk membayangkan jalan menuju penghargaan emas hitam, platinum, emas... dan tempat di Hall of Fame. Seperti yang Anda ketahui, Akinator suka menebak karakter dan menghadapi tantangan yang lebih sulit. Untuk melakukan ini, Anda perlu memintanya menebak karakter yang terlupakan, karakter yang sudah lama tidak dimainkan oleh siapa pun. Periksa peringkatnya dan perjuangkan posisi teratas!
3. Bebaskan kreativitas Anda
Anda dapat menggunakan Geniz Points untuk membuka kunci dan menyesuaikan gambar Akinator yang Anda inginkan. Jenius internet bisa menjadi raja, koboi, atau musisi. Gunakan 12 topi dan 13 potong pakaian untuk menciptakan kombinasi unik Anda sendiri.
4. Terus berpartisipasi dalam tantangan sehari-hari
Anda dapat menemukan lima karakter misteri setiap hari untuk memenangkan hadiah Aki ekstra atau spesial. Selesaikan semua tantangan harian untuk mendapatkan penghargaan Aki Harian emas, Penghargaan Aki paling bergengsi!
5. Bermain bebas tanpa batasan
Ramuan pamungkas membuka kunci semua karakter dan menghapus semua iklan sehingga Anda dapat menikmati pengalaman bermain game terbaik.
1. Dengan memecahkan lebih banyak teka-teki dalam misi ini, Anda dapat membuka lebih banyak level dalam game ini.
2. Selama permainan seluler, saat pengguna menyelesaikan tugas yang berbeda, suara latar belakang akan berubah, dan konten keseluruhan permainan seluler menjadi sangat menarik.
3. Ada banyak tugas yang menantang dalam game seluler Internet Genius. Di dalam game, pemain harus secara fleksibel memilih bagian mana yang akan dihapus.
1. Metode penerapan paling dasar: pencocokan kata kunci
Bangun tesaurus kata kunci, lakukan pencocokan kata kunci pada kalimat yang dimasukkan oleh pemain, lalu panggil basis pengetahuan yang sesuai.
Hambatan masuk untuk metode ini sangat rendah, dan pada dasarnya programmer mana pun dapat menerapkannya. Misalnya, balasan cerdas saat ini di platform publik WeChat dan pemfilteran kata-kata sensitif di banyak situs web adalah seperti ini.
Namun, ada banyak masalah dengan pendekatan ini, seperti
a. Karena ini adalah pencocokan kata kunci, jika ada beberapa kata kunci dalam kalimat yang dimasukkan oleh pemain, karena masalah seperti bobot kata kunci (dibandingkan dengan kata kunci di basis pengetahuan) dan masalah lainnya, metode pencocokan kata kunci tidak akan berfungsi. kali ini. Bagus dalam hal itu
b. Kurangnya pemahaman semantik kalimat masukan pemain sehingga mengakibatkan jawaban salah. Tentu saja, jika menyangkut produk, kami menggunakan cara-cara lucu untuk menghindari menjawab pertanyaan yang tidak dapat kami jawab.
c.Pada dasarnya tidak ada kemampuan belajar mandiri. Aturan hanya dapat dipertahankan sepenuhnya secara manual, dan aturan pada dasarnya bersifat tetap.
d.Kinerja dan skalabilitas yang buruk. Sekali lagi, contoh di atas berisi beberapa kata kunci dalam satu kalimat. Menggunakan bahasa pemrograman biasa untuk melakukan pencocokan kata kunci memiliki kinerja yang sangat buruk. Bahkan jika beberapa algoritma pemrosesan teks digunakan (seperti pohon trie array ganda), sulit untuk memenuhi kebutuhan skenario skala besar.
2. Metode implementasi yang sedikit lebih maju: berdasarkan mesin pencari, penambangan teks, pemrosesan bahasa alami (NLP) dan teknologi lainnya
Dibandingkan dengan pencocokan 1 kata kunci, permasalahan inti yang ingin diselesaikan dengan metode implementasi ini secara kasar dapat dipahami sebagai: berdasarkan semantik teks pendek (seperti kalimat yang ditanyakan oleh pemain), menyimpulkan maksud yang paling mungkin dari pemain, dan kemudian dari Temukan hasil yang paling mirip di antara konten basis pengetahuan yang sangat besar.
Teknis pelaksanaannya secara spesifik tidak akan dirinci. Izinkan saya memberikan contoh kasar untuk menjelaskan secara singkat gagasan metode implementasi ini (tidak ketat, hanya untuk mengilustrasikan gagasan).
Jika pemain bertanya: Berapa suhu di Beijing lusa?
Jika Anda mengadopsi ide mesin pencari murni (ide berdasarkan penambangan teks dan NLP berbeda, tetapi Anda dapat merujuk pada ide ini), proses sebenarnya dibagi menjadi beberapa langkah.
1. Segmentasikan kalimat masukan dan dapatkan tiga kata kunci: Beijing, lusa, dan suhu. Saat mengelompokkan kata, leksikon industri yang telah dibuat sebelumnya digunakan. Beijing cocok dengan database kota yang telah dibuat sebelumnya, lusa cocok dengan database tanggal, dan suhu cocok dengan database cuaca.
2. Cocokkan hasil segmentasi kata di atas dengan rule base menurut algoritma tertentu sehingga diperoleh rule dengan derajat kecocokan tertinggi. Asumsikan ada aturan cuaca di perpustakaan aturan: perpustakaan kota + perpustakaan tanggal + perpustakaan cuaca, sehingga secara kasar dapat disimpulkan bahwa pemain mungkin ingin bertanya tentang cuaca di tempat tertentu pada hari tertentu.
3. Membuat analisis semantik secara detail. Kita tahu bahwa kotanya adalah Beijing, tanggalnya adalah lusa, dan ilmu yang akan diperoleh adalah ramalan cuaca.
4. Hubungi antarmuka cuaca pihak ketiga, seperti China Weather Network - ramalan cuaca profesional, data portal layanan meteorologi
Ahli lampu ajaib dapat menebak apa yang Anda pikirkan, dan ini sangat menarik untuk dimainkan.