杭州一商场搞“多肉节” 带“胖纸”吃饭可以打折

一直潜水

被不同的妹子约吃饭，连着三天，全部约满。胖胖的胥非凡打趣道，“我可从来没这么幸福过！”

要说胥非凡有啥魅力，被妹子频频约饭？说来你可能不信，只是因为他这209.7斤的体重。

现在的妹子，都喜欢“胖纸”？也不是。那是因为11月14日开始，杭州的一家Shopping Mall为“胖纸们”办起了超级隆重的活动，总共持续3天——27家餐饮店加上一家KTV，“胖纸”们出示体重能打折。折扣则完全由体重来决定，超过200斤可以打3折，180斤-200斤的5折，140斤-180斤的8折。

呼朋引伴来约饭

一群人中至少有一个“胖纸”

昨天中午，还没有到饭点，商场中庭为“多肉节”专门开辟了一小块地方，两台电子秤，工作人员登记信息。

现场几乎看不到一个参与者。但是工作人员气定神闲地说：“别担心，还没到饭点呢。”她透露，11月14日那天，就有500多名“胖纸”来打折吃饭了。

果不其然，刚过11点半，“彪形大汉”们就陆陆续续地进场了。

杜先生对于自己的体重甚是满意。“205斤！挺好的，不要太重，刚刚过3折线。多合适！”31岁的杜先生说，14日那天已经来吃过了，昨天又带着老婆来吃，准备明天再来。

“哎呀，昨天吃了那么多，怎么今天倒瘦了两斤。”刘先生人高马大的，体重接近250斤。“我就住在附近，昨天来过了，今天同事又要来吃，拉上我。我真是，不仅出体重，还出钱。”

边上围观的人打趣说：“应该你出肉，他出钱！”

好笑的是，陈先生站上秤，看了一眼秤，跟朋友说：“快，把钱包给我，差一点。”显示屏上是199.6斤。

“好了好了，过了过了，3折给你。”工作人员忍不住笑出声来。

现场，要么是夫妻俩，要么是朋友三五成群，必须带一个胖子。就算是胖子结伴而来，也是被分开来“借用”。毕竟，因为“胖纸”的加入，一顿饭能打3折。

最重348斤，孕妇也来凑热闹

超200斤的多是8090后男士

昨天晚上，传来捷报。原本最高体重是305斤，已经突破了，最高348斤，杭州本地人。截至昨晚，超过300斤的“胖纸”已经达到3人。

“多肉节”最大的惊喜要选出体重前三甲，分别获得日韩双人豪华邮轮游、单人杭州-首尔往返机票等大奖。很多“胖纸”因为没有上榜而惋惜。

其实，商场去年双十一期间也举办过餐饮打折活动。“多肉节”的概念源于多肉植物，呆萌呆萌的，打出了“屯个多肉好过冬”的名号。去年活动有1000多名“胖纸”参加，其中，大部分人都享受到了3折优惠。

“很多男士，看上去并不胖，但是体重并不轻，所以，有男士同行的，多多少少都能打折。一般来说，女孩子都比较害羞，不怎么会来参加，不过，孕妇例外，都是一脸的幸福和自豪，一点也不难为情，挺好的。”商场策划部经理童文彬说。

说起这样的活动，她表示，一方面是出于推广活动，另一方面也是希望大家善待身边的“胖纸”。“其实，通过活动发现，长得胖胖的人，人缘都不错，主要是心态很好。”她强调，活动本身并不是说，鼓励胖人越吃越多，反而要胖人认清自己，坚持一个健康的生活状态。

活动现场不难发现，体重超过200斤的，基本上是一群80、90后的男士。

杜先生说出了“胖纸”的心理。“想过减肥，但是越减越肥，何必呢，身体没有出现任何问题，那就继续爱吃吃，爱喝喝吧。”

lianyore

到处都有打折

坡地

   也是一种促销~                                    

ljrj123

　　自然语言处理(NLP，Natural Language Processing)是一个信息时代最重要的技术之一，简单来讲，就是让计算机能够理解人类语言的一种技术。在其中，分词技术是一种比较基础的模块，分词的意义非常大，在中文中，单字作为最基本的语义单位，虽然也有自己的意义，但表意能力较差，意义较分散，而词的表意能力更强，能更加准确的描述一个事物，因此在自然语言处理中，通常情况下词(包括单字成词)是最基本的处理单位。
　　汉语词技术对中文搜索引擎的查准率及查全率有重大影响。汉语词法分析中间件能对汉语语言进行拆分处理，是中文信息处理必备的核心部件。灵玖综合了各家所长经过多年的努力研发里灵玖汉语智能分词系统，分词准确率接近99%，具备准确率高、速度快、可适应性强等优势;特色功能包括：切分粒度可调整，融合20余部行业专有词典，支持用户自定义词典等。
　　在具体的应用上，比如在常用的搜索引擎中，term如果是词粒度的话，不仅能够减少每个term的倒排列表长度，提升系统性能，并且召回的结果相关性高更准确。比如搜索query“的确”，如果是单字切分的话，则有可能召回“你讲的确实在理”这样的doc。灵玖汉语智能分词系统是采用条件随机场(Conditional Random Field,简称CRF)模型进行分词。
　　条件随机域(场)(conditional random fields，简称 CRF，或CRFs)，是一种鉴别式机率模型，是随机场的一种，常用于标注或分析序列资料，如自然语言文字或是生物序列。 因为其强大的表达能力和出色的性能，得到了广泛的应用。从最通用角度来看，CRF本质上是给定了观察值集合(observations)的马尔可夫随机场。在这里，我们直接从最通用的角度来认识和理解CRF，最后可以看到，线性CRF和所谓的高阶CRF，都是某种特定结构的CRF。
　　1. 随机场
　　简单地讲，随机场可以看成是一组随机变量的集合(这组随机变量对应同一个样本空间)。当然，这些随机变量之间可能有依赖关系，一般来说，也只有当这些变量之间有依赖关系的时候，我们将其单独拿出来看成一个随机场才有实际意义。
　　2. Markov随机场(MRF)
　　这是加了Markov性质限制的随机场。首先，一个Markov随机场对应一个无向图。这个无向图上的每一个节点对应一个随机变量，节点之间的边表示节点对应的随机变量之间有概率依赖关系。因此，Markov随机场的结构本质上反应了我们的先验知识——哪些变量之间有依赖关系需要考虑，而哪些可以忽略。Markov性质是指，对Markov随机场中的任何一个随机变量，给定场中其他所有变量下该变量的分布，等同于给定场中该变量的邻居节点下该变量的分布。这让人立刻联想到马式链的定义：它们都体现了一个思想：离当前因素比较遥远(这个遥远要根据具体情况自己定义)的因素对当前因素的性质影响不大。
　　3.从Markov随机场到CRF
　　现在，如果给定的MRF中每个随机变量下面还有观察值，我们要确定的是给定观察集合下，这个MRF的分布，也就是条件分布，那么这个MRF就称为CRF(Conditional Random Field)。
　　4.训练
　　通过一组样本，我们希望能够得到CRF对应的分布形式，并且用这种分布形式对测试样本进行分类。也就是测试样本中每个随机变量的取值。
　　在实际应用中，clique-potential主要由用户自己定义的特征函数组成，即用户自己定义一组函数，这些函数被认为是可以用来帮助描述随机变量分布的。而这些特征函数的强弱以及正向、负向是通过训练得到的一组权重来表达的，这样，实际应用中我们需要给出特征函数以及权重的共享关系(不同的特征函数可能共享同一个权重),而clicque-potential本质上成了对应特征函数的线性组合。这些权重就成了CRF的参数。因此，本质上，图的结构是用户通过给出特征函数的定义确定的(例如，只有一维特征函数，对应的图上是没有边的)还有，CRF的分布成了对数线性形式。
　　5.推断
　　如前所述，训练的过程中我们需要概率推断，分类的时候我们需要找出概率最大的一组解，这都涉及到推断。这个问题本质上属于图模型上的概率推断问题。