那大家来想一想 ，我这么做行不行 ，其实出发点是不是挺好的 ，大家一想 ，唉呀 ，我希望这两个词拿过来了 ，原来是一个十万分的 ，那现在呢 ，我只希望是个二分类得了 ，相当于一个零 ，一任务吧 ，是不是的一个问题嘛 ，他是就是 a 这个词后面是 b 还是不是 b ，但是呢 ，有一个什么样的问题啊 ，你想一想你构建出来的这些 ，这这些数据 ，你看你构建出来这些数据 ，note 后面这个词或者 not 后面的上下文是这个词 ，那此时他给的这个应该变成什么 ，我是说我在这边再写一下 ，它是它是一个 input e 它是一个 input 二 ，然后这一块儿我写个 tt 应该是什么 ，这是一吧 ，那下面这个词呢 ，下面这个词在我构建数据当中不也是一嘛 ，因为我就是根据上下文来来预测的嘛 ，那所有的都怎么样了 ，你看我这里写的这些 ，这这些东西不是画个虚像都是一吧 ，因为我们学习当中每一个词上下文都是这些东西啊都是这些东西的时候 ，那所有的标签都是一 ，那此时你想一想 ，那所有的东西都是以预测结果能好吗 ，不能 ，好吧 ，神经网络会会认为什么 ，我也不管这个东西学得咋样了 ，反正我就往一上猛往一上蒙 ，总能答对的 ，这样训练出来的结果不会好的 ，所以说我们要干什么 ，我们要自己再添加一些标签 ，为什么的呀 ，对于一个二分来说 ，一的我现在全有了 ，而且全是一 ，还缺谁呀 ，还缺零吧 ，那零应该是什么 ，比如这个词 ，no 这个词后面我接了一个 output ，是我下一个词 ，那你说什么时候可能出零 ，我再写一下 ，还是 no 这个词我随便写一个 ，我写一个 play 这个词 ，play 这个词怎么样 ，不在我之前构造的这个文本就是训练集当中 ，那既然不在这个当中 ，如果 no 后面不应该接 play ，那应该是什么 ，那它应该是零吧 ，所以说我们也需要自己额外多做一件事儿啊 ，额外多做什么啊 ，这个东西啊在很多问题当中啊都会遇到 ，叫做一个副材料模型 ，复杂模型 ，听着挺复杂的 ，

其实像我刚才给大家解释的非常简单一件事儿 ，在这里由于你的当中全为一了 ，所以说呢你要和人为的创建一些词 ，比如说这里你创建一个什么 play 啊 ，或者是创建一个字啊 ，或者写什么东西 ，无所谓啊 ，只要不是你的语言库当中上下文这些词 ，那通通都是零吧 ，我们管这个词叫做一个负样本 ，把前面那些词就是正常 ，他给的唯一的是你商业本的我叫做一个正样本 ，而在这个在数据当中 ，我们记住一点 ，负样本是什么人为造出来的 ，不是我选的数据当中的 ，那正样本呢 ，是我学习当中我他俩之间有这样一个商业的关系的 ，啊这样我们就把数据进行了一个改进吧 ，