&p&这个问题从前年开始就陆续有好多人邀我，这里统一谢邀了。。。&/p&&p&上面 &a class=&member_mention& href=&//www.zhihu.com/people/dcae7e6b26d31afcf20f36& data-hash=&dcae7e6b26d31afcf20f36& data-hovercard=&p$b$dcae7e6b26d31afcf20f36&&@锦熙&/a& 的回答参考的貌似是大学里用的历史地理学课本，算是很权威的答案了。我冒个泡，通过空间分析的手段瞎扯两句。&/p&&p&首先说明，我的参考资料来自这套书：&a href=&//link.zhihu.com/?target=https%3A//baike.baidu.com/item/%25E4%25B8%25AD%25E5%259B%25BD%25E5%258E%%25BB%25A3%25E6%E4%25BA%%25B9%25B4%25E8%25A1%25A8%25EF%25BC%%25B8%258A%25E4%25B8%258B%25EF%25BC%7& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&中国历代战争年表（上下）&/a&&/p&&p&这套工具书里面囊括了从上古到清末的大大小小的战争，包括内战、外战、起义、以及比较大型的兵变等等。它的内容提要里说它覆盖了“历次战争”，所以我默认它把有记载（甚至有些没有太明确记载）的战争都包含了。&/p&&p&我从里面选取的是春秋开始到清末的历次战争。春秋以前的战争，有的记载不明确，有的属于传说，有的记载太简略，大部分找不到具体的地理位置，因此我就直接全舍去了。春秋之后的战争，我把它们的地点标在了地图上。其中有的战争地点不止一个（比如在这里打了一场，然后转移到那里再打了一场），这种情况我就取书上最明显的地名。&/p&&p&需要说明的是，这件事儿是我和几个老美前一阵突发奇想做的，&b&完全不是严谨的研究&/b&，只是好奇之下弄着玩的，所以做得比较粗糙，对书里的内容也没有做进一步的筛选验证，后面的网格划分以及空间矩阵的选择也没有进行太多的考虑。再有，我自己只标了其中的一部分（没那么多时间TT），其余多数是我那几个朋友标的，他们虽然都会汉语，有的还辅修中国历史，但毕竟不是母语，标注地图的时候有错漏或不准确之处也是难免的。不过由于数据量比较大，就算有些标注得不准，大致的空间态势还是不会受太大的影响。&/p&&p&下面开始看图：&/p&&p&第一步是我们把所有书里能用的战争地点标到地图上（用的ArcGIS）：&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-cc480cf3fa1d1_b.jpg& data-rawwidth=&1120& data-rawheight=&791& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1120& data-original=&https://pic1.zhimg.com/50/v2-cc480cf3fa1d1_r.jpg&&&/figure&&p&然后我们发现有许多战争在今天中国的范围之外。所以我们就用谭其骧的方法，把清朝1820年的疆域作为底图，这个范围内发生的事都算中国历史上发生的事，于是大部分战争都被囊括进来了：&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-54eada3830c34bbf26d4a2e9a992200c_b.jpg& data-rawwidth=&1118& data-rawheight=&787& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1118& data-original=&https://pic1.zhimg.com/50/v2-54eada3830c34bbf26d4a2e9a992200c_r.jpg&&&/figure&&p&实际上，这个时候已经能在一定程度上回答问题了。图上有几个红点明显比较密集的地方，我们可以放大看一看：&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-0dda93660e6_b.jpg& data-rawwidth=&742& data-rawheight=&560& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&742& data-original=&https://pic4.zhimg.com/50/v2-0dda93660e6_r.jpg&&&/figure&&p&然后，为了方便统计，我们给清朝疆域做了100km乘100km的方格，作为划分空间的参考：&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-e24c18a239d9d28ad7ccd6caf4daf09b_b.jpg& data-rawwidth=&1117& data-rawheight=&791& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1117& data-original=&https://pic3.zhimg.com/50/v2-e24c18a239d9d28ad7ccd6caf4daf09b_r.jpg&&&/figure&&p&然后我们把战争的点状要素转换为栅格数据，方便后面的统计：&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-d79d1f7e4c3b39e07f1ec5e54a82983e_b.jpg& data-rawwidth=&1113& data-rawheight=&789& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1113& data-original=&https://pic4.zhimg.com/50/v2-d79d1f7e4c3b39e07f1ec5e54a82983e_r.jpg&&&/figure&&p&这张栅格图那些泛红的区域就是历代战争最密集之处。接下来我们统计一下每一个100km乘100km的方格内，发生过多少次战争：&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-e3bcf835e7f210e6df6dee59ade6fc0a_b.jpg& data-rawwidth=&1007& data-rawheight=&712& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1007& data-original=&https://pic4.zhimg.com/50/v2-e3bcf835e7f210e6df6dee59ade6fc0a_r.jpg&&&/figure&&p&可以看出的战争高发区包括：辽西走廊（包括山海关、锦州等地）、山西北部到内蒙（包括云中、定襄、雁门、大同等）、陕西北部长城沿线、北京附近、河北南部（邺、邯郸等地）、陕西西安到潼关再到函谷关一线、河南中东部（洛阳、汜水、开封等）、江苏和安徽交界处（包括徐州、江淮、扬州等地）、湖北中部（荆襄地区）以及四川（成都附近）。这些地区可谓是古代的兵家必争之地。&/p&&p&从总体分布上来看，中国古代战争是北多南少，而且在中原地区十分集中。我们通过这些方格来做了一下Moran's I检验，得到Moran's I的值为0.79左右，p-value接近于0。Moran's I检验是空间分析里的一种常用的空间自相关分析手段，通俗说，它可以反映出某个空间变量是随机分布，还是有“物以类聚、人以群分”的情况。Moran's I取值范围为-1到1，其中1表示完全按照“物以类聚”的方式分布，0表示随机分布，-1表示按照“异性相吸”的方式分布。详见：&a href=&//link.zhihu.com/?target=https%3A//en.wikipedia.org/wiki/Moran%2527s_I& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Moran's I - Wikipedia&/a&&/p&&p&我们得到的Moran's I是0.79说明古代战争次数网格是空间正自相关的，p-value接近于0说明检验显著，因此中国古代的战争，在空间分布上有聚集性，也就是说，发生战争次数多的地点，都在向某几个地区聚集，会形成一些“战争热点地区”。那么，我们就来看看这几个热点地区究竟在哪。我们继续做了Getis-Ord热点检验：&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-15cefd5ae8e_b.jpg& data-rawwidth=&1010& data-rawheight=&714& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1010& data-original=&https://pic2.zhimg.com/50/v2-15cefd5ae8e_r.jpg&&&/figure&&p&这种Getis-Ord做出的热点地图，和前面的分布地图有本质上的区别，它们所反映的信息也有不同。分布地图反应的是战争的绝对数目，而热点地图反应的是“哪里的战争相对周围地区来说更加集中”，这个需要注意区别一下。比如，成都发生的战争次数，在绝对数上肯定比不过洛阳一带，但相对南方其它地区，成都的战争次数是很多的。因此，在分布地图上，成都的颜色并不是最深的，但在热点图上，成都就是颜色最深的热点之一。&/p&&p&Getis-Ord检验的使用率不及Moran's I，连维基百科都没有词条。这里大致说一下原理，有点抽象，不想看的可以直接跳过。它的公式是：&/p&&p&&img src=&//www.zhihu.com/equation?tex=G%28d%29%3D%5Cfrac%7B%5Csum_%7Bi%3D1%7D%5E%7Bn%7D%7B%5Csum_%7Bj%3D1%7D%5E%7Bn%7D%7Dw_%7Bij%7D%28d%29y_%7Bi%7Dy_%7Bj%7D%7D%7B%5Csum_%7Bi%3D1%7D%5E%7Bn%7D%7B%5Csum_%7Bj%3D1%7D%5E%7Bn%7D%7Dy_%7Bi%7Dy_%7Bj%7D%7D& alt=&G(d)=\frac{\sum_{i=1}^{n}{\sum_{j=1}^{n}}w_{ij}(d)y_{i}y_{j}}{\sum_{i=1}^{n}{\sum_{j=1}^{n}}y_{i}y_{j}}& eeimg=&1&&&/p&&p&其中，G是检验值，w是空间权重，d是空间距离参数，而i和j代表任意两个不同的格子。如果i和j之间的距离小于d，则w设为相应的空间权重，如果i和j之间的距离大于d，则w为0。每一次检验，分母由于没有距离和空间权重，因此没有任何舍弃的格子，它的值是一定的；在分子里，所有距离参数之内的格子的值都会被相乘，并和上一步的值相加，而所有距离参数之外的值都会被舍弃。这样，如果有几个距离相近的格子，观察值都很高，则会乘出很大的值，反之，如果相近几个格子观察值都很小，则会乘出很小的值。最后这些都会影响到G的值。&/p&&p&另外，这里的空间距离参数不一定是真的欧几里得几何上的距离，也可以是其它定义下的距离。比如在我的运算里，我用的是Queen类权重矩阵定义的距离，即和格子A共用一条边或一个顶点的格子，都是格子A的邻居，空间权重w设为1；否则空间权重设为0。Queen在这儿其实是国际象棋里的王后，她可以横着走、竖着走、斜着走，而这种空间矩阵的定义方法和王后的走法很像，故得名。&/p&&p&然后，我们觉得中原这个热点太大了，因为历朝历代的战争数据太多。于是我们进行了分朝代的操作，就是每个朝代把上面的操作进行一次。下面就放结果（每个朝代一张分布图和热点图），大家可以自己看看地图。解说我就简略一些了。&/p&&p&春秋：&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-6da68511e13bcbc7e100_b.jpg& data-rawwidth=&1000& data-rawheight=&709& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&https://pic1.zhimg.com/50/v2-6da68511e13bcbc7e100_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/50/v2-fc2ed7fce581bfff7568d_b.jpg& data-rawwidth=&1000& data-rawheight=&710& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&https://pic2.zhimg.com/50/v2-fc2ed7fce581bfff7568d_r.jpg&&&/figure&&p&能看出的主要战争区域：&/p&&p&1）齐、晋、楚在中原争霸，中原各国（卫、郑、宋、陈、蔡、鲁等）都是炮灰；&/p&&p&2）东南方向的吴越争霸；&/p&&p&3）楚国欺负汉水诸姬；&/p&&p&4）秦国在西戎发展；&/p&&p&5）齐国尊王攘夷，对抗北部的戎狄。&/p&&p&战国：&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-ef2c8fa38fe017edb67d_b.jpg& data-rawwidth=&1003& data-rawheight=&706& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1003& data-original=&https://pic3.zhimg.com/50/v2-ef2c8fa38fe017edb67d_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/50/v2-807eda49a9dbdf50c7aeea9_b.jpg& data-rawwidth=&1002& data-rawheight=&704& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1002& data-original=&https://pic2.zhimg.com/50/v2-807eda49a9dbdf50c7aeea9_r.jpg&&&/figure&&p&能看出的主要战争区域：&/p&&p&1）秦国、魏国争夺河西；&/p&&p&2）函谷关一带（历次合纵）；&/p&&p&3）韩国、赵国和魏国都是四战之地；&/p&&p&4）齐国、燕国之间有过大量战事（田单）；&/p&&p&5）秦国和义渠有过节。&/p&&p&秦、西汉：&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-53ea8f7dacdfa00bf83a0d1_b.jpg& data-rawwidth=&1007& data-rawheight=&708& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1007& data-original=&https://pic1.zhimg.com/50/v2-53ea8f7dacdfa00bf83a0d1_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/v2-53f17c81bcf961e3e9a887beb92a7668_b.jpg& data-rawwidth=&1002& data-rawheight=&708& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1002& data-original=&https://pic4.zhimg.com/50/v2-53f17c81bcf961e3e9a887beb92a7668_r.jpg&&&/figure&&p&能看出的主要战争区域：&/p&&p&1）徐州、彭城一带（秦末起义、七国之乱）；&/p&&p&2）云中、雁门一带（和匈奴的战争）；&/p&&p&3）河西走廊、河套（和匈奴的战争）；&/p&&p&4）汉中、关中（秦末、楚汉战争）；&/p&&p&5）新疆那边有个小热点应该是轮台；&/p&&p&6）岭南（秦、汉先后吞并南越地区）。&/p&&p&东汉：&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-3aff9bfab35cf83b79b85a_b.jpg& data-rawwidth=&1005& data-rawheight=&709& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1005& data-original=&https://pic2.zhimg.com/50/v2-3aff9bfab35cf83b79b85a_r.jpg&&&/figure&&figure&&img src=&https://pic3.zhimg.com/50/v2-b176aba92bb_b.jpg& data-rawwidth=&992& data-rawheight=&705& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&992& data-original=&https://pic3.zhimg.com/50/v2-b176aba92bb_r.jpg&&&/figure&&p&能看出的主要战争区域：&/p&&p&1）东北辽西地区（和乌桓、鲜卑的战争）；&/p&&p&2）云中、雁门（匈奴、鲜卑）；&/p&&p&3）陇右一带（羌人）；&/p&&p&4）西域（班超等人的经营）；&/p&&p&5）河北（汉末曹操、袁绍等军阀）；&/p&&p&6）关中（汉末西凉、董卓等军阀）；&/p&&p&7）徐州一带（汉末吕布、刘备等军阀）；&/p&&p&8）荆州到江东一带（汉末刘表、孙坚等军阀）。&/p&&p&三国、西晋：&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-f4db3d019ed8a7a0feace148_b.jpg& data-rawwidth=&1006& data-rawheight=&710& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1006& data-original=&https://pic3.zhimg.com/50/v2-f4db3d019ed8a7a0feace148_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/v2-eca0_b.jpg& data-rawwidth=&1005& data-rawheight=&707& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1005& data-original=&https://pic4.zhimg.com/50/v2-eca0_r.jpg&&&/figure&&p&能看出的主要战争区域：&/p&&p&1）东北（曹魏vs乌桓、高句丽、公孙渊等）；&/p&&p&2）汉中、陇山（诸葛亮六出祁山）；&/p&&p&3）江淮一带（吴、魏之间的历次战争）；&/p&&p&4）浙江一带（吴国和山越人的矛盾）；&/p&&p&5）荆州（三国争夺的焦点、西晋灭吴）；&/p&&p&6）西南（诸葛亮南征、西晋氐人的动乱）；&/p&&p&7）洛阳、关中等地区（晋朝八王之乱、西晋后期的刘渊等搞的各种事）。&/p&&p&东晋十六国：&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-bf60cd067a850230feade3bc9ef84495_b.jpg& data-rawwidth=&1009& data-rawheight=&705& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1009& data-original=&https://pic1.zhimg.com/50/v2-bf60cd067a850230feade3bc9ef84495_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/50/v2-201ff9e74bc9af060f20a5cd9b705251_b.jpg& data-rawwidth=&1002& data-rawheight=&706& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1002& data-original=&https://pic1.zhimg.com/50/v2-201ff9e74bc9af060f20a5cd9b705251_r.jpg&&&/figure&&p&能看出的主要战争区域：&/p&&p&1）东北（鲜卑各部及高句丽搅和在一起）；&/p&&p&2）雁门一带（代国、北魏初期的战事）；&/p&&p&3）中原，特别是邺城周围（各赵、燕、秦的混战）；&/p&&p&4）关中（两赵之战、刘裕北伐、赫连夏）&/p&&p&5）四川（成汉、樵蜀）；&/p&&p&6）江南（桓玄之乱等）；&/p&&p&7）山东南部到江淮一带（东晋历次北伐、淝水之战、刘裕北伐南燕等）。&/p&&p&南北朝：&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-70d4ad57d717efe526e4a28d023c3fff_b.jpg& data-rawwidth=&1006& data-rawheight=&710& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1006& data-original=&https://pic3.zhimg.com/50/v2-70d4ad57d717efe526e4a28d023c3fff_r.jpg&&&/figure&&figure&&img src=&https://pic3.zhimg.com/50/v2-444cbbfab85f_b.jpg& data-rawwidth=&1005& data-rawheight=&705& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1005& data-original=&https://pic3.zhimg.com/50/v2-444cbbfab85f_r.jpg&&&/figure&&p&能看出的主要战争区域：&/p&&p&1）江淮一带重灾区（刘宋、南齐和北魏的历次战争；侯景之乱；北齐和陈朝的历次战争等）；&/p&&p&2）潼关、崤山一带（东魏、西魏以及北齐、北周之间的历次东西对峙）；&/p&&p&3）东北（高句丽、柔然）；&/p&&p&4）北方（北魏的六座军镇，对抗柔然的历次战争；六镇起义）；&/p&&p&5）西部（吐谷浑）。&/p&&p&隋唐：&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-c18de9e8bc52883f61ddd989da34de0e_b.jpg& data-rawwidth=&1004& data-rawheight=&712& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1004& data-original=&https://pic4.zhimg.com/50/v2-c18de9e8bc52883f61ddd989da34de0e_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/v2-6e6405eeeaec31307d50a_b.jpg& data-rawwidth=&999& data-rawheight=&701& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&999& data-original=&https://pic4.zhimg.com/50/v2-6e6405eeeaec31307d50a_r.jpg&&&/figure&&p&能看出的主要战争区域：&/p&&p&1）河北（隋末窦建德等义军、安史之乱、河朔三镇等）；&/p&&p&2）东北（高句丽、契丹、奚）；&/p&&p&3）雁门、云中一线（唐初对抗劼利可汗、薛延陀等部；唐后期对回鹘等）；&/p&&p&4）西南（吐蕃、南诏）；&/p&&p&5）洛阳一带（隋末瓦岗军、王世充、宇文化及等；安史之乱）；&/p&&p&6）关中陇右（隋末薛举等、安史之乱、唐中后期的吐蕃、黄巢之乱等）；&/p&&p&7）西域（安西、北庭）；&/p&&p&8）江淮（隋末杜伏威等义军；唐朝后期的割据势力等）。&/p&&p&五代、北宋：&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-48c615dabaeda1af1b0ec1b5ee0bac24_b.jpg& data-rawwidth=&1004& data-rawheight=&703& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1004& data-original=&https://pic1.zhimg.com/50/v2-48c615dabaeda1af1b0ec1b5ee0bac24_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/50/v2-ad3cffcbd8bf_b.jpg& data-rawwidth=&1002& data-rawheight=&710& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1002& data-original=&https://pic2.zhimg.com/50/v2-ad3cffcbd8bf_r.jpg&&&/figure&&p&能看出的主要战争区域：&/p&&p&1）河北（早期的宋辽之战）；&/p&&p&2）西北（宋和西夏的战争）；&/p&&p&3）南部（宋朝各地的起义军、宋朝统一十国的战争）；&/p&&p&4）交州脱离中原王朝，并和宋朝有过战争。&/p&&p&南宋：&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-d8c642a6adfe651aa1d342dad7bea707_b.jpg& data-rawwidth=&1002& data-rawheight=&707& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1002& data-original=&https://pic3.zhimg.com/50/v2-d8c642a6adfe651aa1d342dad7bea707_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/v2-77b34d7fdaa3d1980acd6ce9d268848e_b.jpg& data-rawwidth=&997& data-rawheight=&706& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&997& data-original=&https://pic4.zhimg.com/50/v2-77b34d7fdaa3d1980acd6ce9d268848e_r.jpg&&&/figure&&p&能看出的主要战争区域：&/p&&p&1）秦岭-江淮一线（宋金拉锯战）；&/p&&p&2）荆襄一带（杨么起义、蒙宋之战）；&/p&&p&3）金朝北方（蒙金之战）；&/p&&p&4）蒙古灭西夏的战争；&/p&&p&5）蒙古灭大理并从西南包抄宋朝；&/p&&p&6）蒙古西征西辽；&/p&&p&7）南方各地的起义军以及后期的抗元战争。&/p&&p&元朝：&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-8fe263f3f6eab8dbaba6f_b.jpg& data-rawwidth=&1008& data-rawheight=&713& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1008& data-original=&https://pic2.zhimg.com/50/v2-8fe263f3f6eab8dbaba6f_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/50/v2-d7c7f17ef3380dff12498faa8e9a2bfc_b.jpg& data-rawwidth=&1003& data-rawheight=&710& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1003& data-original=&https://pic1.zhimg.com/50/v2-d7c7f17ef3380dff12498faa8e9a2bfc_r.jpg&&&/figure&&p&能看出的主要战争区域：主要是后期，南方、江淮等地红巾军及朱元璋、张士诚、陈友谅、明玉珍等各部的混战，以及北方各军阀。另外贵州等地一直有抵抗元朝的起义。&/p&&p&明朝：&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-bebb6e9ac10bcb7ecf059b25_b.jpg& data-rawwidth=&1002& data-rawheight=&707& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1002& data-original=&https://pic3.zhimg.com/50/v2-bebb6e9ac10bcb7ecf059b25_r.jpg&&&/figure&&figure&&img src=&https://pic3.zhimg.com/50/v2-c0d5bcb1d4a77d8c74a52b112181bab7_b.jpg& data-rawwidth=&1003& data-rawheight=&709& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1003& data-original=&https://pic3.zhimg.com/50/v2-c0d5bcb1d4a77d8c74a52b112181bab7_r.jpg&&&/figure&&p&能看出的主要战争区域：&/p&&p&1）长城沿线，特别是山海关、居庸关、雁门、榆林等地；&/p&&p&2）陕西、湖北等地（李自成起义）&/p&&p&3）辽东（明和后金的战争）&/p&&p&4）东南（倭寇）；&/p&&p&5）南方包括云南等地。&/p&&p&清朝：&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-53abc0f12d5f1_b.jpg& data-rawwidth=&1005& data-rawheight=&708& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1005& data-original=&https://pic3.zhimg.com/50/v2-53abc0f12d5f1_r.jpg&&&/figure&&figure&&img src=&https://pic3.zhimg.com/50/v2-ea27af0decaf15d5d6b649f_b.jpg& data-rawwidth=&1001& data-rawheight=&707& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&1001& data-original=&https://pic3.zhimg.com/50/v2-ea27af0decaf15d5d6b649f_r.jpg&&&/figure&&p&能看出的主要战争区域：&/p&&p&1）山海关-北京（满清入关、义和团、八国联军）；&/p&&p&2）江淮一带（清初和南明的战争）；&/p&&p&3）南方、西南各地（三藩之乱、白莲教、鸦片战争、太平天国等）；&/p&&p&4）西南沿海各地（两次鸦片战争、中法战争、八国联军等）；&/p&&p&5）山东、辽东（甲午战争）；&/p&&p&6）新疆（初期击败准噶尔、后期左宗棠收复新疆）；&/p&&p&7）陕西甘肃一带（同治时期）。&/p&&p&&br&&/p&&p&大势就是，南宋以前，绝大多数有记载的战争都发生在北方（包括西北和东北），而南方比较爱打仗的地方只有荆襄和四川；南宋以来，南方的战事逐渐多了起来。这也和中国历史上的人口迁徙以及经济重心南移比较吻合。总体来说，上镜率最高的区域有关中、荆襄、中原（洛阳一带）、雁门-云中、江淮一带、辽西走廊这几处。&/p&&p&另外，大部分朝代的战争分布，都有比较明显的空间正自相关。附一下历朝历代的Moran's I的检验值：&/p&&p&总体0.79；春秋0.734；战国0.67；秦和西汉0.439；东汉0.464；三国和西晋0.388；东晋十六国0.41；南北朝0.657；隋唐0.441；五代和北宋0.569；南宋0.496；元朝0.362；明朝0.521；清朝0.405。&/p&&p&春秋战国时期，周围区域还未完全进入中国人的活动范围，战争爆发的地点集中在中原地区，因此Moran's I很高。秦朝两汉时期中国疆域大幅度扩展，战争的区域分布到了岭南和西域，在中原地区之外形成了新的密集区，因此Moran's I下降到了0.45-0.5之间，这也是一个比较正常的值。三国两晋，天下分裂，军阀列国混战，战火几乎烧遍了全国，因此战争在空间上不再像以前那样的聚团分布，所以Moran's I进一步下滑到0.4左右。南北朝形成了局部统一，主要的战争地点只有三个：江淮（南北对峙）、崤山一带（北朝后期的东西对峙）以及北方对抗柔然的前线，因此Moran's I大幅度回升。隋唐再度扩张，Moran's I回落到和汉朝相似的水平，除中原以外，剑南、西域和东北也成了前线。北宋时期战事再度集中，特别是澶渊之盟以后，北宋的主要精力都在对付西夏，而西夏和辽也并没有太多的外战，要不是北宋内部经常有小规模起义军的话，北宋的Moran's I甚至还要更高。南宋时期，宋朝的前线退到了江淮、秦岭，并在此集中，此时Moran's I下跌的主要因素是蒙古的崛起和四处征伐。元朝的Moran's I继续下跌，第一是因为其面积大，第二是因为后期南方乱作一团，势力太多太分散。明朝回升到0.521，因为明朝大多数时间里，主要的对手是蒙古各部，也就是长城一线，因此这一线集中了明朝大部分的战争；剩下的像中后期的倭寇，以及后期的后金、李自成等，一定程度上拉低了Moran's I，但大局上，明朝的主要战争都是在长城一线（九边重镇）。清朝的Moran's I再度回落，第一也是因为地盘大，第二是战争分布比较零散，像前期的三藩之乱、后期的太平天国，这两次大动乱，几乎席卷了整个南方；而义和团则是在北方遍地开花；加上周围列强的侵袭，战争的分布就比较零散了。&/p&
这个问题从前年开始就陆续有好多人邀我，这里统一谢邀了。。。上面
的回答参考的貌似是大学里用的历史地理学课本，算是很权威的答案了。我冒个泡，通过空间分析的手段瞎扯两句。首先说明，我的参考资料来自这套书：这套工具…
&p&之前发照片的时候，有很多朋友来问我的发型怎么弄的，说看起来很随性，很好看，而且很自然。&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-3a4aed6e96ef85d943f5_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic4.zhimg.com/50/v2-3a4aed6e96ef85d943f5_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/50/v2-4db553e07ba1d8e3dec01_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1074& data-rawheight=&786& class=&origin_image zh-lightbox-thumb& width=&1074& data-original=&https://pic1.zhimg.com/50/v2-4db553e07ba1d8e3dec01_r.jpg&&&/figure&&p&今天就来和大家分享下～&/p&&p&&br&&/p&&p&步骤和过程都在视频里给大家介绍得很详细啦，在&b&一个基础的发型上，还能演变出其他两种不同的样式&/b&。只需要很简单的几个步骤就 OK。&/p&&p&&br&&/p&&p&&b&★准备用品：小发夹若干，发圈 1 个&/b&&/p&&a class=&video-box& href=&//link.zhihu.com/?target=https%3A//www.zhihu.com/video/7980672& target=&_blank& data-video-id=&& data-video-playable=&true& data-name=&这款很多人来问的发型其实很简单& data-poster=&https://pic2.zhimg.com/v2-edae0eab85.jpg& data-lens-id=&7980672&&
&img class=&thumbnail& src=&https://pic2.zhimg.com/v2-edae0eab85.jpg&&&span class=&content&&
&span class=&title&&这款很多人来问的发型其实很简单&span class=&z-ico-extern-gray&&&/span&&span class=&z-ico-extern-blue&&&/span&&/span&
&span class=&url&&&span class=&z-ico-video&&&/span&https://www.zhihu.com/video/7980672&/span&
&/a&&figure&&img src=&https://pic1.zhimg.com/50/v2-cb2dc0be46dcf304ad57e2_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&170& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic1.zhimg.com/50/v2-cb2dc0be46dcf304ad57e2_r.jpg&&&/figure&&p&&br&&/p&&p& 1、&b&适合上班职场等场合 &/b&既浪漫又利落的低马尾&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-15f87c02ca154f5f4e92f4c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&583& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic4.zhimg.com/50/v2-15f87c02ca154f5f4e92f4c_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/50/v2-cb2dc0be46dcf304ad57e2_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&170& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic1.zhimg.com/50/v2-cb2dc0be46dcf304ad57e2_r.jpg&&&/figure&&p&&b&2、适合参加活动、宴会等重要场合 &/b&挽成卷，显得优雅，有气质&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-46e6fc6bd2dd8dbc9e828afddff4e331_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&876& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic3.zhimg.com/50/v2-46e6fc6bd2dd8dbc9e828afddff4e331_r.jpg&&&/figure&&p&在春夏季，各种各样日常场合；或者出席活动、参加宴会这样正式一点的场合都适用，喜欢的朋友们可以试试看哦~&/p&&p&&br&&/p&&p&如果扎马尾的话，再分享几个又立又挺不会塌的实用技巧 ：&/p&&p&&br&&/p&&ul&&li&&b&「分两层扎」&/b&&/li&&/ul&&p&&br&&/p&&p&将两个马尾合在一起，这样扎起来的头发不容易塌。&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-f27a99ce4f7a17f8c5fa8_b.jpg& data-size=&normal& data-rawwidth=&537& data-rawheight=&771& class=&origin_image zh-lightbox-thumb& width=&537& data-original=&https://pic3.zhimg.com/50/v2-f27a99ce4f7a17f8c5fa8_r.jpg&&&figcaption&From jvolosy.com&/figcaption&&/figure&&ul&&li&&b&「藏在马尾中间的迷你发夹」&/b&&/li&&/ul&&p&&br&&/p&&p&在梳好的马尾里藏一个小发夹能看起来更立体。&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-46fda97f6f4_b.jpg& data-size=&normal& data-rawwidth=&461& data-rawheight=&285& class=&origin_image zh-lightbox-thumb& width=&461& data-original=&https://pic2.zhimg.com/50/v2-46fda97f6f4_r.jpg&&&figcaption&From cchan.tv&/figcaption&&/figure&&ul&&li&&b&「底部用细发卡固定」&/b&&/li&&/ul&&p&&br&&/p&&p&用两个常见的黑色细发卡在底部固定住。&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-baefbbea84b5a1_b.jpg& data-size=&normal& data-rawwidth=&461& data-rawheight=&296& class=&origin_image zh-lightbox-thumb& width=&461& data-original=&https://pic2.zhimg.com/50/v2-baefbbea84b5a1_r.jpg&&&figcaption&From cchan.tv&/figcaption&&/figure&&ul&&li&&b&「用头发缠一圈」&/b&&/li&&/ul&&p&&br&&/p&&p&扎好后再用头发缠一圈固定的时间会更久。&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-33e44a0aa88f6ab518a0a43a_b.jpg& data-size=&normal& data-rawwidth=&461& data-rawheight=&285& class=&origin_image zh-lightbox-thumb& width=&461& data-original=&https://pic1.zhimg.com/50/v2-33e44a0aa88f6ab518a0a43a_r.jpg&&&figcaption&From cchan.tv&/figcaption&&/figure&&p&这几种方法都能让马尾看起来立体又好看，可以试一试~~&/p&&p&&br&给大家介绍一位&b&美国有名的发型师——&/b&Kristin Ess，她作为顶级发型师和调色师，拥有二十二年的&b&专业&/b&经验，以及对创造最美发型真正需要什么产品深入了解。&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-a9eb088d8ecdf_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic2.zhimg.com/50/v2-a9eb088d8ecdf_r.jpg&&&/figure&&p&她 Ins 上会分享很多美发护发小妙招，和一些一看就会做的简短发型视频给大家。她的 Instagram 账号是：kristin_ess。&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-9ea6c68b32184c2bafa4db_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&741& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/50/v2-9ea6c68b32184c2bafa4db_r.jpg&&&/figure&&p&她经常给美国明星做造型，都非常惊艳。&/p&&p&&br&&/p&&p&▼《舞出我人生》的女演员 Jenna Dewan 也是她的老顾客，很多美美的发型都是她做的&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-b4d67b5e774ffabbf0a65_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&800& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/50/v2-b4d67b5e774ffabbf0a65_r.jpg&&&/figure&&figure&&img src=&https://pic3.zhimg.com/50/v2-14cc7b6d6fdbe1b7ac3ad3_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&800& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/50/v2-14cc7b6d6fdbe1b7ac3ad3_r.jpg&&&/figure&&p&▼ Kristin 也做过女演员 Lili Reinhart 的头发，柔顺精致的风格非常美 &/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-39a449d485fe9fe35854bc97ebd40170_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&716& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/50/v2-39a449d485fe9fe35854bc97ebd40170_r.jpg&&&/figure&&div class=&highlight&&&pre&&code class=&language-text&&打理头发一定要耐心，一步一步做好，才会拥有一头完美的头发。
&/code&&/pre&&/div&&p&&b&「给头发多一点造型」&/b&&/p&&p&&br&&/p&&p&这类编发一看就让人很想尝试，不同的编发有不同的风格，每一种都迷人至极。&/p&&p&&br&&/p&&p&这种&b&发钗式&/b&的发饰很有功能性，工作时随手抓一个，使用它定型就会拥有一个完美的&b&丸子包头&/b&。&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-67e5eaaacdf3fd7c3e12a8bdc180738e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&763& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/50/v2-67e5eaaacdf3fd7c3e12a8bdc180738e_r.jpg&&&/figure&&p&这样&b&全部挽起来的发髻&/b&非常迷人有魅力，而且工作中也很适合盘发，比较干练。&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-57b112de6be2cd6830ea4_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/50/v2-57b112de6be2cd6830ea4_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/50/v2-ff7fe752df897_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&799& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/50/v2-ff7fe752df897_r.jpg&&&/figure&&p&▼这个大盘头非常简单，大家头发长的话可以这样盘&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-b22dedbbbc55807dee6eb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&228& data-rawheight=&261& class=&content_image& width=&228&&&/figure&&p&▼也是用这个发钗定型，非常简单&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-41ba368a988f65fd1ddddc1ea0cfba81_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&228& data-rawheight=&261& class=&content_image& width=&228&&&/figure&&p&▼这种&b&发髻加马尾&/b&的造型也很简单，先扎起一个马尾，然后分一束头发揪着绕发圈一圈，最后用发卡定型就可以了&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-cce384dcc4aca65a045ab6_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/50/v2-cce384dcc4aca65a045ab6_r.jpg&&&/figure&&p&▼&b&拦半腰的丸子头&/b&也很简单，看 Kristin 教大家怎么做&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-b3c8afce9f1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&800& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/50/v2-b3c8afce9f1_r.jpg&&&/figure&&p&▼&b&首先&/b&，用卷发棒按照同一个方向卷好头发&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-73a05d3e785f1aae8db5f848d8f99c9e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&228& data-rawheight=&278& class=&content_image& width=&228&&&/figure&&p&▼&b&然后&/b&，这样卷起一个发卷&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-da850e76d2feb136eb31583_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&228& data-rawheight=&278& class=&content_image& width=&228&&&/figure&&p&▼&b&最后&/b&，用这个别针固定住，就是一个可爱的丸子了&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-1b669b927c7a3fe94d25cbe62c848357_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&228& data-rawheight=&278& class=&content_image& width=&228&&&/figure&&p&▼简易版的&b&编发马尾&/b&，很好看也很简单，要注意两鬓要留一簇头发会比较好看&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-57ce33be1d2afbfb9fdff1ed_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&800& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/50/v2-57ce33be1d2afbfb9fdff1ed_r.jpg&&&/figure&&p&▼做这种编发的时候要把后脑勺部分的头发抽一下显得比较自然&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-b3bb95cb57aef6ceaaa89a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&733& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic2.zhimg.com/50/v2-b3bb95cb57aef6ceaaa89a_r.jpg&&&/figure&&p&▼这款非常简单的细节小编发马尾大家可以自己学一学&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-3cadbb37ffcdafe5f0956234_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&234& data-rawheight=&261& class=&content_image& width=&234&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/v2-b4a1db76f26f1b261b92dbab_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&234& data-rawheight=&261& class=&content_image& width=&234&&&/figure&&figure&&img src=&https://pic1.zhimg.com/50/v2-7d239eaaafe7a7e6ce13a4ae98c1b910_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&234& data-rawheight=&261& class=&content_image& width=&234&&&/figure&&p&▼喜欢这种灵动简约的编发马尾，大家可以照着做&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-fac20f1ef085ddcb2b25f1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&230& data-rawheight=&271& class=&content_image& width=&230&&&/figure&&figure&&img src=&https://pic2.zhimg.com/50/v2-ceef1efeb0b52d625c64f1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&230& data-rawheight=&271& class=&content_image& width=&230&&&/figure&&p&▼最后的成果很好看又很简约&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-2eec292f07ce12e98613_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&230& data-rawheight=&271& class=&content_image& width=&230&&&/figure&&p&▼编发编好看了真的就有一种行云流水的感觉，不过要注意弄的松散些，这样自然慵懒才好看&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-1e9aca16aadc452ead302cf_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&800& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/50/v2-1e9aca16aadc452ead302cf_r.jpg&&&/figure&&figure&&img src=&https://pic3.zhimg.com/50/v2-2ecb8a1deca91e268adaba_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&751& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/50/v2-2ecb8a1deca91e268adaba_r.jpg&&&/figure&&p&▼这种很随意凌乱的有灵气，当然发质好也很重要&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-95e58de4e063e51a2569e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&799& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic2.zhimg.com/50/v2-95e58de4e063e51a2569e_r.jpg&&&/figure&&p&简单的发饰可以让你看起来很不一样。&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-5e2f3dd7f0f547fe832edc257e5e8f8d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/50/v2-5e2f3dd7f0f547fe832edc257e5e8f8d_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/v2-b26a171db4abb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&801& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/50/v2-b26a171db4abb_r.jpg&&&/figure&&p&▼先是这样侧着把头发揪起来&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-f42d41af86c02ae4b19c1e8f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&233& data-rawheight=&278& class=&content_image& width=&233&&&/figure&&p&▼用多个钢发夹定型调整成想要的形状&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-84491c09dedefd77e29a35b41f95dd6b_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&233& data-rawheight=&278& class=&content_image& width=&233&&&/figure&&p&▼最后喷上定型喷雾就完成啦&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-fcb39c2a0ff_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&233& data-rawheight=&278& class=&content_image& width=&233&&&/figure&&blockquote&&b&让头发更有光泽的技巧步骤总结&/b&：&br&&br&&b&1&/b&：如果在湿发上喷一种&b&免洗护发素&/b&，要酸碱平衡的，来关闭你的角质层&br&&b&2&/b&：湿发涂抹浓密&b&喷雾&/b&，并均匀涂抹&br&&b&3&/b&：吹风吹干，吹风机指向地面&b&向下&/b&吹头表皮，一旦觉得干燥立刻用冷风&br&&b&4&/b&：使用卷发棒的时候，将每个卷都朝向你的脸，都要在&b&同一个方向&/b&&br&&b&5&/b&：使用轻盈的亮光增强的喷发剂喷雾&/blockquote&&figure&&img src=&https://pic3.zhimg.com/50/v2-109ed3efd2c4a3412e90_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&710& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/50/v2-109ed3efd2c4a3412e90_r.jpg&&&/figure&&p&平时大家工作都很忙，除了去理发店定期护理以外，可以多去关注一些有用的小技巧，会有不少收获。&/p&&p&&br&&/p&&p&&br&&/p&&p&想看精致消费美学内容，欢迎进来~&/p&&p&知乎：&a href=&https://www.zhihu.com/org/cameliashan-cha-hua-1& class=&internal&&Camelia山茶花&/a&&/p&&p&微信公众号：Camelia山茶花（hicamelia）&/p&&p&官方微博：&a href=&//link.zhihu.com/?target=http%3A//weibo.com/hicamelia& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&@Camelia山茶花&/a&&/p&
之前发照片的时候，有很多朋友来问我的发型怎么弄的，说看起来很随性，很好看，而且很自然。今天就来和大家分享下～ 步骤和过程都在视频里给大家介绍得很详细啦，在一个基础的发型上，还能演变出其他两种不同的样式。只需要很简单的几个步骤就 OK。 ★准备…
&p&谢邀，废话不多说，直接开始吧！ &/p&&p&1. 上次有人问我饺子馅怎么做好吃，其实有一个点很关键，饺子馅要调稍微稀一点，这样饺子馅才“多汁”，用泡过花椒的水，去肉腥味效果很好，而且也吃不出花椒味。&/p&&p&2. 食材去腥的方法：冷水焯水、冲水、用葱姜蒜酒来腌制。&/p&&p&3. 平时用葱姜腌制东西的时候，尽量不要改刀太小，还要拍一下，这样效果比较好，腌完了方便择出来。&/p&&p&4. 我们选鱼不光要看鱼是否鲜活肥美，也得闻一下，因为在直接开挖土地建筑的人工鱼塘，养出来的鱼有股土腥味，如果不幸买到，醋可以有效地改善。&/p&&p&5. 醋一般赋予菜肴酸与香味，我们厨师习惯凉拌菜用香醋，热菜是陈醋，浅色白色的菜用白醋，用白醋的适合会搭配柠檬汁或者果醋，因为它本身只是单纯的酸，没有什么香味。&/p&&p&6. 接上条，醋除了酸味还会给菜带来香味，所以很多菜稍微给一点醋或者在锅边淋上醋，这样就吃不到酸味但会给菜增香。&/p&&p&7. 老师傅说，醋是避免毛腥味的，比如肘子、猪蹄、肉皮都适合，可以适当加点醋。&/p&&p&8. 猪皮、猪蹄、鸡爪这类食材，用火烤一下或者用油炸一下再做，更香口更糯口。&/p&&p&9. 所有挂糊油炸的菜肴，炸熟后把其捞出，然后把油烧热（8-9成热），再倒进去复炸一遍（30-45秒）。复炸不仅可以让其变得口感酥脆颜色金黄，还可以逼出多余的油脂，降低油腻感。&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-860b0cbea59ce402fcb4e1_b.jpg& data-rawwidth=&554& data-rawheight=&554& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&554& data-original=&https://pic1.zhimg.com/50/v2-860b0cbea59ce402fcb4e1_r.jpg&&&/figure&&p&10. 我们炸鸡腿鸡翅排骨时，炸到油中不再出现气泡时，就代表肉熟了。&/p&&p&11. 家里做菜为什么没有餐馆好吃？无他，温度不够高，家中的炉灶，火力小到，让炒菜分分钟变煮菜，能有什么口感？怎么解决？买个猛火灶？那你还得搭配一个煤气坛，不靠谱！推荐两个方法，首先下菜的时候锅一定要烧热，咱们起始温度一定要高，这样下菜进去锅不会凉，加上全程大火，火候才算足，炒出来的菜又香口感又好。&/p&&p&12. 接上条，除了在火力上面做文章，我们还可以直接把菜分两锅炒，最后混在一起调味。这也是为什么食堂大锅菜不好吃的原因，因为一锅炒太多了！&/p&&p&13. 我们平时热剩菜时，也得大火快炒，让菜迅速升温。这样可以最大程度保留口感。&/p&&p&14. 笼统来说，红花椒更香、青花椒更麻、藤椒风味更独特。所有给花椒的菜一定要在炝锅后捞出来，因为吃饭吃到花椒感觉很不好！&/p&&p&15. 煮玉米的适合加一点牛奶（有黄油更好）和一颗冰糖，这样煮出来的玉米又香又甜。&/p&&p&16. 蒸和煮相比，蒸出来的东西更好吃更有营养。因为水煮时，食材的颜色、营养物质、糖分就会溶于水中。&/p&&p&17. 番茄去皮要么用开水烫、要么再火上烤一下，主要时让番茄皮受热收缩，然后我们再把它撕下来。&/p&&p&18. 牛排、烧鹅、烤鸡等等一切整块的肉类，一定要稍微放置一些再切，这样防止切的时候，美味的汁水流走了。&/p&&p&19. 接上条，我们切这类肉时，最好用比较锋利的刀，因为钝刀来回锯肉，会挤压肉使美味的汁水流失。&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-edf97f852dcfaa7cac3a2_b.jpg& data-rawwidth=&554& data-rawheight=&415& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&554& data-original=&https://pic1.zhimg.com/50/v2-edf97f852dcfaa7cac3a2_r.jpg&&&/figure&&p&20. 蒸鱼之前一定要抹上猪油，这样蒸出来的鱼才又香又鲜。&/p&&p&21. 鱼蒸好后，一般会铺上葱丝姜丝淋热油嘛，此步骤淋花生油效果更好。&/p&&p&22. 熬汤口诀：无火腿汤不美，无鸡汤不鲜，无鸭汤不香，没有肘子汤不稠。&/p&&p&23. 在家做饭，可以常备一点猪肉末（肥3瘦7），炒菜煮汤之前先煸炒一点再放菜或加水，做菜就不用给味精。&/p&&p&24. 滑肉丝、肉片，应该把油烧到5-6成热，把肉片下锅，让它稍微受热一下，再用锅铲拨开，这样才不容易脱芡。&/p&&p&25. 接上条，如果怕滑不散肉，教你一个方法，肉片下锅之前加点油抓一下，再下锅滑，可以避免原料相互粘连。&/p&&p&26. 继续接上条，素菜炒热切记要先把肉丝滑熟，然后盛出，倒入青菜炒好后，再下肉。第一防止肉受热时间长变老，其次素菜水气重，容易让肉脱浆。&/p&&p&27. 做菜少用松肉粉、小苏打、食用碱这些，破坏维生素而且肉腌完的确嫩了，但也失去了肉的味道！&/p&&p&28. 想要鸡蛋嫩，打鸡蛋加少许水。想要鸡蛋香，打鸡蛋加少许醋。&/p&&p&29. 经常做饭磨刀每周都少不了，每次切菜之前可以用盘子底把刀“烫”一下。&/p&&p&30. 说说我珍藏的蒜蓉酱菜谱，手剥蒜切好，放置10分钟，然后取一半蒜蓉炸至金黄捞出，再把油烧热淋在入生蒜中。再给盐糖鸡精调味，凉了后倒入熟蒜。这叫金银蓉酱，又香又甜。&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-6cd475bb5f90cfd5cbbafc_b.jpg& data-rawwidth=&554& data-rawheight=&369& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&554& data-original=&https://pic4.zhimg.com/50/v2-6cd475bb5f90cfd5cbbafc_r.jpg&&&/figure&&p&31. 煨汤的时候加几粒花椒粒和胡椒粒进去试试，去腥增香效果很好。&/p&&p&32. 藕也是一个特别容易黑的食材，可以提前撒点盐腌制一下，可以有效的避免，特别是煨藕时。&/p&&p&33. 很多人都知道做菜给一点糖，可以让口味更柔和，但现在酱油精鸡各种酱里面已经添加糖了，所以很多时候在给一小勺糖反而会让菜过甜。所以得注意&/p&&p&34. 鸭子肥且水分重，烧鸭一定要把鸭多炒一下，炒干再烧，这样鸭才入得了味。&/p&&p&35. 黄油、猪油、鸡油这些带浓厚香味的油脂，一定要起锅之前给，不然再锅里呆久了，味道就都散了。&/p&&p&36. 解冻肉最好的方法是提前放在冷藏室解冻，其余的方法很容易让肉流失“肉汁”，味道大打折扣。&/p&&p&37. 做咖喱，用牛奶代替水，熬出来的咖喱汁又香又滑。&/p&&p&38. 做手撕包菜，不是直接炒，而且把锅烧热，加油滑锅，把包菜平坦在锅上，一遍炕一遍晃锅，期间翻锅直至包菜变软盛出，再炝锅下包菜调味即可。这样做出来的手撕包菜相当入味。&/p&&p&39. 家里可以准备一些赤砂糖（老红糖），相比白糖，因为提纯比较低，成份更杂，风味也更丰富，做一些甜味、红烧类菜效果更好。&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-c5dde21f2950841caea29dd1_b.jpg& data-rawwidth=&400& data-rawheight=&294& data-caption=&& data-size=&normal& class=&content_image& width=&400&&&/figure&&p&40. 蒸鸡蛋羹要用温水（温度别太高，小心变成冲蛋花），搅匀撇去浮沫，然后封上保鲜膜渣孔，大火宽水上汽后蒸，这样蒸出来的鸡蛋羹又滑又嫩。&/p&&p&41. 减肥期间，嫌鸡胸肉太老了话。可以把鸡胸肉切成小片，用葱姜盐胡椒腌制5分钟，然后和鸡蛋一起打匀，变打边加温水，比例鸡蛋和胸肉：水=1：2。剩余方法和鸡蛋羹一样。这样吃鸡胸肉相对会比较嫩和多汁。&/p&&p&42. 接上条，鸡胸肉直接提前一天用嫩肉粉、黑胡椒粉、少许盐提前腌制一夜，第二天煎、烤、蒸都可以，主要是嫩肉粉把鸡胸肉的肌肉纤维破坏了，所以口感不会那么老。&/p&&p&43. 调糊的时候，想要脆多加点生粉，想要泡松几点泡打粉，想要香加点吉士粉。&/p&&p&44. 炸制的菜，腌制时味道一定要淡，由于炸后原料会失水，菜容易过咸。&/p&&p&45. 我们都知道老卤好，但在家其实不方便保存，可以取一部分卤水放入保鲜盒冷冻住，下次熬卤水加进去，让新卤水的味道变得和老卤一样悠长醇厚。&/p&&p&46. 说一个皮蛋拌豆腐的配方：生抽酱油25g、鸡精3g、烧椒5g、蒜泥3g、姜末2g、花椒油2g、花椒粉1g（烧焦是用火烤过的辣椒）&/p&&p&47. 一个酸辣凉拌汁配方：生抽酱油：23g、鸡精3g、白糖10g、香醋20g、蒜蓉30g、姜蓉15g、小米辣3g&/p&&p&48. 做剁椒鱼头不要单纯只用剁椒，试试剁椒和酱椒混着用，而且再提前加姜蒜末用猪油炒一下。&/p&&p&49. 我们买酱油要看配料表，一个是看氨基酸态氮的浓度，浓度越高代表酱油越鲜。一个是看配料表，配料表越简单说明添加物越少，表示这个酱油原料好、工艺严格、发酵的时间充足。&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-2a905b7dfebce0e996eea_b.jpg& data-rawwidth=&437& data-rawheight=&258& data-caption=&& data-size=&normal& class=&origin_image zh-lightbox-thumb& width=&437& data-original=&https://pic4.zhimg.com/50/v2-2a905b7dfebce0e996eea_r.jpg&&&/figure&&p&50. 厨厨出品，必须靠谱，欢迎点赞关注。ヽ(●??`●)?&/p&&p&------------------------------&/p&&p&不懂的可以加微信咨询，还建了个美食群，主要在里面讨论做菜技巧啊每天吃啥等，想进加微信拉你哈，大家一起吃好喝好。公众号: 胡厨厨 微信号： huchuchu1439&/p&
谢邀，废话不多说，直接开始吧！ 1. 上次有人问我饺子馅怎么做好吃，其实有一个点很关键，饺子馅要调稍微稀一点，这样饺子馅才“多汁”，用泡过花椒的水，去肉腥味效果很好，而且也吃不出花椒味。2. 食材去腥的方法：冷水焯水、冲水、用葱姜蒜酒来腌制。3. …
&figure&&img src=&https://pic4.zhimg.com/v2-b7e57cf5c6b0a44acf7e_b.jpg& data-rawwidth=&1400& data-rawheight=&790& class=&origin_image zh-lightbox-thumb& width=&1400& data-original=&https://pic4.zhimg.com/v2-b7e57cf5c6b0a44acf7e_r.jpg&&&/figure&&blockquote&AI（人工智能）技术已经广泛应用于美团的众多业务，从美团App到大众点评App，从外卖到打车出行，从旅游到婚庆亲子，美团数百名最优秀的算法工程师正致力于将AI技术应用于搜索、推荐、广告、风控、智能调度、语音识别、机器人、无人配送等多个领域，帮助美团3.2亿消费者和400多万商户改善服务和体验，帮大家吃得更好，生活更好。&br&&br&基于AI技术，美团搭建了世界上规模最大，复杂度最高的多人、多点实时智能配送调度系统；基于AI技术，美团推出了业内第一款大规模落地的企业应用级语音交互产品，为50万骑手配备了智能语音系统；基于AI技术，美团构建了世界上最大的菜品知识库，为200多万商家、3亿多件商品绘制了知识图谱，为2.5亿用户提供了精准的用户画像，并构建了世界上用户规模最大、复杂度最高的O2O智能推荐平台。&br&&br&美团这个全球最大生活服务互联网平台的“大脑”是怎么构建的？从本周起，我们将连续发表“AI in 美团”系列文章，给大家全面揭开各项技术的内幕。&br&&br&另外，业界第一部全面讲述互联网机器学习实践的图书《美团机器学习实践》也即将上市，敬请期待，本文选自书中第十四章。&/blockquote&&p&&b&背景&/b&&br&&/p&&p&近几年以深度学习技术为核心的人工智能得到广泛的关注，无论是学术界还是工业界，它们都把深度学习作为研究应用的焦点。而深度学习技术突飞猛进的发展离不开海量数据的积累、计算能力的提升和算法模型的改进。本文主要介绍深度学习技术在文本领域的应用，文本领域大致可分为4个维度：词、句子、篇章、系统级应用。&/p&&ul&&li&词。分词方面，从最经典的前后向匹配到条件随机场（Conditional Random Field，CRF）序列标注，到现在Bi-LSTM+CRF模型，已经不需要设计特征，从字粒度就能做到最好的序列标注效果，并且可以推广到文本中序列标注问题上，比如词性标注和专门识别等。&/li&&li&句子。Parser方面，除词粒度介绍的深度学习序列标注外，还可以使用深度学习模型改善Shift-Reduce中间分类判断效果；句子生成方面，可以通过序列到序列（Seq2Seq）模型训练自动的句子生成器，可用于闲聊或者句子改写等场景。&/li&&li&篇章。情感分析方面，可以使用卷积神经网络对输入文本直接建模预测情感标签；阅读理解方面，可以设计具有记忆功能的循环神经网络来做阅读理解，这个也是近年非常热的研究问题。&/li&&li&系统级应用。信息检索方面，把深度学习技术用在文本匹配做相似度计算，可以通过BOW、卷积神经网络或循环神经网络表示再学习匹配关系（如DSSM系列），还有使用DNN做排序模型（如Google的Wide & Deep等，后面会重点介绍）；机器翻译方面，源于Seq2Seq模型到Stack-LSTM + Attention等多层LSTM网络，使得基于词的统计机器翻译模型已经被基于神经网络的翻译模型超越，并且已经应用到产品中，比如谷歌翻译、百度翻译、有道翻译等；智能交互方面，在做闲聊、对话、问答等系统时深度学习在分类、状态管理（如深度强化学习）、回复生成等环节都有很好的应用。&/li&&/ul&&p&总之，上面这些文本领域的深度学习应用只是冰山一角，深度学习应用还有知识图谱、自动摘要、语音、图像文本生成等。总体趋势是，各文本研究和应用的方向都在尝试深度学习技术，并分别取得了进展。在文本领域，如果想跟图像、语音那样取得突破性进展还面临重重困难，如不同任务的大规模标注数据缺乏，如何建模能捕捉语言的逻辑性以及所蕴含的地域、文化特色等等。限于篇幅，本文只对美团在文本中应用较多的文本匹配、排序模型进行介绍。&/p&&p&&b&基于深度学习的文本匹配&/b&&/p&&p&文本匹配在很多领域都有用到，尤其是信息检索相关场景，比如搜索的Query和Doc、广告中Query-Ad、搜索Suggestion中Query前缀和Query（见图1）、关键词推荐中Query和Query、文档去重时Doc和Doc等。&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-34e45eaedccfd1e724fb922cbdbf6062_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&863& data-rawheight=&586& class=&origin_image zh-lightbox-thumb& width=&863& data-original=&https://pic2.zhimg.com/v2-34e45eaedccfd1e724fb922cbdbf6062_r.jpg&&&/figure&&p&&br&&/p&&p&图1　美团Query-POI和Query Suggestion的文本匹配场景&/p&&p&文本匹配主要研究计算两段文本的相似度问题。相似度问题包含两层：一是两段文本如何表示可使得计算机方便处理，这需要研究不同的表示方法效果的区别：二是如何定义相似度来作为优化目标，如语义匹配相似度、点击关系相似度、用户行为相似度等，这和业务场景关系很紧密。&/p&&p&在解决这两个问题过程中会遇到很多难题，其中一个难题就是设计模型如何充分考虑语义。因为中文的多义词、同义词非常普遍，它们在不同的语境中表达的含义是不一样的。比如苹果多少钱一台？苹果多少钱一斤？对于前者，根据“一台”能看出它是指苹果品牌的电子设备，后者则是指水果。当然，还有很多语言现象更加困难，比如语气、语境、口语的不同表述等。&/p&&p&文本的表示和匹配是本节的主线，如何做到语义层面匹配就成为本节的主旨。&br&受到整体技术的演进影响，文本的匹配技术同样有一个顺应时代的技术历程，如图2所示。&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-73ad70a6f69f68b9bced0c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&864& data-rawheight=&572& class=&origin_image zh-lightbox-thumb& width=&864& data-original=&https://pic3.zhimg.com/v2-73ad70a6f69f68b9bced0c_r.jpg&&&/figure&&p&&br&&/p&&p&图2 语义表示匹配模型演进历程&/p&&p&&b&1. 向量空间&/b&&/p&&p&1970年左右提出的向量空间模型，就是把文档表示词表维度的向量通过TF-IDF计算出词的权重，比如一种标准词表包含词ID、词和IDF，另一种是停用词表，如图3所示。&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-61efd560d9bd74bbfb4483_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&505& data-rawheight=&354& class=&origin_image zh-lightbox-thumb& width=&505& data-original=&https://pic1.zhimg.com/v2-61efd560d9bd74bbfb4483_r.jpg&&&/figure&&p&&br&&/p&&p&图3 向量空间模型示例&/p&&p&对文本“丽江的酒店价格”分词去除停用词后，得到丽江、酒店、价格，词出现次数是1，查表IDF得到这句文本的表示：[0, 1.5, 2.1, 0, 0, …, 0, 4.1]。其中权重使用的是TF×IDF，TF是Term在文本里的频次，IDF是逆文档频次，两者定义有很多形式，如图4所示。这里使用第二种定义。&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-bbcb2a819cb2ef47f4b63_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&401& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic3.zhimg.com/v2-bbcb2a819cb2ef47f4b63_r.jpg&&&/figure&&p&图4 TF和IDF的常用定义&/p&&p&向量空间模型用高维稀疏向量来表示文档，简单明了。对应维度使用TF-IDF计算，从信息论角度包含了词和文档的点互信息熵，以及文档的信息编码长度。文档有了向量表示，那么如何计算相似度？度量的公式有Jaccard、Cosine、Euclidean distance、BM25等，其中BM25是衡量文档匹配相似度非常经典的方法，公式如下：&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-1655fdb8dea58c0ea03a191ceb58386a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&180& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic1.zhimg.com/v2-1655fdb8dea58c0ea03a191ceb58386a_r.jpg&&&/figure&&p&&br&&/p&&p&向量空间模型虽然不能包含同义词、多义词的信息，且维度随着词典增大变得很大，但因为它简单明了，效果不错，目前仍然是各检索系统必备的特征。&/p&&p&&b&2. 矩阵分解&/b&&/p&&p&向量空间模型的高维度对语义信息刻画不好，文档集合会表示成高维稀疏大矩阵。1990年左右，有人研究通过矩阵分解的方法，把高维稀疏矩阵分解成两个狭长小矩阵，而这两个低维矩阵包含了语义信息，这个过程即潜在语义分析。&/p&&p&假设有N篇文档，共有V个词，用TF-IDF的向量空间表示一个N×V的稀疏矩阵X，词和文档的语义分析就在这个共现矩阵上操作。这个共现矩阵通过奇异值分解, 能变成三个矩阵，狭长矩阵U的维度是N×K，V的维度是K×V，中间是对角阵K×K维，如图5所示。&/p&&p&经过分解后，每个文档由K维向量表示，（K&&V），代表了潜在语义信息，可以看成是文档需要表达的语义空间表示。V矩阵代表词在潜空间上的分布都是通过共现矩阵分解得到的。&/p&&p&潜在语义分析能对文档或者词做低维度语义表示，在做匹配时其性能较高（比如文档有效词数大于K），它包含语义信息，对于语义相同的一些文档较准确。但是，潜在语义分析对多义词语义的建模不好，并且K维语义向量完全基于数学分解得到，物理含义不明确。因此，在2000年左右，为解决上述问题，主题模型出现了。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-ecf10dd191fd1cc7d9da3e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&342& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic4.zhimg.com/v2-ecf10dd191fd1cc7d9da3e_r.jpg&&&/figure&&p&图5 潜在语义分析对词文档共现矩阵的分解示意&/p&&p&&b&3. 主题模型&/b&&/p&&p&年，以概率图模型为基础的主题模型掀起了一股热潮，那么究竟这种模型有什么吸引大家的优势呢？&/p&&p&&b&pLSA（Probabilistic Latent Semantic Analysis）&/b&&/p&&p&pLSA在潜在语义分析之上引入了主题概念。它是一种语义含义，对文档的主题建模不再是矩阵分解，而是概率分布（比如多项式分布），这样就能解决多义词的分布问题，并且主题是有明确含义的。但这种分析的基础仍然是文档和词的共现频率，分析的目标是建立词/文档与这些潜在主题的关系，而这种潜在主题进而成为语义关联的一种桥梁。这种转变过渡可如图6所示。&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-82ab1dd64cb3c6fa57640ee3bdbcd874_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&489& data-rawheight=&498& class=&origin_image zh-lightbox-thumb& width=&489& data-original=&https://pic4.zhimg.com/v2-82ab1dd64cb3c6fa57640ee3bdbcd874_r.jpg&&&/figure&&p&&br&&/p&&p&图6 从词文档共现到引入潜在主题的概率模型&/p&&p&假设每篇文章都由若干主题构成，每个主题的概率是p(z|d)，在给定主题的条件下，每个词都以一定的概率p(w|z)产生。这样，文档和词的共现可以用一种产生式的方式来描述：&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-e0c7e23af25e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&467& data-rawheight=&102& class=&origin_image zh-lightbox-thumb& width=&467& data-original=&https://pic2.zhimg.com/v2-e0c7e23af25e_r.jpg&&&/figure&&p&&br&&/p&&p&其概率图模型如图7所示：&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-7aeda5ed34a0a5c317aab_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&553& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic2.zhimg.com/v2-7aeda5ed34a0a5c317aab_r.jpg&&&/figure&&p&&br&&/p&&p&图7　pLSA概率模型&/p&&p&可以通过EM算法把p(z|d)和p(w|z)作为参数来学习，具体算法参考Thomas Hofmann的pLSA论文。需要学习的p(z|d)参数数目是主题数和文档数乘的关系，p(w|z)是词表数乘主题数的关系，参数空间很大，容易过拟合。因而我们引入多项式分布的共轭分布来做贝叶斯建模，即LDA使用的方法。&/p&&p&&b&LDA（Latent Dirichlet Allocation）&/b&&/p&&p&如果说pLSA是频度学派代表，那LDA就是贝叶斯学派代表。LDA通过引入Dirichlet分布作为多项式共轭先验，在数学上完整解释了一个文档生成过程，其概率图模型如图8所示。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-417ce0376bcbcfd4fe03d469faa10e10_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&806& data-rawheight=&284& class=&origin_image zh-lightbox-thumb& width=&806& data-original=&https://pic2.zhimg.com/v2-417ce0376bcbcfd4fe03d469faa10e10_r.jpg&&&/figure&&p&图8 LDA概率图模型&/p&&p&和pLSA概率图模型不太一样，LDA概率图模型引入了两个随机变量α和β，它们就是控制参数分布的分布，即文档-主题符合多项式分布。这个多项式分布的产生受Dirichlet先验分布控制，可以使用变分期望最大化（Variational EM）和吉布斯采样（Gibbs Sampling）来推导参数，这里不展开叙述。&/p&&p&总体来讲，主题模型引入了“Topic”这个有物理含义的概念，并且模型通过共现信息能学到同义、多义、语义相关等信息。得到的主题概率分布作为表示，变得更加合理有意义。有了文档的表示，在匹配时，我们不仅可以使用之前的度量方式，还可以引入KL等度量分布的公式，这在文本匹配领域应用很多。当然，主题模型会存在一些问题，比如对短文本推断效果不好、训练参数多速度慢、引入随机过程建模避免主题数目人工设定不合理问题等。随着研究进一步发展，这些问题基本都有较好解决，比如针对训练速度慢的问题，从LDA到SparseLDA、AliasLDA, 再到LightLDA、WarpLDA等，采样速度从O(K)降低O(1)到。&/p&&p&&b&4. 深度学习&/b&&/p&&p&2013年，Tomas Mikolov发表了Word2Vec相关的论文，提出的两个模型CBOW（Continuous Bag of Words，连续词袋）和Skip-Gram能极快地训练出词嵌入，并且能对词向量加减运算，这得到了广泛关注。在这项工作之前，神经网络模型经历了很长的演进历程。这里先介绍2003年Yoshua Bengio使用神经网络做语言模型的工作，Word2Vec也是众多改进之一。&/p&&p&&b&神经网络语言模型&/b&&/p&&p&在2003年，Yoshua Bengio使用神经网络来训练语言模型比N-Gram的效果好很多，网络结构如图9所示。输入是N-Gram的词，预测下一个词。前n个词通过词向量矩阵Matrix C（维度：n*emb_size）查出该词的稠密向量C(w(t-1)),C(w(t-2))；再分别连接到隐含层（Hidden Layer）做非线性变换；再和输出层连接做Softmax预测下一个词的概率；训练时根据最外层误差反向传播以调节网络权重。可以看出，该模型的训练复杂度为O(n×emb_size + n×emb_size×hidden_size + hidden_size×output_size)，其中n为5~10，emb_size为64~1024，hidden_size为64~1023，output_size是词表大小，比如为10^7。因为Softmax在概率归一化时，需要所有词的值，所以复杂度主要体现在最后一层。从此以后，提出了很多优化算法，比如Hierarchical Softmax、噪声对比估计（Noise Contrastive Estimation）等。&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-4ce7b3c15ed1f52a7af3d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&854& data-rawheight=&701& class=&origin_image zh-lightbox-thumb& width=&854& data-original=&https://pic3.zhimg.com/v2-4ce7b3c15ed1f52a7af3d_r.jpg&&&/figure&&p&&br&&/p&&p&图9 神经网络语言模型结构图&/p&&p&&b&Word2Vec&/b&&/p&&p&Word2Vec的网络结构有CBOW和Skip-Gram两种，如图10所示。相比NNLM，Word2Vec减少了隐含层，只有投影层。输出层是树状的Softmax，对每个词做哈夫曼编码，预测词时只需要对路径上的0、1编码做预测，从而复杂度从O(V)降低到O(log(V))。&/p&&p&以CBOW为例，算法流程如下：&/p&&p&(1) 上下文词（窗口大小是Win）的词向量对应维相加映射到投影层。&br&(2) 投影层经Sigmoid变换后预测当前词的编码路径（哈夫曼树）。&br&(3) 使用交叉熵损失函数（Cross Entropy Loss）反向传播，更新Embedding层参数和中间层参数。&br&(4) 训练使用反向传播机制，优化方法使用SGD。&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-902e1afe6e83a66784fa3_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&419& data-rawheight=&230& class=&content_image& width=&419&&&/figure&&p&&br&&/p&&p&图10　Word2Vec模型示意图&/p&&p&从该算法流程可以看出，最外层的预测复杂度大幅降低，隐含层也去掉，这使得计算速度极大提高。该算法可得到词的Dense 的Word Embedding，这是一个非常好的表示，可以用来计算文本的匹配度。但由于该模型的学习目标是预测词发生概率，即语言模型，所以从海量语料中学习到的是词的通用语义信息，无法直接应用于定制业务的匹配场景。能否根据业务场景对语义表示和匹配同时建模，以提升匹配效果呢？DSSM系列工作就充分考虑了表示和匹配。&/p&&p&&b&DSSM系列&/b&&/p&&p&这类方法可以把表示和学习融合起来建模，比较有代表性的是微软的相关工作。下面将介绍DSSM系列内容。&/p&&p&&b&(1) DSSM模型框架&/b&&/p&&p&DSSM网络结构如图11所示：&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-b0f2ccb99d157d1615c03_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&457& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic4.zhimg.com/v2-b0f2ccb99d157d1615c03_r.jpg&&&/figure&&p&&br&&/p&&p&图11　DSSM网络结构图&/p&&p&使用搜索的点击数据训练语义模型，输入查询Query(Q)和展现点击的Doc(D)列表，先对Q和D做语义表示，再通过Q-DK的Cosine计算相似度，通过Softmax来区分点击与否。其中，语义表示先使用词散列对词表做降维（比如英文字母的Ngram），经过几层全连接和非线性变化后得到128维的Q和D的表示。从实验结论可知，NDCG指标提升还是很明显的，如图12所示。&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-4d3dd442d29b78f78738fa78dca429c4_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&284& data-rawheight=&170& class=&content_image& width=&284&&&/figure&&p&&br&&/p&&p&图12　DSSM和其他模型在Bing搜索数据上效果对比&/p&&p&&b&(2) CLSM&/b&&/p&&p&在DSSM基础上，CLSM增加了1维卷积和池化操作来获取句子全局信息，如图13所示。通过引入卷积操作，可以充分考虑窗口内上下文的影响，从而保证词在不同语境下的个性化语义。&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-ad300ca255c40fa4e52b8_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&785& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic4.zhimg.com/v2-ad300ca255c40fa4e52b8_r.jpg&&&/figure&&p&&br&&/p&&p&图13　CLSM网络结构图&/p&&p&对应效果如图14所示：&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-11a1b7e931bec458eccba74_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&667& data-rawheight=&483& class=&origin_image zh-lightbox-thumb& width=&667& data-original=&https://pic1.zhimg.com/v2-11a1b7e931bec458eccba74_r.jpg&&&/figure&&p&&br&&/p&&p&图14　CLSM和其他模型在Bing搜索数据上效果对比&/p&&p&&b&(3) LSTM-DSSM&/b&&/p&&p&LSTM-DSSM使用LSTM作为Q和D的表示，其他框架和DSSM一致，其网络结构图如图15所示。由于LSTM具备语义记忆功能且蕴含了语序信息，因此更适合作为句子的表示。当然也可以使用双向LSTM以及注意力模型（Attention Model）。&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-b2a7a946e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&421& data-rawheight=&264& class=&origin_image zh-lightbox-thumb& width=&421& data-original=&https://pic3.zhimg.com/v2-b2a7a946e_r.jpg&&&/figure&&p&&br&&/p&&p&图15 LSTM-DSSM网络结构图&/p&&h2&&b&美团的深度学习文本匹配算法&/b&&/h2&&p&文本的语义匹配作为自然语言处理经典的问题，可以用在搜索、推荐、广告等检索系统的召回、排序中，还可以用在文本的去重、归一、聚类、抽取等场景。语义匹配的常用技术和最新进展前文已经介绍了。&/p&&p&在美团这样典型的O2O应用场景下，结果的呈现除了和用户表达的语言层语义强相关之外，还和用户意图、用户状态强相关。用户意图即用户是来干什么的？比如用户在百度上搜索“关内关外”，其意图可能是想知道关内和关外代表的地理区域范围，“关内”和“关外”被作为两个词进行检索。而在美团上搜索“关内关外”，用户想找的可能是“关内关外”这家饭店，“关内关外”被作为一个词来对待。再说用户状态，一个在北京的用户和一个在武汉的用户，在百度或淘宝上搜索任何一个词条，他们得到的结果不会差太多。但是在美团这样与地理位置强相关的应用下就会完全不一样。比如在武汉搜“黄鹤楼”，用户找的可能是景点门票，而在北京搜索“黄鹤楼”，用户找的很可能是一家饭店。&/p&&p&如何结合语言层信息和用户意图、用户状态来做语义匹配呢？&/p&&p&在短文本外引入部分O2O业务场景相关特征，将其融入到设计的深度学习语义匹配框架中，通过点击/下单数据来指引语义匹配模型的优化方向，最终把训练出的点击相关性模型应用到搜索相关业务中。&/p&&p&针对美团场景设计的点击相似度框架ClickNet，是比较轻量级的模型，兼顾了效果和性能两方面，能很好推广到线上应用，如图16所示。&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-70b6350bfc8e7e70ed1a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&739& data-rawheight=&402& class=&origin_image zh-lightbox-thumb& width=&739& data-original=&https://pic4.zhimg.com/v2-70b6350bfc8e7e70ed1a_r.jpg&&&/figure&&p&&br&&/p&&p&图16 ClickNet模型&/p&&ul&&li&表示层。Query和商家名分别用语义和业务特征表示，其中语义特征是核心，通过DNN/CNN/RNN/LSTM/GRU方法得到短文本的整体向量表示。另外会引入业务相关特征，比如用户或商家的相关信息、用户和商家距离、商家评价等。&/li&&li&学习层。通过多层全连接和非线性变化后，预测匹配得分，根据得分和标签来调整网络，以学习出Query和商家名的点击匹配关系。&/li&&/ul&&p&如果ClickNet算法框架上要训练效果很好的语义模型，还需要根据场景做模型调优。首先，我们从训练语料做很多优化，比如考虑样本不均衡、样本重要度等问题。其次，在模型参数调优时考虑不同的优化算法、网络大小层次、超参数的调整等问题。&/p&&p&经过模型训练优化，该语义匹配模型已经在美团平台搜索、广告、酒店、旅游等召回和排序系统中上线，使访购率/收入/点击率等指标有很好的提升。&/p&&p&总结一下，深度学习应用在语义匹配上，需要针对业务场景设计合适的算法框架。此外，深度学习算法虽然减少了特征工程工作，但模型调优的难度会增加。因此可以将框架设计、业务语料处理、模型参数调优三方面综合起来考虑，实现一个效果和性能兼优的模型。&/p&&p&&b&基于深度学习的排序模型&/b&&/p&&p&&b&排序模型简介&/b&&/p&&p&在搜索、广告、推荐、问答等系统中，由于需要在召回的大量候选集合中选择出有限的几个用于展示，因此排序是很重要的一环。如何设计这个排序规则使得最终业务效果更好呢？这就需要复杂的排序模型。比如美团搜索系统中的排序会考虑用户历史行为、本次查询Query、商家信息等多维度信息，抽取设计出各种特征，通过海量数据的训练得到排序模型。这里只简要回顾排序模型类型和演进，重点介绍深度学习用在排序模型中的情况。&/p&&p&排序模型主要分类三类：Pointwise、Pairwise、Listwise，如图17所示。Pointwise对单样本做分类或者回归，即预测的得分作为排序准则，比较有代表性的模型有逻辑回归、XGBoost。Pairwise会考虑两两样本之间偏序关系，转化成单分类问题，比如比高，那这个Pair预测正，反之则负，典型的模型有RankSVM、LambdaMART。第三类就是Listwise模型，排序整体作为优化目标，通过预测分布和真实排序分布的差距来优化模型，典型的模型如ListNet。&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-165b0cf6f92aef3aa8ec_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&745& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic2.zhimg.com/v2-165b0cf6f92aef3aa8ec_r.jpg&&&/figure&&p&&br&&/p&&p&图17 排序模型分类&/p&&p&&b&深度学习排序模型的演进&/b&&/p&&p&在排序模型的发展中，神经网络很早就被用来做排序模型，比如2005年微软研究院提出的RankNet使用神经网络做Pairwise学习；2012年谷歌介绍了用深度学习做CTR的方法；与此同时，百度开始在凤巢中用深度学习做CTR，于2013年上线。随着深度学习的普及，各大公司和研究机构都在尝试把深度学习应用在排序中，比如谷歌的Wide & Deep、YouTube的DNN推荐模型等，前面介绍的DSSM也可用来排序。下面将对RankNet、Wide & Deep、YouTube的排序模型作简单介绍。&/p&&p&&b&RankNet&/b&&/p&&p&RankNet是Pairwise的模型，同样转化为Pointwise来处理。比如一次查询里，Di和Dj有偏序关系，前者比后者更相关，那把两者的特征作为神经网络的输入，经过一层非线性变化后，接入Loss来学习目标。如果Di比Dj更相关，那么预测的概率为下式，其中Si和Sj是对应Doc的得分。&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-3bc73d70cb2c6a0667dedbe134e5b5bf_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&494& data-rawheight=&105& class=&origin_image zh-lightbox-thumb& width=&494& data-original=&https://pic4.zhimg.com/v2-3bc73d70cb2c6a0667dedbe134e5b5bf_r.jpg&&&/figure&&p&&br&&/p&&p