- 博客(43)
- 资源 (41)
- 收藏
- 关注
RSS订阅原创 大型企业兴起新一轮创业浪潮
北京时间7月31日消息，据国外媒体报道，编者按：丹·施瓦贝尔(Dan Schawbel)是Y世代青年研究和管理咨询公司千禧年品牌(Millennial Branding)的执行合伙人。同时，他还是《Me 2.0》一书的作者。以下是他针对大型企业的创业精神撰写的一篇文章。一般我们会认为，大型企业会没有创业精神，它们就像一只体态臃肿、步履蹒跚的恐龙，对改变充满恐惧。不过，历史经验告诉我们，我们这些
2012-07-31 13:59:14
3606
原创 蒋俊阳：如何在量化投资的趋势中寻找金子
2012年7月16日，“金融创新下的绝对收益——量化对冲投资发展思路”申银万国2012年中国量化投资论坛在成都新东方千禧大酒店举行。和讯网在现场做图文直播。申银万国证券研究所分析师蒋俊阳在现场作主题报告。他介绍了海外CTA行业发展以及投资业绩，并对如何在量化投资的趋势中寻找金子作了详细阐述。 以下是演讲实录： 蒋俊阳：我的报告题目是趋势中寻找金子，前面有很多专家提到CTA以及海外CTA
2012-07-30 21:51:11
2951
原创 MSCI 明晟D.J. Orr博士：中国量化投资不缺人才缺工具
量化投资作为国际市场的主流投资模式之一，在中国发展的脚步也日益加快。目前，国内公募基金中明确以数量化策略和手段进行投资的已经达到14只，市场影响力也在逐渐增强。作为全球领先的投资决策支持工具供应商及指数制作专家，源于摩根士丹利公司的MSCI明晟早将目光瞄准了中国这片快速成长的市场，先后发布了三代针对于A股市场的中国股票量化模型。 近日，MSCI明晟又发布了新一代的中国股票模型——Barr
2012-07-30 21:50:38
5162
原创 HTML5分裂：选择自己的HTML5标准？！
负责HTML5的两个标准制定组织WHATWG（超文本应用技术工作组）和W3C（万维网联盟）决定分道扬镳，这也意味着今后将会出现两个版本的HTML5：即“快照版”和“动态版”。W3C对未来HTML5反应太过迟缓，成立WHATWG就是为了加快HTML5的发展速度。实际上，W3C在一定程度已经放弃了HTML，而将注意力转移到了XML和XHTML。而现在的问题在于，大多数用户想要继续使用HTML，而且
2012-07-29 21:08:49
1543
原创 文本分类算法的效果
基于统计的分类算法是主流，主要包括以下几种分类模型：相似度模型（Rocchio、K-近邻）、 概率模型（贝叶斯）、 线性模型（LLSF、SVM）、 非线性模型（决策树、神经网络）、 组合模型。对于这些分类算法， 国内外很多研究者进行了客观评测（Yang，1999；Joachims，1998；He，2000；Tsay，2000；庞剑锋，2001；王灏，2003；李保利，2003；周雪忠，
2012-07-27 15:21:41
10661
原创 特征选择方法之信息增益
前文提到过，除了开方检验（CHI）以外，信息增益（IG，Information Gain）也是很有效的特征选择方法。但凡是特征选择，总是在将特征的重要程度量化之后再进行选择，而如何量化特征的重要性，就成了各种方法间最大的不同。开方检验中使用特征与类别间的关联性来进行这个量化，关联性越强，特征得分越高，该特征越应该被保留。在信息增益中，重要性的衡量标准就是看特征能够为分类系统带来多少信息，带
2012-07-26 15:48:49
1714
2
原创 特征选择算法之开方检验
前文提到过，除了分类算法以外，为分类文本作处理的特征提取算法也对最终效果有巨大影响，而特征提取算法又分为特征选择和特征抽取两大类，其中特征选择算法有互信息，文档频率，信息增益，开方检验等等十数种，这次先介绍特征选择算法中效果比较好的开方检验方法。大家应该还记得，开方检验其实是数理统计中一种常用的检验两个变量独立性的方法。（什么？你是文史类专业的学生，没有学过数理统计？那你做什么文本分类？在这捣
2012-07-26 15:48:15
1494
原创 N-gram模型
N-Gram是大词汇连续语音识别中常用的一种语言模型，对中文而言，我们称之为汉语语言模型(CLM, Chinese Language Model)。汉语语言模型利用上下文中相邻词间的搭配信息，在需要把连续无空格的拼音、笔划，或代表字母或笔划的数字，转换成汉字串(即句子)时，可以计算出具有最大概率的句子，从而实现到汉字的自动转换，无需用户手动选择，避开了许多汉字对应一个相同的拼音(或笔划串，或数字串
2012-07-26 15:45:57
2685
原创 分类算法之朴素贝叶斯分类(Naive Bayesian classification)
0、写在前面的话 我个人一直很喜欢算法一类的东西，在我看来算法是人类智慧的精华，其中蕴含着无与伦比的美感。而每次将学过的算法应用到实际中，并解决了实际问题后，那种快感更是我在其它地方体会不到的。 一直想写关于算法的博文，也曾写过零散的两篇，但也许是相比于工程性文章来说太小众，并没有引起大家的兴趣。最近面临毕业找工作，为了能给自己增加筹码，决定再次复习算法方面的知识，我决
2012-07-26 15:04:50
6402
1
原创 标注偏置问题(Label Bias Problem)和HMM、MEMM、CRF模型比较
路径1-1-1-1的概率：0.4*0.45*0.5=0.09路径2-2-2-2的概率:0.018路径1-2-1-2:0.06路径1-1-2-2:0.066由此可得最优路径为1-1-1-1而实际上，在上图中，状态1偏向于转移到状态2，而状态2总倾向于停留在状态2，这就是所谓的标注偏置问题，由于分支数不同，概率的分布不均衡，导致状态的转移存在不公平的情况。
2012-07-26 10:08:29
13729
13
原创 如何成为一名Quant，金融工程师和My Life as a Quant书评
quant是做什么的？ quant的工作就是设计并实现金融的数学模型（主要采用计算机编程），包括衍生物定价，风险估价或预测市场行为等。所以quant更多可看为工程师，按中国的习惯性分类方法就是理工类人才，而不是文科人才，这个和金融有一定的区别(当然金融也有很多理工的内容)。2.有哪几种quant？ a. desk quant d
2012-07-25 22:43:23
13649
原创 统计自然语言处理——n元语法（马尔可夫模型）小结
终于把书看到传说中重要的第六章了。。。看完第六章开始后悔之前花那么多时间看前四章内容了。。看了也忘掉了。。什么困惑度啊什么的一堆概念还是要翻一翻。。之前总怕不仔细看后面的看不懂。。结果重要的第五章第六章反而看的比前面愉快了许多~主要还是概率的知识，几乎都是条件概率，条件概率公式、全概率公式和贝叶斯公式用的挺多，当然还有独立性。。下面不废话了。。具体说一下。。【心得及问题】
2012-07-25 22:20:21
3571
原创 随机场（Random field）
一、随机场定义http://zh.wikipedia.org/zh-cn/随机场 随机场（Random field）定义如下：在概率论中, 由样本空间Ω = {0, 1, …, G − 1}n取样构成的随机变量Xi所组成的S = {X1, …, Xn}。若对所有的ω∈Ω下式均成立，则称π为一个随机场。π(ω) > 0.一些已有的随机场如：马尔可夫随机场(MRF), 吉布斯随机场
2012-07-25 20:38:21
44825
2
原创 眼睛直观感受几种常用排序算法
1 快速排序介绍： 快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下，排序n 个项目要Ο(n logn)次比较。在最坏状况下则需要Ο(n2)次比较，但这种状况并不常见。事实上，快速排序通常明显比其他Ο(n logn) 算法更快，因为它的内部循环（inner loop）可以在大部分的架构上很有效率地被实现出来，且在大部分真实世界的数据，可以决定设计的选择，减少所需时间的
2012-07-25 19:49:03
1313
原创 平凡而又神奇的贝叶斯方法
概率论只不过是把常识用数学公式表达了出来。——拉普拉斯记得读本科的时候，最喜欢到城里的计算机书店里面去闲逛，一逛就是好几个小时；有一次，在书店看到一本书，名叫贝叶斯方法。当时数学系的课程还没有学到概率统计。我心想，一个方法能够专门写出一本书来，肯定很牛逼。后来，我发现当初的那个朴素归纳推理成立了——这果然是个牛逼的方法。——题记目录0. 前言 1. 历史 1.1
2012-07-25 19:47:08
2874
原创 图解搜索引擎工作原理
做SEO的，如果不懂搜索引擎的工作原理是很难恰当开展工作的。前几天给学生讲SEO课程中的搜索引擎工作原理时，很多同学表示不太懂。后来我画了搜索引擎主要工作流程的示意图给大家，很多同学表示“懂了”。我们先来看搜索引擎的主要工作：页面收录、页面分析、页面排序及关键字查询。搜索引擎的工作流程是：页面收录——页面分析——页面排序——关键字查询。一、搜索引擎工作原理——页面收录 搜索引擎工作
2012-07-25 19:46:04
2778
原创 Linux与Windows间的编码
在 Debian Linux 中用 VirtualBox 虚拟了一个 Windows XP。但遗憾的是，Windows XP 的默认编码格式是 GBK，而我的 Linux 编码格式是 UTF-8。这就给两者的中文操作形成困扰。不过VIM编辑器可以很平滑地解决这个问题，具体做法是在Windows和Linux下分别设置两者的VIM配置，设置如下：A) Windows XP 下VIM配置:
2012-07-25 19:44:50
1088
原创 CRF++使用小结（转）
1. 简述 最近要应用CRF模型，进行序列识别。选用了CRF++工具包，具体来说是在VS2008的C#环境下，使用CRF++的windows版本。本文总结一下了解到的和CRF++工具包相关的信息。 参考资料是CRF++的官方网站：CRF++: Yet Another CRF toolkit，网上的很多关于CRF++的博文就是这篇文章的全部或者部分的翻译，本文也翻译了一些。2
2012-07-25 19:44:12
1635
原创 新浪微博与腾讯微信苦战 用户黏性成制胜杀手锏
如果说新浪微博面向所有人，偏向媒体化，那么近期新浪微博推出的一些应用却不能不引起重视。找朋友功能以及会员付费等思路，无不带有腾讯的痕迹。 而腾讯在做什么呢？没有见到腾讯微博开始正式的走向商业化，倒是腾讯的微信颇受关注。作为web2.0时代的产物，微博和微信都反应社交与互动的本质。但近期有人分析，新浪微博与腾讯微信未来必将有一场苦战。 根据Flurry2012年3月发布的数据观察可知，2
2012-07-24 21:02:29
3293
原创 Python代码性能优化技巧
代码优化能够让程序运行更快，它是在不改变程序运行结果的情况下使得程序的运行效率更高，根据80/20原则，实现程序的重构、优化、扩展以及文档相关的事情通常需要消耗80%的工作量。优化通常包含两方面的内容：减小代码的体积，提高代码的运行效率。改进算法，选择合适的数据结构一个良好的算法能够对性能起到关键作用，因此性能改进的首要点是对算法的改进。在算法的时间复杂度排序上依次是：
2012-07-24 08:52:18
1950
原创 科技业界10大最具争议成功决定：苹果iPhone
北京时间7月23日消息，据国外媒体报道，美国科技博客SAI周五指五撰文，指出了科技业界10大颇具争议但却最终成功的决定。该文章内容如下。 科技业务是一个高风险但也是高回报的业务。所有的首席执行官和创业家一边在努力弄清人们未来的需求，一边又在想方设法与对手展开竞争，这些竞争对手同样的非常聪明，同样的勤奋工作，而且也同样拥有大量的资金。一着不慎，满盘皆输，或许还会因此血本无归，但是，一旦你做出正
2012-07-23 11:52:01
3725
原创 统计语言模型（SLM）
摘自：http://ir.ict.ac.cn/~wangbin/ircourse/index.htm 第12讲SLM广泛使用于语音识别和统计机器翻译领域，利用概率统计理论研究语言。规则方法：词、句、篇章的生成比如满足某些规则，不满足该规则就不应存在。统计方法：任何语言片断都有存在的可能，只是可能性大小不同对于一个文档片段d=w1w2…wn，统计语言模型是指概率P(w
2012-07-23 11:04:36
5080
原创 N元语言模型
N元模型设wi是文本中的任意一个词，如果已知它在该文本中的前两个词 wi-2w-1，便可以用条件概率P(wi|wi-2w-1)来预测wi出现的概率。这就是统计语言模型的概念。一般来说，如果用变量W代表文本中一个任意的词序列，它由顺序排列的n个词组成，即W=w1w2...wn，则统计语言模型就是该词序列W在文本中出现的概率P(W)。利用概率的乘积公式，P(W)可展开为：
2012-07-19 22:13:56
3409
原创 语言模型的基本概念
http://blog.csdn.net/mspinyin/article/details/6137815------------------------------------------------------------------大家好，我是Bright，微软拼音的开发工程师。这里简单介绍下语言模型的基本概念。----------------------------
2012-07-18 22:04:19
1918
原创 N元语言模型的解码算法
------------------------------------------------------------------大家好，我是Bright，微软拼音的软件开发工程师。我之前介绍了N元语言模型的训练方法，本文继续介绍N元语言模型的解码算法。------------------------------------------------------------------
2012-07-18 22:01:50
1876
原创 自然语言处理相关词条
NLP领域 自然语言处理 计算语言学 自然语言理解 自然语言生成 机器翻译 文本分类 语音识别 语音合成 中文分词 信息检索 信息抽取 句法分析 问答系统 自动摘要 拼写检查 统计机器翻译[编辑]NLP专题 隐马尔科夫模型 最大熵模型 条件随机场 数学之美 支持向量机 机器学习 SRILM Moses 知网
2012-07-18 15:30:57
2217
原创 使用vc编译srilm库
Srilm的全称是Stanford Research Institute Language Modeling Toolkit 他被用来构建和应用统计语言模型，主要用于语音识别，统计标注和切分，以及机器翻译等工作由于需要我要在win32下编译她可是在网上找到很多都是基于cygwin的交叉式编译使用起来总是有点问题不过还好找到了一个使用srilm的vc解决方案在这里:htt
2012-07-18 15:29:38
2035
1
原创 Ubuntu 11.04 32位系统下 SRILM 的配置详解
首先，安装依赖的软件包： 1．C/C++ compiler：编译器gcc 3.4.3及以上版本，本机实验环境为gcc 4.5.2 2．GNU make：构建和管理工程的工具，解释Makefile里的指令，描述了整个工程所有文件的编译顺序和编译规则。这里是为了控制 SRILM 的编译和安装 3．GNU gawk：GNU所做的awk程序语言。对于文字资料的修改，对比，抽取等处理，使用
2012-07-18 15:21:57
4328
2
原创 语言模型训练工具SRILM
SRILM是著名的约翰霍普金斯夏季研讨会（Johns Hopkins Summer Workshop）的产物，诞生于1995年，由SRI实验室的Andreas Stolcke负责开发维护。 关于SRILM的安装，我已经在前面关于moses平台搭建的文章（参见：《Moses相关介绍》和《Ubuntu8-10下moses测试平台搭建全记录》）中介绍过了，这里就不再重复。准确的说，SRILM并
2012-07-18 14:22:06
11706
1
原创 N元语言模型的训练方法
------------------------------------------------------------------大家好，我是Bright，微软拼音的开发工程师。我之前介绍了语言模型的基本概念，本文介绍一下N-gram语言模型的训练方法。------------------------------------------------------------------
2012-07-18 09:30:49
2426
原创 获取用户忠诚：了解用户搜索行为意图的三种类型
http://www.leiphone.com/0717-warlial-searching.html用户搜索行为用户之所以会产生搜索行为，往往是在解决任务时遇到自己不熟悉的概念或者问题，由此产生了对特定信息的需求，之后用户会在头脑中逐步形成秒速需求的查询词，将查询提交给搜索引擎，然后对搜索结果进行浏览，如果发现搜索结果不能完全解决用户的信息需求，则会根据搜索结果的启发，改写查询，以便
2012-07-17 09:42:27
2440
原创 探索C++的秘密之详解extern "C"
时常在cpp的代码之中看到这样的代码: #ifdef __cplusplus extern "C" { #endif //一段代码 #ifdef __cplusplus } #endif 这样的代码到底是什么意思呢？首先，__cplusplus是cpp中的自定义宏，那么定义了这个宏的话表示这是一段cpp的代码，也就是说，上面的代码的含义是:如果这是一
2012-07-16 10:46:46
961
原创 奇虎360商战“连环局
转自：http://blog.sina.com.cn/s/blog_4ee995330100yk6h.html【博按】今年的互联网业，平台大战打得很火热，腾讯、阿里、新浪、京东等等，360也没落后，360的平台布局似乎还不那么显山露水，但这将会是一家很具平台潜质的公司。从美股投资人对360的态度也可看出一些端倪，今年所有在美国上市的中概股，360是唯一一家没有跌破发行价的公司。
2012-07-15 20:34:10
7444
原创 雷士照明股权连环局（第一、二、三季完整版）
转自：http://blog.sina.com.cn/s/blog_4ee9953301014f1o.html【博按】可以毫不夸张地说，本文是目前为止关于雷士变局最为完整、最具深度、最经得起专业拷问的一篇文章了，绝大部分内容刊发在我的新东家《新财富》今年7月号上。只可惜该文未及时通过门户网站传播出去。昨天下午看到新浪财经首页头条推荐了《中国企业家》关于雷士照明的封面文章，跟该杂志出版的
2012-07-15 20:31:19
25133
原创 社交网络：数据科学家眼中的金矿
随着Facebook的上市，社交网络再次成为人们关注的焦点。与传统的论坛、博客相比，社交网络是虚拟世界与现实世界的桥梁，在互联网上将现实生活中人与人之间的关系建立起来。从社交网络的分类来看，Facebook、Twitter、LinkedIn分别代表三种不同的社交网络。Facebook是基于朋友之间强关系的社交网络，有助于朋友之间关系的维系和改善；Twitter是基于单向关注的弱关系的社交网络，这样
2012-07-12 14:55:57
4205
原创 基于大规模语料的新词发现算法
对中文资料进行自然语言处理时，我们会遇到很多其他语言不会有的困难，例如分词——汉语的词与词之间没有空格，那计算机怎么才知道“已结婚的和尚未结婚的”究竟是“已／结婚／的／和／尚未／结婚／的”，还是“已／结婚／的／和尚／未／结婚／的”呢？这就是所谓的分词歧义难题。不过，现在很多语言模型都已能比较漂亮地解决这一问题了。但在中文分词领域里，还有一个比分词歧义更令人头疼的东西——未登录词。中文没有首字母
2012-07-12 14:50:27
8527
2
原创 搜索引擎的拼写纠错功能实现
现在各大流行的搜索引擎几乎都具备一个功能，那就是提供拼写纠错功能。用户将查询的关键词提交给搜索引擎之后，搜索引擎便开始分析用户的输入，检查用户的拼写是否有错误，如果有的话，给出正确的拼写建议。也就是说，搜索引擎的拼写纠错功能，要完成两部分的工作，首先，对用户输入的查询进行处理，判断是否有拼写错误，接着，对于有拼写错误的查询输入，给出正确词汇的提示。因为中文的拼写纠错涉及到中文分词等复杂逻辑，所以本
2012-07-11 17:40:06
4216
原创 互联网世界的9种基本的商业模式
一个商业模式是运行一个公司的方法；通过该模式的运作，一个公司能维持自己的生存，就是说，能有收益。商业模式意味着一个公司是如何通过在价值链中定位自己，从而获得收益的。就电子商务而言，人们倾向于重用经过检验而可靠的模式。 商业模式可能是网络上讨论得最多、理解得最少的一个内容。有关网络是如何改变传统商业模式的讨论很多，但是对它的含义却很少能有清晰的表达。 从最基本的方面讲，一个商业模式是运行一个
2012-07-11 09:24:48
4411
原创 Python字符集编码和文件读写
python中默认编码是ASCII，可以通过以下方式设置和获取：import sysprint sys.getdefaultencoding()sys.setdefaultencoding('gbk')但直到python重新启动后新的默认编码才会生效，我试了一下，setdefaultencoding总是会出错，没有这个属性。用dir看，确实没有，python版本是2.5，不
2012-07-05 11:11:28
1081
原创 linux下查看文件编码及修改编码
查看文件编码在Linux中查看文件编码可以通过以下几种方式：1.在Vim中可以直接查看文件编码:set fileencoding即可显示文件编码格式。如果你只是想查看其它编码格式的文件或者想解决用Vim查看文件乱码的问题，那么你可以在~/.vimrc 文件中添加以下内容：set encoding=utf-8 fileencodings=ucs-bom,utf-8,c
2012-07-05 10:48:52
1648
OpenRS— 开放式遥感数据处理与服务平台资料
2009-06-19
TinyXML解析xml文档
2008-12-29
Web+Services发布与调用(axis,xfire).doc
2008-12-27
COM+ Services.doc
2008-08-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人