很多人在提問的時候都會重複，所以他希望有一個功能，就是假設新問題跟已經有的問題相似，就直接推給答案，就避免了重複提問和解答，以及找到解答的時間了。
那麼問題就很清楚的定義了，新問題（文字）與已有的問題（文字）之間怎麼算重複問題？
我們能否通過設計一個相似度函數，通過呼叫 Similar（新問題，老問題），把每個老問題都計算一邊，就判斷出是否相似。
於小文發現「日本多大」，「日本大小」
假設我們說文字「日本多大的面積」，和文字「日本面積多大」，一個想法是，這兩個文字中有很多字一樣，那麼我們假設文字是由單個的字組成的集合，那麼最簡單的的方法是，判斷兩個集合交集來多少。
「日本時間」和「本日時間」顯然不是一個時間，但是如果按照剛纔的演算法，它們相似度就是100%了。
解決辦法是分詞
於小文發現了一個問題，有些問題中有很多「廢話」，例如
有用的詞往往是不常見的，沒用的詞往往是常見的，例如「的」，「有」都很常見，但是「日本」，「面積」在日常說話中並不常見。
例如一個問題是：「switch到底哪好了我發現好多人都買了switch」，這裏switch提到了兩次，應該是一個比較重要的詞。如果我們僅僅用所有問題統計的詞權重就忽略了問題（當前文字）本身中的特性（權重），於是決定把這兩個特性結合一下。
有人問：「廁所怎麼裝修」，有人問「洗手間怎麼裝修」，「洗手間」和「廁所」應該是一個意思，吧？但是顯然它們從文字上沒有任何相似性。
也就是說這兩個詞從「字元」級別上完全沒相似性，但是從「含義」上有相似性。
假設我們有一個神奇的函數，例如叫他T，T可以把輸入的詞，都轉換爲一個真實且唯一的含義的某個符號，也就是說它有一個如下的性質：
T（廁所） = T（洗手間）
因爲廁所和洗手間的含義相同，它們經過T轉換後的符號也肯定相同。
例如我們說填空題：「我來到了海邊，放眼望去一片（）」，括號裏面填什麼？
我們把這類填空題也定義爲一個函數，例如叫V，所以可以得到下面 下麪的關係：
V(我來到了海邊，放眼望去一片) = T(藍色) = T(藍)
當然在實際上我們其實並不需要完全等於，所以粗略的也可以把上面修改爲：
V(我來到了海邊，放眼望去一片) ≈ T(藍色) ≈ T(藍)
也就是說我們假設找到了函數T和V，就可以讓「藍色」、「藍」，歸一到一個一致或至少差不多的符號上，這樣就可以用這兩個字元之間的相似度來代替它們的字元相似度，也就是可以讓「廁所」和「洗手間」等價。
那麼爲什麼需要填空題呢，因爲填空題不需要太多額外的處理，只要我們從一個完整句子挖空一個詞就可以了，非常容易得到。
而且我們也不需要設計T(藍色) ≈ T(藍)的部分，只要我們通過訓練能使得函數T和函數V滿足：
V(我來到了海邊，放眼望去一片) ≈ T(藍色)
V(我來到了海邊，放眼望去一片) ≈ T(藍)
自然可以得到 T(藍色) ≈ T(藍)
以上是Word2vector的某種解釋。
於小文遇到一個問題，有很多人不僅僅是爲了提問，也是會去看看別人問的問題都有什麼。這個時候最好能把問題做一些分類。
但是於小文只會用相似度，於是想，什麼是分類？
假設我們有分類A、B、C，新來一個問題x，那麼所謂分類不就是看x跟A、B、C哪個相似？或者說跟A、B、C裏面的哪些問題相似？
所以一個最樸素的想法是這樣的：假設問題x跟A、B、C裏面所有的問題都比較一下相似度，然後看排前n個最相似的問題都是分別屬於A、B、C哪些裏面的，投個票，就好了。
這個演算法基本上是K-Nearest-Neighbour
那麼我現在沒有A、B、C這些個分類啊？
一個方法是於小文辛苦一點，自己先把問題都過一遍，按照某個標準，分個幾萬個問題，先把A、B、C都先大概分出來。
但是於小文很懶，真的很懶。
相似的問題總是相似的 —— 於小文
我們假設我們要把問題分成10類，假設我們每類先隨機放入一個問題。第11個問題，看它跟這10個分類裏面的問題哪個最相似，哪個最相似就放入裏面，這樣不斷的往裏放。當然還要注意就是分類裏面已有的問題，如果它其實跟本身分類的問題都不太相似，反而跟別的分類的一些問題更相似，就挑出來放到別的分類裏面。
重複上面兩個過程，不就是把相似的都放一起了？
然後於小文只需要大概看看每個分類，給一些明確的分類起個名字就好了
這個演算法基本上是K-means
搜尋和聚類、分類其實差不多，我們可以認爲語意搜尋從某種意義上來說，是拿搜尋中的「查詢語句」去找已有資料庫中的最相似的資料。
這方面首先我們需要有一種判斷相似度的方法，其次是可能構建分層次的搜尋方法。
例如先進行粗力度的大範圍搜尋，例如用annoy庫，或者jina FAISS這樣的引擎。
然後可以再進行某些細粒度的排序，例如用某種Siamese Networks的複雜模型，最終得到結果