程序员间常见的一个话题是『反正工作中又碰不到，我要这算法有何用？』，因而有标题所问。
本帖的讨论范围暂时不包括那些过于典型的场景，这里的“典型”是指：当我需要做一个功能，百度或 Google 之后，大家都在用这个算法，那我就使用这个算法吧。比如垃圾词过滤的 AC 自动机（包括其他改进版）、爬虫 URL 判重的 BloomFilter （包括其他改进版）。
我举两个我见过的例子：
word2vec本身是做Word Embedding的，进而可以用来判断同义（同位）词。一个有趣的应用场景是，训练用户的商品浏览记录，用户同一个 session 内连贯的浏览，相当于一个句子，每个商品相当于一个 word，进而发现相似的商品。 |
1
codermagefox Sep 6, 2017
翻译一下就是:我曹踏马的还可以这么写?好踏马牛逼啊!
这就是为什么我一个狗前端还买了一本算法导论垫桌子....梦想着有一天能够有能力把它读下去.哭. |
 |
2
takato Sep 6, 2017
万物皆图...
|
 |
3
Morriaty OP @codermagefox 事实上，前端也是可以业务场景算法话的啊，比如分类列表，分组可以调换位置，移动。分组里边的元素也可以移动到不同分组。还有删除，增加分组；删除，增加元素…这么多操作，想高效率进行，算法绝对少不了。
|
 |
5
winglight2016 Sep 6, 2017
所谓场景大概指的是用户的使用场景吧？这种情况下，仅仅是应用级需求，跟抽象成算法基本没什么关系了，反过来说，需要使用算法或者优化算法的场景都是非常少见和特殊的，而且也是成熟的。至于你举的例子，都是深度学习相关吧，这一领域的确有大量算法实践，不过我也不熟
|
|
6
Morriaty OP @ma125125t # 4 电商品类树或者 QQ 好友表，我举的例子可能更偏向与数据结构了，不过我想强调的是前端也不是完全原理算法的。
@winglight2016 # 5 我依然觉得算法用的少，一是因为很多情况下 for 循环能解决的问题，我们懒得去想的更深入，也就是继续抽象；二是现在服务器和代码的性能做足够好，我们都感受不到时间、空间复杂度的问题。 然后我举得例子都算不上深度学习，第一个例子里你甚至不需要理解原算法基础，只要能够意识到同义词和相似商品的对等关系就行，这个应用场景再具体一点，可以是假货识别，比如找到和 Nike 相似的商品是 Noke ；第二个 LDA 是传统一点的统计学习。 当然，本帖想强调是第一个例子里的对等意识，和第二个例子里的从零开始的抽象意识。 |
Select Language