孟云来到此前在沃伦族新兵营缴获的那个联络阵器的架子前，将这些联络阵器中的兑换通通导入电脑。
这些对话以通用语为主，但也偶尔有沃伦语。
加上此前的格波特的笔记本，以及格波特的联络阵器，孟云获得了大量沃伦语语料。
有了语料之后，接下来便是要确定模型，自然语言处理问题，使用马尔可夫模型最为合适。
“碧微同学！”
“我在！”
“帮我使用这些语料，通过马尔可夫模型进行机器学习！”
“好！”
说起来好像很困难，实际上并不复杂。
一般情况下，在语料相似的情况下同样的词出现的频率应该是相似的。并且一个词的与其后所跟随的词，在词性上也有一定的规律。
所谓自然语言处理，很大程度上就是揭示这种规律，本质上就是用机器处理复杂的概率学问题。
孟云在这里一共有三份语料，沃伦语的聊天记录、通用语的聊天记录还有就是沃伦族的笔记信息。
同时，他本身就是AI工程师，同样保存了一些中英文的公开语料库。
碧微同学通过对比这些数据中，每个词的出现频率以及每个词所跟随的前后词，很快就得出了一些词意的猜测，并且标明了这种意思的概率。
通过这个，还是能大致判断每个句子究竟是什么意思的。
孟云好奇地查看一下当时在雄开山顶，格波特的联络阵器上所收到的那个信息的含义。
「搞定」
竟然是“搞定”的意思！？
这么说，当时自己复制粘贴回复的这条消息也是回复对了。
自己代替格波特汇报任务完成，短时间内恐怕他们还不能确定格波特已死。
联想到当时在收到这条信息的几乎是同时，雄开山山顶震动，那棵巨树凭空长粗了一圈。
莫非那巨树的变化是与这条信息对面的那人有关？
孟云通过这些蛛丝马迹，大体上推测出来了事情的轮廓。
沃伦族应该是同时派格波特和另外一个人分别去完成两个任务，其中格波特的任务是雄开山顶的这棵树，而另一个人的任务不清楚是什么，但是成功之后引起了雄开山顶巨树变粗。
这说明两个任务之间或许是存在着某种关联的，不过具体怎么样，现在所掌握的信息还不够充足。
接着孟云逐条查看起了二人此前联络的信息，每条信息，碧微同学都给出了这条信息几种可能语义的概率，孟云结合上下文选择出更合理的语义。
随着孟云手工的语义标注，碧微同学标注的概率也越来越准确了，到后面几乎把沃伦语常见的