左右同義詞的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

同義詞反義詞詞典 修訂本

為了解決左右同義詞的問題，作者周永惠 這樣論述：

從現代漢語中選擇了2500組左右同義詞（約5500個詞）。每組一般包括︰【同】、【異】、【反義】三欄。以語義為單位對每組同義詞的語義重點、語義輕重、語義範圍、個體與集體、適用範圍、感情、語體色彩、句法功能等方面進行分析，找出特點；同時，對在不同意義範圍之內的差異之點作簡要說明。相應、常見、主要的反義詞列其後。 附《詞目音序目錄》和《詞目筆畫目錄》，從中可找到《同義詞反義詞詞典》收錄的同義詞及相應的反義詞，以及某些同義詞的異形詞。

左右同義詞進入發燒排行的影片

利用機器學習的方法預測比賽的勝率-以 NBA 常規賽為例

為了解決左右同義詞的問題，作者賀彥銘 這樣論述：

本研究的主要目的是通過 Basketball-reference 網站提供的 NBA2003-2004 賽季至 2018-2019 賽季常規賽首發球員的場均基本參數或進階參數以及新增的 EFF、GmSc 和 Poss 三項進階參數，分別使用 XGBOOST、決策樹、SVM 支持向量機以及 KNN 進行預 測季後賽球隊在主場情況下的比賽勝負和判斷 3 項進階參數是否是球隊主在場情況下的 比賽勝負的關鍵因素並找出其他影響比賽勝負的關鍵因素，最後利用混淆矩陣和 F1 Score 進行評估實驗模型的準確率。實驗發現通過 XGBOOST 權重計算得到客場球員助 攻數(AWAY_AST)、主場球員每次投

籃罰球獲得率(HOME_FTr)和客場球員投籃中三 分球的比率(AWAY_3PAr)，是影響比賽勝負較高的參數，新增加的 EFF、Gmsc 和 Poss， 從本次研究來看由於三項參數在後續的實驗中的權重較低，導致三項參數對球隊勝負的 影響較小實驗效果相對不明顯。從六項評估指標來看預測某一支球隊在主場情況下的比 賽勝負的準確率在 60%左右，每一次的實驗預測效果 F1 Score 在 70%左右，若從單個球 隊來看，四個模型對活塞隊(DET)的比賽勝負預測實驗效果最佳。