本周工作思考
渤健uShow渤健项目开发总结
之前负责过一套uShow的开发交付，这次第二次是完整的跟进项目开发过程，这次比上一次的困难一下，第一次是我认为是客户的提供的数据比较有代表性，学员演进的内容和客户给到的product和fab比较贴合，所以特性文本很很容易抓到。这次客户的给的总数据有37个视频，方差在3左右，就是各个视频的专家打分波动非常少，最高90，最低84，这些数据不好找明显特征，需要不断的在高分视频的逐字稿中寻找更匹配的知识点和fab的说法，同时又要兼顾客户要求的训练目标中的product和fab，这两套总共分析了80次左右，整体打分的相关性在0.6-0.7之间，按照经验，应该能够符合客户专家的打分习惯，又能够甄别出符合product和fab表达要求的视频。
这次项目我也尝试总结一套可复制的操作方法，希望按照这个方法操作就能够得到较好的特征文本和拟合特征。如果有了这样的方法我们就可以工程化的手段提高交付效率。目前以我的经验来看，还没有没有找到这套方法，可能有3个原因，1是ushow的理解度还是不够深刻，对单个ai技术有些掌握了，但是这些技术组合起来的效果的本质还是模糊的，这样就不能把握特征点的选取方向， 2是经验太少了，根据现在的经验没法联想和推导更多未知的情况。3是不同的企业的学员对产品点讲解和fab的讲解似乎是不一样的。通过以往的数据看，有些企业的学员有很好的产品点意识，会完整的说完产品点，中间穿插灵活的举例，引申，解释等等，有些企业的学员把产品点分散到这些举例，引申里，ai的判断的上下文容量有限，就不太能够得到完整的产品点。