Datawhale AI春训营二期---使用AI实现老人的点餐效果（关于task2的相关思考）

1.多次测试的结果

第一次和第二次的，都是使用的baseline:

第三次的：

2.分数是如何提高的

之前的几次都是通过这个baseline进行运行的，然后今天是了解了一下这个baseline里面的相关的逻辑，看了一下这个提高分数的方法；

因为这个教程的作者设置的时候是把这个数据定义成为10-30之间的随机的数值，所以我觉得这个是可以提分的一个点，因此我直接把这个limt换成了4000，但是发现这个运行的速度很慢，但是我还是坚持了下来，后来发现这个直接卡住了，所以就重新测试了一下；

第二次测试的时候发现这个还是卡到了100%，因此这两次运行花费了我大量的时间，第三次的时候我决定把这个参数调小一些，也就是下面的这个50，因为这个每一天只能提交一次，所以我换了一个账号，进行提交，发现这个分数确实是从0.2多变成了0.3几，这个初步验证了我的猜想，就是这个数据对于我们最后生成的这个结果的肯定是有影响的；

我想如果换成100,1000，这个分数可能会继续增加，但是这个毕竟只是一个优化的方向，肯定是达到了一个阈值之后就无法继续增长了，因此这个大家可以去尝试一下；

3.关于上分点拨

在这个部分，教程的作者就我们了多个方向的思考，我拿出来两个我可以勉强理解的地方聊一聊：下面的这个是坐着给予的5各维度的提分建议；

我可以理解的就是搜索的排序优化，以及这个推荐算法：

搜索优化：搜索算法的调整和优化，这个是可以改进的，因为这个算法的优化本来就是一个比较大的话题，不同的搜素方法得到的结果也是有很大的这个差距的，所以women如何选择更加优秀的这个算法，使得推荐给用户他们更想要的；

推荐算法：基于用户的历史记录，当用户的这个意图不是很明确的时候，我们可以使用基于用户历史的这个协同过滤算法，针对性的给予这个用户相关的建议；

4.关于task2的收获

这个教程回顾了baseline的基本思路；

了解语音识别技术，对于这个老人的需求进行识别，然后就是意图识别，确定这个老人想要什么，通过修改limit大小，提升了这个分数，这个是目前自己唯一有能力实现的这个提升分数的方式了，感谢作者的教程~~