追寻真理之美

CSDN 的个性化推荐系统，是从既有的推荐项目中剥离出来的一个子项目，这个项目随后移交到了我们AI组。在近一年的时间内，我们对这个项目进行了多次改进和重构。

赶在春节来临前，对2022年做一个回顾。

新算法的重点是使归一化后的分数曲线不那么陡峭。我们在归一化算法中，引入了加权求和的指标数目，使其先约束在一个有限范围内，使得未来加入的新因子，也可以自动的产生平滑的分布。

通过一些 Scala 的高级技巧，我们得到了一个非常完美的 Apache Commons Lang3 StringUilts 封装，它足够健壮，完全基于 Options，同时又将对 null 值的支持完整的暴露给原始的 String 类型。在获得与原版 Java 库一致的功能的前提下，提供更符合 Scala 风格的实现。...

关于 PostgreSQL 的一些讨论

关于MySQL的一些讨论

关系型数据库中，有一个经常出现的模式，就是集合A和集合B，通过一个关系集R，组成多对多的关系。举个例子，我们有学生表create table student( id serial primary key, name text)课程表create table course( id serial primary key, name text);可以建立一个选课表create table take_course ( id serial p

我经历过 XML+SOAP 的时代，曾经写过很多 xml document + xslt 的代码，也为自己的 emacs 写过一些 xml 的扩展。对于大部分模型简单，变化快速的业务来说，json 的出现是一种进步，json 更简单，更适合阅读，可以很自然的适配常用编程语言的内置机制。相对于各种json 库的性能优化之争，json 的结构校验就比较少被关注了。但是对于应用业务，其实校验是非常重要的。我过去经历过的几个项目，基于不同的技术栈和演进路线，采用的 json schema 校验工具也各不相.

前一篇文章（博客质量分计算（一）_ccat的博客-CSDN博客），我们重点讨论了标题质量分，标题质量分的计算相对来说更简单，也更容易深入，但是标题的质量显然不能决定一篇文章的质量，对于文章内容的质量平局，我们也做了一些尝试。博文质量评估博文内容评估仍然是一个比较难定量的问题，一篇博文，可能可以命中很多“高阶”的词汇，但仍然是一篇很差的文章，甚至可能是不符合自然语言的词语堆砌，仅仅是符合词法语法的机器判定。而一篇好的入门文章，可能仅仅包含某个领域的一些基本概念。但是我们仍然可以通过一些手段，评估一..

我接触Java很早，读大学的时候，那时候互联网还很不发达，整个产业甚至整个世界都和现在大不一样。大概是在1999年，我的朋友给我寄来了一套 visual age 个人版。这个个人版 IDE限制很多，例如不能创建超过98个类。我当时是个 Delphi 爱好者，这个开发工具给我带来了很多非常新鲜的体验，例如它的交互设计和事件绑定，和我习惯的 Delphi、VB完全不一样，和当年基于 MFC 的VC也非常不一样。但是毕业之后，我先是成为了一个 Delphi 程序员，后来在 2003年开始转向 c sharp，p

对于一个需要较长时间持续工作的计算程序，可再入的能力应该排在非常优先的地位。可再入，也就是如果中断程序，可以从上一次的位置开始继续工作。如果能做到这一点，说明你的程序有持久化保存状态的能力。 可以打断，处理必要的问题后继续 梳理出了一个可以描述工作进度的信息模型 在中断再入的基础上，往往可以很容易升级为安全健壮的并行机制 可再入往往代表这个工作可以分解成多个同构的子任务，那么对子任务程序单元的优化，可以获得几何级数的回报 有可能从中抽象出对一类工作都有效的程序机制，从而整体的提升工作效率.

如何获知函数执行是否成功，以及它的返回值？不同的语言和技术体系，给出的策略是不同的。Java 的方案比较简单，抛异常表示错误，执行成功的话 return。很多 C 技术栈，比如 windows api，采用的是以整数返回值表示是否发生错误，和错误代码的方式，函数执行结果则放在一个函数参数中，这个参数通常定义为某一个struct的二阶指针。Go 语言推荐的方式是让函数返回两个参数，即总是 `err, result` 形式，调用函数的代码通过判断 err 是否为 nil 来判断是否发生了错误。在函数式编

最近的工作经常要写 parser，也就有了改进的目标，这几天对 Jaskell Core 做了一个大版本升级，主要是将内置组合子作为扩展，一次打包封装为 typeclasses 。例如，以前这样定义的 parser： "Brackets" should "test brackets pairs" in { val state = State("[hello]"); val parser = Between( ch('['), ch(']'),

不等连接的小应用有时候我面试程序员，会问一个问题：一个关系型数据库中的表，它的主键是自增id，我删掉了一行，这一行不在开头和末尾。其它信息未知的情况下，能否用一条查询找到被删掉的id？这里其实有一个很简单的解法：select l.id+1 from data as l left join data as r on l.id+1 = r.id where r.id is null;它的思路是利用自增数列的特性，用简单的数值计算构造出两个错位的数列，然后找出缺失的位置。当然，这里面还包含了末尾

PostgreSQL 自从支持 JSONB 到现在，已经有十余年，这十多年来，社区为 JSONB 提供了很多强大的功能。就我个人而言，其实最常用的还是匹配操作@>。把JSON数据看作一个抽象语法树（AST）的话，这个操作符判断右参数是不是左参数的子图。这里本来应该有个图示， 但是周末的时候临时有个数据集在处理，所以没有时间去找合适的工具了。简单举几个例子，下面这个例子得到true，这应该很好理解：select '{"a": 1, "b": 2, "c": 3}'::jsonb @...

近日开始着手反抄袭工作，做了一些思考和尝试。现状与动机目前看，比较明显，容易判定的抄袭行为，主要包括: 直接完整复制，虽然容易被识破，但是因为成本低，甚至有些抄袭者使用 爬虫进行大量搬运。 洗稿，主要是打乱句子和段落顺序，使其看起来是另一篇正常的文章，但 是其实是比较简单的改头换面，句子仍然都是抄袭而来。 洗稿，但是更为深入，对句子也做了大量修改，这种洗稿较难识别，甚至 与一些正常的讨论、笔记等文章有一定的模糊地带，但是这种方式工作量 大，多⻅于社会新闻、时评热稿等高价

新的启程上周我正式加入了 CSDN 的 NLP 团队。感谢组织给了这样一个机会，可以和志同道合的同事一起做喜欢的事情。在数理统计专业毕业21年后 ，开始进入 AI 方向，大概也可以算是人生的一种螺旋上升吧。博客标题质量评估我的第一个开发任务，是内容质量分。这里的质量，并不是严格遵循主观上的内容质量，而仅仅是一个排序依据，可以说是推荐系统的一部分，我们旨在于基于统计算法而非人工干涉，尽可能在统计上将更优质的内容推荐给用户。这个结果通常并不能保证对每个读者都是最好的，只能尽可能的向这个目标去接