另一方面VSM为达到简化模型的效果忽略了词语间的关系，但在很多情况下词语之间是存在联系的，因此简单地认为词语间相互独立是不合理的。

这两条缺陷尤其致命。

第一条直接影响处理相似度的效率，第二条直接影响词义相似度判别的准确度。

在这种情况下，VSM模型在使用了一段时间之后，研究人员就将这个模型抛弃了。

现在的人们具体应用什么计算文本相似度林灰也不是很清楚。

不过林灰注意到伊芙·卡莉先前发给他的邮件并没有提到向量有关的内容。

时下的研究人员似乎已经淡忘了向量化。

或许现在再说到利用向量化进行自然语言文本处理似乎是一个很复古的研究方向了。

但实际上向量化这个方向仍然有潜力可以挖掘。

应用分布式词向量完全可以进行文本相似度计算。

不过这个时空的人们不知道也很正常。

林灰记得前世涉及到自然语言处理这方面很多重要成果都是2013年、2014年这两年井喷出来的。

前世涉及到文本相似度模型的架构这方面。

用于计算语义文本相似度的分布式词向量这项技术就是就是在2013年诞生的。

前世正是在分布式词向量问世后，语义文本相似度才取得了突破性的进展。

这个时空节奏上慢了两年，应用分布式词向量计算文本相似度没被提出来也很正常。

一步落后，步步落后。

节奏上慢这两年时间的话，这个时空无疑很多方面都落后了。

这些对于林灰无疑是个好消息。

应用分布式词向量来构建计算文本相似度的方法虽然说起来容易。

但具体阐述起来这个问题其实还是比较复杂的。

因此林灰当初并没有在邮件中回复伊芙·卡莉。

如果这个时空涉及到文本相似度模型架构方面的研究都短腿的话。

那林灰岂不是很有义务援助一下？

看来跨时空之搬运工又要上线了。

当然了这种搬运不是无偿的。

眼下林灰更关心的还是论文。

在相关研究出现方向性偏差的情况下，林灰真要写论文的话岂不是很容易就能发表好几篇？

这样水平的论文林灰写起来很容易。

虽然林灰前世学术生涯上没有走太远，但前前后后发的论文加起来大概有七八篇了。

有几篇论文还是全英文的。

总之发表论文这样的事情，对林灰来说已然是轻车熟路。

这种情况下，林灰感觉他很容易就能把麻省理工学院学士学位所要求的附加分刷满。

尽管如此，林灰还是决定先跟伊芙·卡莉见面沟通一下再弄论文相关的事情。

毕竟林灰不是很清楚西方世界在文本相似度研究的具体进展，万一不小心撞车就尴尬了。

商业上的撞车可以美其名曰是商业竞争。

学术上的撞车可是一辈子的污点。

现在林灰只希望能够快点和伊芙·卡莉见面了。

好在林灰期待的见面没多久就发生了。

林灰在北域域北国际机场见到了“伊芙·卡莉”。

伊芙·卡莉先前怕林灰不相信她的身份，于是在邮件里附上了一堆能够佐证身份的证明。

林灰当初就看到过伊芙·卡莉的照片。

不得不说，伊芙·卡莉的样貌很有辨识度。

一头金色微卷的长发，身高目测一七六左右，身材比例很棒，曲线很S。

尽管以挑剔的眼光来看，林灰觉得此时眼前的“伊芙·卡莉”的身材和样貌似乎也能在90分以上。

最关键的是给人一种很纯真的感觉，给人一种不染纤尘的那种感觉。

呃，这种感觉怎么说呢，反正很有保护欲那种。

不过林灰还没那么不淡定。

女人而已，只会影响他肝论文/敲代码的速度。

“伊芙·卡莉”似乎还没发现林灰。

林灰迎着走了上去，主动用英语打招呼道：“你是伊芙·卡莉么？我就是林灰，欢迎来到中國。”

呃，这几句程度的英文林灰还是能应付的。

不过眼前这人反应明显迟疑了一下。

林灰感到很奇怪，莫非是搞错了？

正在林灰很纠结的时候，突然身后传来的声音。

“你就是LINHUI么？我是伊芙·卡莉，很高兴见到你！”

林灰心想，这下尴尬了。

第一次接人还认错人了。

不过，不应该啊，眼前之人很有辨识度的西方面孔，而且和伊芙·卡莉先前发来的证件照上那女的一模一样啊。

林灰不解地回过头，看向声音来源，又看到了一个“伊芙·卡莉”。

刚才说话的这个也是一头金色微卷的长发，同样身高很高，身材比例很棒，颜值90以上。

身前身后两个人一模一样，就很离谱。

最离谱的是两人身上气质特别像，都是很纯粹的那种。

林灰：Σ(っ°Д°;)っ

什么情况？？？

莫非是双胞胎不成么？

林灰又回过头看了一眼，发现两人虽然样貌上很相似。

但气质上其实是微微有些区别的。

两个人虽然都是很纯粹的气质。

但一个是天真无瑕那种惹人怜爱那种。

另一个则是书卷气让人敬重那种。

如此相似的一对双胞胎送上门来。

林灰当时就有一个很大胆的想法！

……

……

长得这么像的一对双胞胎姐妹以后在开发人脸识别算法时不用来做测试样本可惜了……