China Dataset

“太空针塔有多长？”
如果我们在每个组中选择具有代表性的自然语言句子会怎么样？了解他们的群体模式。我们可以选择这样的方式：

“太空针塔的高度”
“太空针塔有___个故事”
“太空针塔有多长？”
现在，让我们围绕这些更自然、更多样化的短语创建一个段落：

太空针塔有多长？华盛顿州西雅图的太空针塔
高 605英尺（184 米），包括天线。有趣的是，太空针塔 阿富汗数字数据 虽然高近 60 层，但它只占据 6 层，塔的大部分都是结构性的。尽管太空针塔曾是西雅图最高的建筑，但现在仅排名第七。

我们不仅写出了一段对人类真正有价值的文字，还涵盖了三个目标短语，甚至还有第四个短语（“西雅图最高的建筑”）。而且，每个短语都代表数十或数百组类似的关键词。通过针对群体或更广泛的概念而不是狭义的短语进行撰写，我们能够有效地涵盖关键词的多种变体。

3G：收集、分组、生成。
我将这种关键词研究方法称为“3G”，其内容如下：

收集关键词。
将关键词分组。
创建示例
思考此过程的另一种方法是，我们将关键词分组为概念，然后将每个概念转换为代表性关键词/短语：关键词 --> 概念 --> 关键词*。结果是针对目标的特定搜索短语，但该短语可能代表数十或数百个类似的关键字。