自然语言处理与世界杯

　　自然语言处理与世界杯似乎没啥关系，不过今晚世界杯没有比赛了，我也可以回来照顾一下52nlp了。但是这两者的确没什么关系，我简单的Google了一下“自然语言处理 & 世界杯”，没有什么好的材料，就先从读者评论说起吧。
　　读者Brishen评论：“可不可以对网络上赛前的言论做sentiment analysis来预测一下比赛结果呢？” 估计Brishen对Sentiment analysis（情感分析）有比较深的认识，我个人没有任何这方面的经验，不过感觉是一个不错的方向，不仅仅对于世界杯。如果读者有这方面的经验，欢迎在这里讨论。
　　聚类在自然语言处理中也有比较重要的应用，譬如词的聚类或者文本聚类。章成志老师近期写了一篇《世界杯比赛规则与数据聚类》，大概是与世界杯相关的最具科普性的一篇博文了，和自然语言处理也能扯点关系，以下全文转载自章成志老师的博客。

　　　　　　　　　世界杯比赛规则与数据聚类

　　应该有很多博友像我一样，这段时间可能要花些时间看世界杯。有些博友还会发些心得。俺就从数据聚类的角度，来对世界杯比赛规则进行“重认识”一下，呵呵。

　　先交代下基础背景知识，内行直接跳过本段，呵呵。数据聚类包括划分聚类、层次聚类等、基于模型的聚类等基本模式。划分聚类中最经典的方法就是K-均值聚类，需要事先给定初始点和聚类类目数。层次聚类中最常用的是HAC聚类，事先两两求出相似度，将最相似的或者最不相似的连接起来呢，然后再求次相似的，一直到所有点的都被连接为止。近年来，基于模型的聚类越来越火，可以将基于竞争的聚类方法划入这个类别。07年Frey提出的AP聚类方法更是被大量引用。

　　再结合数据聚类，说下世界杯比赛规则。

　　1. 首先，小组划分，是做基于约束的划分聚类：

　　(1) 经过预选赛入围的32只球队，被划分为4个档次，其中第一档中的8支球队作为种子队 （32个数据，8个聚类类目，将以往世界排名作为权重，选择初始聚类中心，当然东道主特殊，直接作为种子）；

　　(2) 剩余球队按照其档次和所在洲的约束，进行抽签划分到相应的小组中（24个数据按照一定的规则约束后，随机分配到每个聚类中心的所在组中）；

　　 2. 然后，正式比赛，是做层次聚类：

　　(1) 小组确定后，每组四个对，两两求“相似度”，就是说两两打一场，胜的权重给3，平了给1，输了给0，每小组的6场赛事结束后，得到每个队的总体权重（当然了，有可能还要考虑净胜球，相互战绩啥的），那么小组中排名前2的队作为连接点参与下一个层次的聚类。（这里，两两求相似度，完全是基于竞争的，整个比赛阶段基于竞争的层次聚类）；

　　(2) 淘汰赛阶段，直接竞争，做二分聚类，胜的参加下一轮聚类；

　　(3) 直到最后两支最牛的打决赛，冠军队成为了根节点。

　　 3. 聚类结束，参数重新分配，准备4年后的聚类，呵呵。

　　 所以，世界杯做了大量的约束，注意比赛的观赏性，用了比较简单公平的方法，在较短时间内确定聚类层次关系。

　　如果是动物界打比赛，可能又是另一个场景，完全自由随机的打，最强的完全有可能因为体力不支，提早被淘汰而成不了冠军。

　　 以上仅供娱乐参考，推理和比喻不当地方，请博友指出，谢谢。

　　关于自然语言处理与世界杯，不知道读者朋友还能想到些什么？

注：转载请注明出处“我爱自然语言处理”：www.52nlp.cn

本文链接地址：https://www.52nlp.cn/自然语言处理与世界杯