加载中…知识图谱
(2018-03-25 07:29:55)| 分类： 投资札记 |
老网友应该比较了解，从２０１１年开始，我每天都会从财经网站转载几篇文章，并标注点评。这个习惯，坚持了７年。有很多人不理解，这样做到底有什么价值？当时，我是从李录对芒格的生活习惯描述中看到芒格每天早晨有晨读习惯，不看完报纸不会谈事，受此启发，我也开始规律性的大量阅读关注期刊文章。实话实说，当时我并没有深刻的意识到这种行为背后的科学原理。
有些网友，指出这种行为是无价值的，产生一堆博客，毫无意义。你不试过，你不会懂。这种习惯持续一年后，我自己能感受到变化。常人看来成群结队的所谓的软文，量达到一定程度之后，你的大脑计算能力和结果就会发生变化。现在我很清楚，这种行为恰恰是国内最顶级数据分析团队要求的，这套方法严格遵循大数据时代知识图谱构建理论，是知识形成与内化的重要方法。
我的做法，有些缺陷，已经导致数据脏化。博客，是有标签系统的。我转载的每篇文章，标签系统设计过于简单，仅转载一项５０５６篇，其中每篇文章的标签设计太简单，不利于数据分析。另外，文章的数量不够，量还没达到要求，我看到的顶尖高手量化速度，大概每天１小时，每年２５００篇，全部采用量化分析系统标注，并且，运用大数据分析处理形成知识图谱。同样都是在２０１１年前后意识到这种方法会带来惊人效率，我和国内该领域最高水平选手之间的差距在于，我是潜意识、无理论支持，对方是该领域国内最高水平，这就是人与人之间的差距。即使，我在信息科技领域也存在多年知识和应用积累，我也无法超过业内最强数据分析专家对知识如何形成的理论和执行力。
如果，你感兴趣，你可以努力去找哪本书、哪个人，系统的阐述过此方法的应用原理。我也是看过这本书，才更加深化了对该方法的理解。这个道理，就像是我做了，但我没悟透过。即使，我当下明白了，数据已经过去７年，已经脏化了，无法被有效的分析，只因数据收集阶段方法有问题。虽然，我有大量阅读，但是，现代科技要求在阅读的过程中，就要形成大数据化处理，以利于数据分析。有时候，我也想要去找自己曾经看过、写过的一篇文章，在漫山遍野的博客里找起来很麻烦，我也会意识到出问题了。同样是金融科技，你认为的Ｔｅｃｈ和真实的Ｔｅｃｈ之间的差异性，大概就是如此。懂和真懂，有很大差异性。
知识图谱，是一种非常奇妙的数据结构。人工智能，不需要理解逻辑，只是需要处理海量数据中的关系性，通过相关性解决问题。无论是人脑，还是电脑，想要提高智能，很关键一点，就要形成足够庞大的知识图谱，从中逐步挖掘出因果。
喜欢
0
赠金笔