这个“据意查句”神器，能够快速从全世界语料中找到你想要的句子？

句子类型还能按需选取，名言警句、歇后语、古诗文都不在话下。

并且给出的名言还会注明出处作者，这下再也不用啥话都往迅哥儿身上套了。

怪不得网友直呼：朋友圈文案高级表达查找替换系统。

而且，我们在试玩了几轮后发现，这个神器在hold住网络俗语“精髓”上的表现有些出人意料。

比如这两天大家都在说的“精神内耗”。

它给出了一段卢梭的话，完全拿捏住了词语本来的意思，语言逼格立马提升好几度。

甚至还能找出意思相近的古诗文。

来自欧阳修《秋声赋》中的这句“百忧感其心，万事劳其形，有动乎中，必遥其情”，说的意思就是焦虑使人精神疲惫。

果真是能通杀古今了。

于是，我们找来了更多网络流行语喂给它，看看还能擦出什么火花~

第一个要尝试的网络名句，是“听我说谢谢你”。

神器反向输出结果中，意思最为贴近的是王维的这句“举世无相识，终身思旧恩”。

这句诗中明确体现了说话主体人表达感谢之意，称得上是“听我说谢谢你”的究极上流版。

还有在句式上非常接近的结果，是温庭筠笔下的“知我意，感君怜”。

最让人意想不到的，是神器反向输出了《将进酒》里的“与君歌一曲，请君为我倾耳听”。

乍看之下，这个答案好像是错的。

但要知道“听我说谢谢你”能成为梗，就是因为防疫人员尴尬被迫听歌事件……

这么看，反向输出神器还意外扣了题。

不只是这句梗，还有很多网络用语，反向输出神器的回答都是貌似不着边际，但又让人觉得异常契合。

比如输入“无语子”，给出的诗句有：

这不就是大家表达无语时的真实心境吗？因为不便明说，所以沉默，所以无语。

还有这句“你品，你细品”，输出的诗句也都带有了仔细品读、反复回味的意思。

那么，这个好用又好玩的神器，到底是什么来头呢？

以上说的这个好登西，是由清华推出的“据意查句”神器——WantQuotes。

诞生自清华大学计算机系自然语言处理与社会人文计算实验室（THUNLP），项目指导教师为孙茂松教授和刘知远副教授。

能够快速从全世界这么多语料中找到你想要的句子，这个神器主要靠的是一个超大的数据集和一个推荐模型。

数据集包含了英语、现代汉语和文言文三大部分。

推荐模型方面，本文提出使用BERT作为句子编码器来学习名言警句和相关文本表示。

但由于绝大多数名言警句的表达都非常凝练，但是可能其中每个背后的意义又包含很多层，所以在本方法中，研究人员将义原引入到编码器中。

举个例子，“男孩”这个词可以由“人类”、“男性”、“儿童”这个三个义原表示，“女孩”则可以由“人类”、“女性”、“儿童”的组合来表达。

因此在模型中引入义原后，就能很好解决词义消歧的问题，并且能更准确地捕捉到词与词之间的关系。

也就是让模型把语言学得更加透彻。

而在具体任务对比中可以看到，本文方法的性能均优于其他方法。

同时用消融实验验证了训练方法的有效性（下表最后三行结果）。

在只给出左侧文本的条件下，本文方法的结果依旧优于过去方法。

看到这里你可能觉得这项工作有点似曾相识。

没错，那个之前爆火的“反向词典”也来自这个实验室。

所谓“反向”，就是和常规词典不同，不是按词寻义，而是反过来给词典一段描述，让它来帮你找词。

比如还是这句“听我说谢谢你，因为有你，温暖了四季”，用成语应该怎么说？

反向词典可以立马抛出几十乃至上百个选项出来，并且还会标注推荐程度。

背景颜色越深，代表系统推荐程度越高。

要是碰上啥看不懂的，鼠标一点，就能查看具体释义。

而除了拯救现代失语人外，他们还让AI尝试过写古诗，之前也在网络上爆火过。

不得不说，THUNLP真是要把AI+中文玩出花了。

该实验室由孙茂松教授领衔，教师队伍中还有刘洋教授和刘知远副教授。

前不久，THUNLP还获得了ACL 2022最佳演示论文奖（Best Demo Paper Award）。

该奖项是ACL系列会议对System Demonstration论文授予的最佳论文奖项，每届会议基于评审人员评估的系统贡献度、完成度、影响力及会议演示综合效果的综合评价评选出一篇获奖论文。

目前，“反向词典”在网页端和微信小程序上都能使用，APP在路上了。

“据意查句”还只能在网页端使用（需要扫码关注公众号）。

另外，团队表示还是希望大家在使用时多给反馈、多提建议。

比如给好的推荐名句点赞，如果看到有错误之处也能直接指正。

对了，研发团队还表示，作为开源项目随时欢迎大家加入，参与项目设计&开发、提出需求、反馈问题。

感兴趣的话就去官网戳戳公告吧~