实验 | 互联网黑话与MD&A | 大邓和他的PYTHON

最近大邓意外发现，使用mda预训练语言模型扩展互联网黑近义词，模型返回的有鼻子有眼的，这意味着上市公司高管在md&a中可能频繁使用了互联网黑话。

一、互联网黑话

复盘，赋能，沉淀，倒逼，落地，串联，协同，反晡，兼容，包装，重组，履约，晌应，量化，发力，布局，联动，细分，梳理，输出，加速，共建，支撑，融合，聚合，集成，对齐，对标，对焦，拆解，拉通，抽象，摸索，提炼，打通，打透，吃透，迁移，分发，分层，分装，穿梭，辐射，围绕，复用，渗透，扩展，开拓。

漏斗，中台，闭环，打法，拉通，纽带，矩阵，刺激，规模，场景，聚焦，维度，格局，形态，生态，话术，体系，抓手，赛道，认知，玩法，体感，感知，调性，心智，战役，合力，心力。

颗粒度，感知度，方法论，组合拳，引爆点，点线面，精细化，差异化，平台化，结构化，影响力，耦合性，易用性，一致性，端到端，短平快。

生命周期，价值转化，强化认知，资源倾斜，完善逻辑，抽离透传，复用打法，商业模式，快速响应，定性定量，关键路径，去中心化，结果导向，垂直领域，如何收口，归因分析，体验度量，信息屏障。

之前分享过一个中文金融领域的word2vec预训练语言模型，这里就不详细介绍模型参数。

文本分析最常用的方法是词典法(例如，LIWC)，而词向量模型可以帮助我们扩展或者构建概念情感词典。

现在给大家演示只给一个词，返回topn个语义最相关的词。

# 与 seedwords 最相关的前topn个词
# wv是预训练语言模型
expand_dictionary(wv=wv, 
                  seedwords=['复盘'],
                  topn=10)

Run

['复盘',
 '检视',
 '检讨',
 'KPI',
 '考核评估',
 '量化考核',
 '跟踪考核',
 '纠偏',
 '过程跟踪',
 '分析总结',
 'KPI指标']

expand_dictionary(wv=wv, 
                  seedwords=['赋能'],
                  topn=10)

Run

['赋能',
 '技术赋能',
 '全面赋能',
 '平台赋能',
 '科技赋能',
 '助力',
 '数字化赋能',
 '数据赋能',
 '数智化',
 '数据驱动',
 '生态构建']

expand_dictionary(wv=wv, 
                  seedwords=['感知度'],
                  topn=10)

Run

['感知度',
 '体验度',
 '产品认知度',
 '知晓度',
 '购买率',
 '品牌黏性',
 '满意度忠诚度',
 '忠诚度美誉度',
 '消费者满意度',
 '体验满意度',
 '好感度']

expand_dictionary(wv=wv, 
                  seedwords=['倒逼'],
                  topn=10)

Run

['倒逼', 
'倒逼企业', 
'势在必行', 
'迫使', 
'大势所趋', 
'促使', 
'优胜劣汰', 
'加速淘汰', 
'势必', 
'趋严', 
'成为常态']

expand_dictionary(wv=wv, 
                  seedwords=['闭环'],
                  topn=10)

Run

['闭环',
'完整闭环', 
'全链路', 
'全链条', 
'全流程', 
'闭环式', 
'端端', 
'端到端', 
'服务闭环', 
'全周期', 
'闭环管理']

expand_dictionary(wv=wv, 
                  seedwords=['端到端'],
                  topn=10)

Run

['端到端',
 '端端',
 '端到端的',
 '全链路',
 '端端的',
 '数字化运营',
 '全业务流程',
 '场景全',
 '全链条',
 '敏捷',
 '全价值链']

可以看到，返回的近义词都是挺互联网范儿的。只有较为频繁使用，语言模型才有可能捕捉到这种语义关系。这从侧面反映了近年来互联网高级黑话影响力之大。

模型训练不易，为付费资源，如需使用请 点击进入跳转购买链接

cntext目前仍在技术迭代，版本2.0.0综合了训练语言模型&多语言模型对齐，有较大的应用价值，期待有独特文本数据集交流合作。

通过cntext2.0.0，理论上可以对文本所涉社会主体进行计算，适合企业文化、品牌印象、旅游目的地形象、国家形象等