“寞组词”，如果你没什么搞NLP的朋友圈，你可能不认识这个名词，但这个名词其实是一个关于机器学习的很有意思的话题。 首先，我们解释一下“寞组词”究竟能玩出什么花样来。“寞组”其实就是一个含有很多不重复词语的句子，我们姑且把这些句子叫做“组”吧。那么“寞组词”不就是指含有很多不重复词语的词汇表吗？那我们为什么要玩这个呢？众所周知，对于机器学习领域而言，数据量是关键，没有数据，就无法训练出一套良好的模型。
而大多数传统的机器学习模型在面对文本分类之类的任务时，数据是很难收集的。虽然自然语言处理(NLP)技术已经发展得非常成熟，但是对于一些小领域或者“特殊领域”而言，单靠语料库是很难覆盖到的。而对于这种特殊情况，处理“寞组词”不能说是最好的方法，但绝对算是一个很有意思的方式。
如果想要制作出“寞组词”，核心就是要尽量避免出现重复的内容，从而得到尽量密集的语义点，值得注意的是，寞组的信息密度是非常高的，而对于机器学习，密度高的信息意味着更好的训练效果。虽然现在并没有太多的人在专门做“寞组词”，但是这种方式的机会点非常之高，想象一下一些小众领域，做出一套“寞组数据库”，或许就能在机器学习领域一战成名罢！
