pennyliang的专栏

原创 Rocchio算法（ pronounced "Rockey-O"）二分类

文本的相关性来自于文本中每个关键词和领域的相关性。假定中文语言词汇集为X={x1,x2,………xn},xi为词汇代号。对于类A通过训练得到一个权重集合W={w1,w2,……..wn}。权重集合的特征提取，通过TF/IDF算法，每个词汇的权重即该词汇的信息熵。对于一个待分类的文本通过分词，数据清洗和特征提取等得到一个向量Y={y1,y2,………..yn},yi表示第i个词出现的次数。

原创 文本的分布情况(Littlefield, 2002)

原创 Rocchio算法 搜索引擎算法

 Rocchio算法其基本思想是使用训练集为每个类构造一个原型向量，构造方法如下：给定一个类，训练集中所有属于这个类的文档对应向量的分量用正数表示，所有不属于这个类的文档对应向量的分量用负数表示，然后把所有的向量加起来，得到的和向量就是这个类的原型向量，定义两个向量的相似度为这两个向量夹角的余弦，逐一计算训练集中所有文档和原型向量的相似度，然后按一定的算法从中挑选某个相似度作为界。给定一篇文档，如

原创 KNN,TC(text category)基本算法

kNN分类算法 kNN分类算法是一种传统的基于统计的模式识别方法。算法思想很简单：对于一篇待分类文档，系统在训练集中找到k个最相近的邻居，使用这k个邻居的类别为该文档的候选类别。该文档与k个邻居之间的相似度按类别分别求和，减去一个预先得到的截尾阈值，就得到该文档的类别测度。用kNN也表示所选k个最相近文档的集合，公式（11-9）刻画了上述思想[Yang and Liu,1999]。其中，x

原创 CF协作过滤简介,搜索引擎算法

 推荐系统是用来提供对于某个item进行针对性的预测和推荐。一般采用三种方式1） 基于规则的推荐，例如推荐当前销量高的商品。（非个性化），针对某个节日的特殊推荐。人工给与推荐规则。2） 经典的协作过滤方法，利用user,item的关系作为推荐的基础，基本内涵就是利用user的相似性，利用item的相似性，如果某个用户消费了某些item,那么和这个用户有类似消费特征的很有可能也需要消费该

原创 第三代搜索新锐困饶老搜索巨头[转]

转自http://www.ccw.com.cn/news2/internet/htm2006/20061115_223110_2.shtml计世网消息      搜索引擎是通向整个世界的兴趣和欲望的窗口，曾经，Google为我们打开了这扇窗，而今，仅仅开窗凭栏远眺已经远远无法满足人们对于 搜索引

原创 my search

原创 C++热身系列三[原创于百合]

 [本篇全文] [回复本文] [本篇作者: pennyliang] [本篇人气: 221]     0发信人: pennyliang (世界很美好，值得去奋斗), 信区: CPlusPlus标  题: 为什么减少程序空间复杂度对程序性能有改善？发信站: 南京大学小百合站 (Thu Nov  9 15:25:28 2006)热身系列3A）增加cache命中率B）减少内存与硬盘的对换，节约硬盘读写时间

原创 C++热身系列二[原创于百合]

 [本篇全文] [回复本文] [本篇作者: pennyliang] [本篇人气: 123]     0发信人: pennyliang (世界很美好，值得去奋斗), 信区: CPlusPlus标  题: 一句话说出下列代码执行结果,热身系列2发信站: 南京大学小百合站 (Thu Nov  9 14:22:04 2006)class A{  virtual void test(char* s)   {

原创 C++热身系列一[原创于百合]

信人: pennyliang (世界很美好，值得去奋斗), 信区: CPlusPlus标  题: 有趣的题目，找工作的人来热热身吧发信站: 南京大学小百合站 (Thu Nov  9 13:15:45 2006)令vect 为vector型的一个向量。现在需要遍历其全部元素，以下代码那个最好，那个有错误，你认为是否有更好的方法？1)for(size_t i = 0 ; i=0; --i){}4)fo

原创 专利分析[用于确定文档的含义以使文档和内容匹配的方法和系统]

     首先该专利表述了这么以下几个基本含义     1)一个文档,特别是有一定篇幅的文档,在每个自然段中包含至少一个特定的含义,这个和人的写作习惯,说话方式有关,或者说是局部性原理,就是提出一个话题后,会紧接着论述这个话题,而不会左右环顾而言它.而某些html页面由于追加的广告，这种分段分析的方法可以有效地去除不相关的概念，避免干扰。    2)为了提取文档的含义,通常需要了解文档每个