關(guān)鍵詞：投資、生產(chǎn)線、維修費(fèi)、租金、利潤(rùn)、年平均利潤(rùn)

名詞型變量：某人

數(shù)值型變量：81、1、2、30、46

有1000名學(xué)生考試，考80到100的學(xué)生的頻率為0.39，現(xiàn)在采用分段抽樣的方法抽100名學(xué)生。甲同學(xué)的分?jǐn)?shù)為95問(wèn)他被抽到的概率。

題型判斷：?jiǎn)柎痤}

·關(guān)鍵詞：學(xué)生、頻率、分段抽樣、概率

·名詞型變量：甲同學(xué)

·數(shù)值型變量：1000、80、100、0.39、100、95

·題型判斷：填空題

·關(guān)鍵詞：平方根

·名詞型變量：

·數(shù)值型變量：

上述處理是依據(jù)預(yù)設(shè)邏輯和算法實(shí)現(xiàn)的。

對(duì)于題目，數(shù)據(jù)庫(kù)應(yīng)至少包含如下信息（Tag）：

編號(hào)、上傳者、上傳時(shí)間、歷次編輯信息、狀態(tài)、地區(qū)、學(xué)科、年級(jí)、章節(jié)、對(duì)應(yīng)的知識(shí)點(diǎn)、來(lái)源、題目主干、題目問(wèn)題、題目類(lèi)型、題目相關(guān)圖片、題目答案、解題思路、關(guān)鍵詞、名詞型變量、數(shù)值型變量、相關(guān)公式/函數(shù)式、位置信息、被搜索頻率、相關(guān)題目、用戶反饋信息、都在哪里出現(xiàn)過(guò)、難度……其中一些信息可逐步添加。

為減少條目，可以做些合并優(yōu)化，比如同樣是李白《靜夜思》題目主干，會(huì)有很多個(gè)、很多類(lèi)型的問(wèn)題，如能整合，數(shù)據(jù)庫(kù)應(yīng)可減肥、搜索效率應(yīng)會(huì)提高。

那些需要我們攻關(guān)的技術(shù)關(guān)鍵點(diǎn)

·題目掃描：類(lèi)似微信掃一掃的功能?，F(xiàn)在手機(jī)配備的攝像頭像素越來(lái)越高，諾基亞已推出了4100萬(wàn)像素的手機(jī)。高像素?cái)z像頭手機(jī)的逐步普及有利于提高掃描的質(zhì)量。此外隨著流量資費(fèi)的逐步下調(diào)、未來(lái)4G網(wǎng)絡(luò)帶寬大幅提升、WIFI網(wǎng)絡(luò)的普及，能有效降低流量成本、提高傳輸速度。

·OCR：這方面有難點(diǎn)，主要是有各種理科的符號(hào)、公式、算式、函數(shù)。此外圖形、圖案只能識(shí)別為圖片。

·結(jié)構(gòu)化處理：需要根據(jù)各科知識(shí)點(diǎn)梳理本學(xué)科各種題目的結(jié)構(gòu)、特點(diǎn)，加以提煉，形成一套處理邏輯：判斷題型的方法、哪些詞是關(guān)鍵詞、什么樣的數(shù)據(jù)是名詞型變量、數(shù)值型變量等等。

·海量數(shù)據(jù)搜索：和搜索引擎類(lèi)似，不贅述。

·模糊匹配的先后推薦邏輯：包括各種權(quán)重設(shè)計(jì)，如關(guān)鍵詞、常規(guī)數(shù)據(jù)、變量數(shù)據(jù)、圖形匹配度、位置相近度等。

·高并發(fā)、分布式系統(tǒng)架構(gòu)：這個(gè)得用Hadoop吧。

K12低標(biāo)準(zhǔn)化如何攻克？

海量的題目?jī)?nèi)容是關(guān)鍵核心，為了達(dá)到至少50%的匹配度，粗略估計(jì)僅初中數(shù)學(xué)一科應(yīng)需要1-2億道題的題庫(kù)，初中5門(mén)主科題庫(kù)規(guī)模5-10億道。如果算上高中，總規(guī)模會(huì)超過(guò)20億道。每道題都要有答案，教科書(shū)、主要參考書(shū)、主要習(xí)題集、歷年考試真題涉及的題目基本要有解題思路過(guò)程。

各地一綱多本問(wèn)題比較嚴(yán)重，教學(xué)大綱和考試重點(diǎn)各有不同，所以需要海量的題庫(kù)。對(duì)題目的結(jié)構(gòu)化處理能力如能提高，可以適當(dāng)降低題庫(kù)數(shù)量規(guī)模的要求。

題目來(lái)源：各省市各區(qū)縣各學(xué)校的歷年試卷，這基本是無(wú)版權(quán)的；教科書(shū)、參考書(shū)、習(xí)題集等等，版權(quán)問(wèn)題？向某雷學(xué)習(xí)吧，這不應(yīng)是問(wèn)題。

電子化方法：有些題本身有電子版；紙質(zhì)版的就要掃描識(shí)別，結(jié)構(gòu)化處理然后入庫(kù)。其中掃描識(shí)別環(huán)節(jié)工作量極大是勞動(dòng)密集型工作，有種富士康的趕腳，可考慮外包到越南這種地方。我真沒(méi)開(kāi)玩笑…這是一項(xiàng)高成本、周期長(zhǎng)的工程項(xiàng)目。此外，每年都要把當(dāng)年新題更新入庫(kù)，這部分增量應(yīng)該相對(duì)不大了，現(xiàn)在都是抄來(lái)抄去的。

答案/解題思路：通常教科書(shū)、習(xí)題集這些紙質(zhì)書(shū)中題目都有答案，部分試卷也能找到答案。對(duì)于沒(méi)有答案或很難找到答案的，也得用富士康方式，找一大群相關(guān)大學(xué)生兼職做。

團(tuán)隊(duì)能力需要覆蓋：搜索引擎、Hadoop、學(xué)科專(zhuān)家、OCR、資深工程項(xiàng)目管理（海量題庫(kù)）等。

如果做中學(xué)各門(mén)主科一共20億道題的規(guī)模，粗略估計(jì)投入在7-12億人民幣這一規(guī)模（僅為系統(tǒng)開(kāi)發(fā)和內(nèi)容開(kāi)發(fā)成本，未考慮硬件和網(wǎng)絡(luò)成本），有一定伸縮性。

為控制風(fēng)險(xiǎn)，產(chǎn)品完全可以分學(xué)科分階段做，第一階段線上初中數(shù)學(xué)（前期技術(shù)和內(nèi)容開(kāi)發(fā)投入粗略估計(jì)6-8千萬(wàn)，不含硬件），被市場(chǎng)驗(yàn)證后再上高中數(shù)學(xué)，乃至其他各科。

如果產(chǎn)品技術(shù)過(guò)關(guān)，內(nèi)容豐富，勢(shì)必能滿足剛需、符合人性、入口級(jí)的要求，全國(guó)近1億中學(xué)生均為潛在用戶。

假如是收費(fèi)產(chǎn)品、500萬(wàn)學(xué)生使用、平均每科包年30元一共5科，則一年收入7.5億元。和投入比較，預(yù)計(jì)不到兩年回本。這主要取決于產(chǎn)品本身，做得好回本就快。

假如是免費(fèi)產(chǎn)品，則擁有智能機(jī)的學(xué)生基本都會(huì)成為用戶，不準(zhǔn)確估計(jì)有3000萬(wàn)人以上，且工具類(lèi)產(chǎn)品使用頻次較高，ip、DAU指標(biāo)勢(shì)必不低，通過(guò)增值服務(wù)變現(xiàn)無(wú)難度。比如針對(duì)弱項(xiàng)提供收費(fèi)視頻課程、引導(dǎo)到線下合作輔導(dǎo)機(jī)構(gòu)、名校名師高價(jià)在線講座、甚至未來(lái)可以提供升學(xué)方案報(bào)告，想象空間比收費(fèi)產(chǎn)品大。