2013年08月_HarryHuang1990

原创用PersonalRank实现基于图的推荐算法

今天我们讲一个下怎么使用随机游走算法PersonalRank实现基于图的推荐。在推荐系统中，用户行为数据可以表示成图的形式，具体来说是二部图。用户的行为数据集由一个个（u,i）二元组组成，表示为用户u对物品i产生过行为。本文中我们认为用户对他产生过行为的物品的兴趣度是一样的，也就是我们只考虑“感兴趣”OR“不感兴趣”。假设有下图所示的行为数据集。

2013-08-18 16:46:19 17328 10

原创桌面环境与桌面搜索Desktop Search tools

最近一段时间工作重心都将放在Linux下Desktop search(桌面搜索)框架的研发上。因此对desktop search进行了初步的调研。本文将从下面三个方面展开：Linux桌面环境（Desktop Environment on Linux）现有的桌面搜索工具（Desktop Search tools）学术界对Desktop search的研究情况 Linux桌面环境（Desktop Environment on Linux）首先来说说桌面环境。所谓桌面环境，就是在原来命令行时代的OS

2013-08-15 23:16:17 3340 1

原创使用LFM（Latent factor model）隐语义模型进行Top-N推荐

最近在拜读项亮博士的《推荐系统实践》，系统的学习一下推荐系统的相关知识。今天学习了其中的隐语义模型在Top-N推荐中的应用，在此做一个总结。隐语义模型LFM和LSI，LDA，Topic Model其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主题或分类。这些技术一开始都是在文本挖掘领域中提出来的，近些年它们也被不断应用到其他领域中，并得到了不错的应用效果。比如，在推荐系统中它能够基于用户的行为对item进行自动聚类，也就是把item划分到不同类别/主题，这些主题/类别可以理

2013-08-12 14:30:27 40677 26

原创 LDA主题模型用于BUG修复人推荐《DRETOM: developer recommendation based on topic models for bug resolution》

这项研究的论文来自PROMISE 2012，点击下载论文《DRETOM: developer recommendation based on topic models for bug resolution》LDA自从2003年由David Blei（刚发现Andrew Ng竟然也是提出者之一）提出后就一直火的不行，特别在机器学习和文本挖掘领域被广泛研究和应用，造诣可圈可点。LDA能够从文本中学习出潜在的topics，挖掘文本的潜在结构。该模型认为在某个特定的语料集中，任意一篇doc都是由给定的N个topi

2013-08-10 18:52:40 3561 2

原创浅谈缺陷修复人预测（Bug Triaging）

缺陷修复人推荐是近几年软工领域的主要研究方向之一。它的出现为了解决给新提交的BUG确定合适的修复人所造成的时间开销，提高BUG triaging的准度。

2013-08-10 11:10:00 2805

原创 Ubuntu12.10硬盘安装

今天介绍如下如何在Win7环境下从硬盘安装Ubuntu（我使用的版本是12.10）。1.下载Ubuntu ISO镜像文件ubuntu-12.10-desktop-i386.iso。2.使用压缩软件或虚拟光驱打开镜像，复制以下三个文件到C盘a)Casper文件夹下initrd.lz和vmlinuzb).disk文件夹至此安装做需要的文件准备就绪，我们配置一下启动安装的环境

2013-08-09 09:00:22 1033

原创 Where Should the Bugs Be Fixed? 导读

该论文来自ICSE2012，点击下载该论文《Where should the bugs be fixed? More accurate information retrieval-based bug localization based on bug reports》这篇Papper使用信息检索的方法来实现file level的BUG定位。那么BUG定位到底如何理解呢？举个列子来说

2013-08-07 21:48:50 1421

Harry Huang