当然中文自动分词这个事情，百度早就做得非常好了。但是我们的自动分词难度比搜索高很多，因为我们要找出这个词中的关键点。比如说，这个人写了一句话：“诚品书店就像迷宫一样像朝圣。”你怎么匹配呢？你只能跟一个“朝圣的人”匹配“朝圣”，但是他讲的是诚品书店。我们如何识别出这个语句中的关键点？从大江南北跑到苏州看大陆第一家诚品书店开店的人，就变得非常的重要。

　　更重要是，在我们做短文的关键提取的时候，发现遇到了一个巨大的难点，这个难点远远超过百度，甚至超过今日头条。现在的关键词推荐都是，如果你喜欢看一篇文章，这篇文章里面出现了六次“特朗普”，以后只给你推特朗普的文章就好了。但是，我们发现高频次的推送是没有意义的，低频次的推送才是有价值的。

　　如果系统上抓取出你喜欢《再次出发》这个电影，我也喜欢。如果我们匹配在一起，我们的共鸣点就变得非常的深层。但是，如果我们把“流行音乐”这个词匹配上，两个人都喜欢流行音乐，这个可能只能爆发出小小的火花，不能持久，也不深刻。不过，假如我们在一个女孩的印象里面抓出了她的很多关键的低频词，和另外一个男孩匹配。当时匹配到了之后，这个女孩说，突然感觉到浑身都在发抖，真的好像找到了自己生命中的另一半一样。

　　他们到底有哪些点相同呢？第一个，他们都喜欢北欧的后摇风格的音乐。他们每个人都把后摇当成了是一种精神的感受。不但如此，他们都喜欢每天去喂流浪小动物。他们的价值观和性格相符，他们的工作观也一致，他们宁可不要一个月一万五的工作，宁可一个月挣七八千，他们也愿意找一个比较有魅力的上司和愿意让自己犯错的上级。同时，他们还非常孝顺，尽管每个月挣的工资不多，都会跟父母寄六七百块。他们突然发现，原来世界上我还可以找到跟我这么相符的人。

　　我们如何通过这种主题聚类帮助你选择？比如说，我们不是像百度一样，你搜索“潜水”，我给你一个潜水的结果。你搜索“潜水”，可能给你一个喜欢帆板的人。在宠物标签上，你不是养的拉布拉多，你可能养的是毒蛇，另外一个女孩喜欢养蜥蜴。

　　有一个80后的工程师，长得特别惨不忍睹，他在所有的社交软件里面都没有找到女性朋友，因为80后就谢顶了。但是在我们这里就有七八个女孩。因为他们都是喜欢养毒虫的，他对蜘蛛交配的时节，生活习性了如指掌。我们通过这个男孩才知道，原来在淘宝上，我们可以买到一个活的蜘蛛，在他生日的时候给他送过去。

　　每个人在这里面找到与众不同的人，我们会推荐给你意想不到的内容。我们通过算法可以给你推荐你一定会喜欢的那种爱好；你可能会喜欢，但是你自己都没想到会喜欢的那个人。

　　当然，通过神经网络的学习，我们一步一步地更深入地了解推荐人。当我们的合伙人写了“寒夜客来茶当酒，竹炉汤沸火初灯”时，我们零乱了，我到底推荐茶还是什么？我要找到一个好闺密，他要是“善良”。上帝啊，我怎么推荐一个善良的人？但是我们后来把“善良”分解成了几百个内容，atv，我们可以给你推荐到你心目中的那个善良的人。我们的匿名左滑右滑，可以给你不断地探索你喜欢的内容。我们用了价值观的方式，让人跟人之间相互匹配。我们彼此都有共同的爱好，或者我欣赏你的爱好，或者是我们通过一个事情去延伸话题。我们不断地通过你的人生经历，去深化我们彼此的爱好、去深化这种话题。

　　如果我们能够把人类的信息透明化，其实是非常容易找到你要找的这个人。这里面我用红楼梦中的一句话，每一个人都像一个奇形怪状的假山石一样，其实在这个世界上一定有另外一个奇形怪状的假山石一样，跟你是吻合的，哪怕你所有的缺点，他内心中都会特别的喜欢甚至是痴迷。不管你事业上或者生活上，能够找到这样的伴侣，我们的人生才能幸福。