Sød kinesisk tokeniseringsinfografik

Dette er en yndig, vandret, håndtegnet kinesisk videnskabsinfografik i scrapbogsstil. Baggrunden er varmt beige papir med afrundede kanter, macaronfarvede kruseduller, washi-tape-klistermærker og små stjerner, der skaber en atmosfære af en klasseværelsesnotesbog. Øverst i midten er en fremtrædende håndskrevet kinesisk titel: "Hvad er tokenisering?", hvor den sidste halvdel er i koralrosa og resten i mørkebrun. I øverste venstre hjørne er en sød Shiba Inu-lærerfigur iført en lysegul skjorte og blåt slips, vendt fremad, holder en pegepind opad, med en taleboble ved siden af ​​sig, der siger: "I dag lærer vi om tokenisering!" I øverste højre hjørne er en sød blå firkantet Token-maskot, mærket "TOKEN", smilende med rosenrøde kinder, små lemmer og holder et forstørrelsesglas; ved siden af ​​er en taleboble, der siger: "Jeg er en Token! Jo mere rationelt den er segmenteret, jo klogere er modellen!" Nær højre kant er der tilføjet et lille hængende notesbogskort med teksten "Knowledge Points Collection" og ledsaget af et hjerteikon. Under titlen indeholder en afrundet, prikket tekstboks definitionen: "Tokenisering er processen med at opdele menneskelæsbar tekst i tokens." Ordet "Token" er fremhævet med blåt. Nedenfor tilføjes en linje forklarende tekst: "Lad os tage 'Programmør Venstre' og 'Kunstig Intelligens' som eksempler for at se forskellige tokeniseringsmetoder:" "Programmør Venstre" er fremhævet med lyseblåt og "Kunstig Intelligens" med pink. Den nederste halvdel indeholder fire afrundede, pastelfarvede paneler arrangeret fra venstre mod højre, hver med et nummereret badge og en titel. Panel 1 er mintgrøn med titlen "1-ordsniveau-tokenisering" med undertitlen "Segmentering af tekst baseret på komplet semantik" og indeholder tre tokenbobler: "Programmør", "Venstre" og "Kunstig Intelligens". Nederst i dette panel giver en Shiba Inu-lærer tommelfingeren opad med en taleboble, der lyder: "Semantisk komplet, let at forstå!" Panel 2 er lysegult med titlen "2-tegnsniveau-tokensegmentering" med undertitlen "Tegn-for-tegn-tekstsegmentering". Det indeholder ni cirkulære tokenbobler arrangeret i rækkefølge: "程" (program), "序" (sekvens), "员" (person), "L" (L), "e" (e), "f" (f), "t" (t), "人" (person), "工" (arbejde), "智" (intelligens) og "能" (evne) - der præsenterer individuelle tegn i eksemplet i et kompakt gitter. Nederst holder en blå tokenmaskot en blyant med en taleboble, der lyder: "Fineste granularitet, men sekvenserne vil være meget lange~." Panel 3 er lyserosa med titlen "3-underordssegmentering" med undertitlen "Segmentering efter rod og præfiks/suffiks". Den indeholder fem tokenbobler: "程序" (program), "员" (person), "Venstre", "人工" (kunstig) og "智能" (intelligens). Nederst ses en Shiba Inu-lærer, der tænker, med en pote nær munden og et spørgsmålstegn over hovedet. Taleboblen lyder: "Kompromisløsning, fungerer ofte rigtig godt!" Panel 4 er lyseblåt med titlen "4-Byte Level Word Segmentation" med undertitlen "Converting Words to Byte Encoding, Combination and Dividing Based on the Conversion." Den viser 14 små cirkulære kodebobler: "E7", "A8", "8B", "...", "66", "74", "E4", "BA", "BA", "E8", "83", "BD", "..." arrangeret i flere rækker som kodede bytes. Nederst vises igen en smilende blå Token-maskot med en taleboble, der lyder: "Suitable to processing any text!" Ved siden af ​​er der en lille pære-krausedulle. Helt nederst står der på et afrundet banner: "Forskellige ordsegmenteringsmetoder har deres fordele; i faktiske anvendelser vil den passende løsning blive valgt baseret på opgaven og dataene!" Alle fire paneler bruger bløde makrogrønne, gule, pink og blå farver, parret med mørkebrun håndskrevet skrifttype, fine skygger, afrundede former og søde udtryk. Den overordnede komposition er afbalanceret, enkel og brugervenlig, som en smukt designet plakat om sociale medier.