关于“直播答题发钱”辅助工具搜索推荐算法的讨论

[anywalker707]

最近直播火热，网上也看到很多通过“抓图 - 文字识别 - 百度搜题推荐”的程序介绍，自己也整理了一份
###########举例######################
问题：9.中国历史上,在位时间最长的皇帝是?
备选答案： ['康熙', '乾隆', '刘彻']

Answer： ['刘彻(9.091%)', '康熙(63.636%)', '乾隆(27.273%)']
#######################################
想问问大家，对搜索答案这块的算法，怎么设计，有什么高见？

先抛砖引玉，目前想到的算法：
1. 通过百度网页，请求问题，以答案选项作为关键字，数数判断（主流）
2. 对答案采用“中文分词”，针对答案可能是 xxx-yyy-zzz 无法全字匹配的情况
3. 对问题进行“中文分词“，逆向搜索，针对 “下面那些不是美国的品牌”这类问题

对于 1 已经实现，之前也有人发过存在“不”的情况处理；目前想通过 jieba 实现 2 和 3，但是总感觉这块的思考不是“很专业”，请大家吐槽

[wisonic]

hi

[zarte]

xxx 是？直接把题目拿去搜。
其他带上答案搜。

[binjoo]

昨天有一题，大提琴有几根弦。

简单搜索（百度）：我在百度页面中搜索，第一个结果就是百度知道的结果，4 根。但是给出的答案是 6 根。
搜狗搜索（搜狗）：我在搜狗页面中搜索，第一个结果就是搜狗立知的结果，4 根。但是给出的答案也是 6 根。

不明白他们是怎么给出的答案。。

[victor97]

把问题带上选项搜，比较搜索结果数量

[mmrx]

感觉第一种完全是看搜索引擎靠不靠普...目前来看，百度还是算了吧，换个 google 估计是不是好点？

[CaptainWho]

@binjoo 我就在这题凉凉了

[logOo]

@CaptainWho 去年有部超火的日剧叫四重奏，就是四个四流音乐家追求音乐梦想的故事。我也拿这部剧当神剧，可真没注意过大提琴几根弦。

[yao978318542]

已经开始耍猴了 放弃吧 都是 5 圆场 adb 截图加分析加百度 我一共用了 5 秒 主持人念题然后显示出完整题目 2 秒 留给我的只有 3 秒 然后我还需要判断 答案的准确性，顺便浏览一下百度出的内容 再然后按下选择按钮 忙碌了半个小时最后得到 5 块钱 感觉好累啊

[cossak1991]

估计就是买了一部分题库，不然解释不了为什么百度、搜狗连大提琴有几根弦这种没有悬念的问题都能答错。

[vipper]

上深度学习系统吧

[Mrkon]


[vincentjie]

@binjoo
好像没有听说过 6 根弦的大提琴啊，是我太孤陋寡闻了吗。

[azh7138m]

@vincentjie 看维基百科的话是巴洛克大提琴 4 根，还有一种 7 根的，6 根的是啥就不知道了

[piaochen0]

@yao978318542 有没有这种可能性。我怀疑是简单搜索，搜狗跟这些平台有合作....直接把题库都给他们了.....我写的跟你差不多，截图，ocr 分析,到网上搜结果，都要 5,6 秒左右才能出答案。而且 ocr 还不一定全能识别全。他们这个速度有点快了...

[zsdroid]

@azh7138m 阿贝鸠尼琴

[Gord3n]

🌝其实是人工答的，做一个前端页面，然后把答案发给用户

[yuriko]

@Gord3n 我也觉得是人工答题 23333333

[TimePPT]

@piaochen0 并没有可能。快是因为搜狗用的是自家搜索引擎技术，基于深度学习的开放域问答系统，并且针对答题产品做了专项优化，并不是单纯从排序好的网页里简单 pattern 匹配。百度也一样。
这也是为啥答的快，但不准。

[sola97]

@piaochen0 目前目前冲顶和西瓜的题目接口都是可以抓包调用的

[littleW2B]

@zsdroid 抓包直接拿到题目字符串，省去 ocr 时间

[yao978318542]

@piaochen0 #14 现在最重要的原因是 答案不一定准确 这就郁闷了 还需要自己去识别 而且现在都变聪明了 大部分都是 “一下”，“下列” 这种需要分词然后结合问题关键字去搜索的 我觉得这才是重点

[ss63551234ss]

@sola97 西瓜问题接口如何抓取。

[sola97]

@ss63551234ss #22 https://api-spe-ttl.ixigua.com/cdn/h/1/heartbeat/13241407?_rticket=1516257924160
heartbeat(场次)和_rticket(时间)是变量，返回 protobuf 流，用 protoc --decode_raw 可解

[zts1993]

@Gord3n #16 我觉得 UC 就是人工。

[piaochen0]

@sola97 玩了最新的一场，我有点感觉简单搜索是 OCR，这次有两题，选项没显示出来....

[vincentjie]

@piaochen0 OCR 太慢，还有识别错误的风险。Android 可以通过辅助应用相关的接口来获取题目，Xpose 应该也能实现类似效果。iOS 不知道有没有开放相关接口。

[sola97]

@Gord3n #16 百度简单搜索应该是人工，AI 会第一时间给出答案，然后过了四五秒会有人工纠正

[anywalker707]

@sola97 牛，不过不怎么会分析接口

[bayker]

问：“ xxx ”这句歌词的原唱没有唱下面的哪首歌？
A：xxx
B:xxx
c:xxx

这种要拐几个弯的问题，还不如自己答。

[pheyer]

@piaochen0 有合作是不可能的

[pheyer]

@vincentjie iOS 的话也可以入侵 app 内部 hook 相关函数得到的，非越狱就可以实现

[RoyLaw]

@sola97 西瓜不是用 spe-frontier-b.snssdk.com 的 WS 接口取题目了么？我看 WS 里面出题的时候会又加扰的题目出现

[sola97]

@RoyLaw #33 应该不止一个接口，我这个目前能用，调用外部 protoc 解出完整数据包，整个流程比手机上慢 1 秒

[RoyLaw]

@sola97 好哒~我也来试试看~~

[sola97]

@RoyLaw #35 我现在试了，这个接口延迟很高

[sola97]

@sola97 #36 答题都结束了才拿到题目

[v1nce0t]

@sola97 您好，西瓜我用 jython 对下载下来的 protobuf 可以解包，但 protoc --decode_raw 如何做到实时自动解包出来转换为字符呢 ，能分享下代码嘛

[sola97]

@v1nce0t #38
def decode_protobuf(content):
p = subprocess.Popen('protoc --decode_raw', stdin=subprocess.PIPE,stdout=subprocess.PIPE)
text=p.communicate(content)[0]
return eval("b'''%s'''"%text.decode('utf8')).decode('utf8')

[forestyuan]

大提琴那题我也碰到了，正确答案是 4 根，平台没出错啊
我用了两个手机答题，一个猜 5 根，一个猜 6 根，结果都凉了，所以印象特别深

[accacc]

@mmrx 就中文来说 还是百度靠谱 就知识点 各大搜索公司都有知识图谱

[accacc]

@vipper 深度学习如何快速出答案？