- 博客(263)
- 收藏
- 关注
RSS订阅原创 java 命令行参数真简单
public class Main { @Parameter ( names = {"--host"}, description = "Server host name or ip address" ) private String host = null; @Parameter ( names = {"--port"}, description =...
2014-11-11 17:55:06
214
R安装算法包随机森林的问题
在Rstudio和R命令行安装包都不行，如下：> install.packages("randomForest")trying URL 'http://cran.rstudio.com/bin/macosx/contrib/3.1/randomForest_4.6-10.tgz'Content type 'application/x-gzip' length 157609 bytes ...
2014-11-07 23:14:32
1786
1
三言两语谈团队合作
毕业的时候总在简历上写明自己“吃苦耐劳、具备良好的团队合作精神”。工作五年之后才发现团队合作并不仅仅是四个汉字那么简单。刚工作的时候以为一起工作、一起做项目，兄弟几个一起上，就是团队合作。这种理解实在是太肤浅，也是刚工作的人最容易犯的毛病：以为自己蒙头工作，踏实肯干就行了，不喜欢和同事交流，更不愿意和领导交流。要想把工作做好，真正理解团队合作，真正运用团队的力量，我们才能走得更远...
2012-10-10 17:24:41
228
CSDN对推荐系统算法的漠视
互联网海量用户和海量信息面前，信息不再是稀缺的事物，反而出现了信息过载。当大量的信息摆在我们面前的时候，把哪些信息给我们的用户就是一个非常重要的问题了。根据用户的profile，用户最近的浏览记录，或者根据用户当前访问的网页做出推荐就是重要的问题。推荐系统对于提高网站的用户体验，提高网站PV是一个非常重要的问题。 广告对应互联网企业来说是非常重要的。当前g...
2012-03-16 12:55:23
186
原创 深入搜索引擎--机器学习方法
机器学习方法在搜索引擎、计算广告中简直是无处不在。[b]spider模块，我们需要分析一个URL需要多长时间抓取一次？[/b] URL的域名的重要性；URL的目录深度；URL中字符串；[b]这个URL是否需要重复抓取？重复抓取的时间是多少?[/b] 抓取过几次；网页内部有多少新的链接数量？[b]一个网站多长时间抓取页面合适？[/b][b]一个网站的重...
2012-03-14 22:41:37
138
原创 深入搜索引擎--查询（Query）
[b]1.Query的数据分析[/b] Query即用户在搜索引擎输入查询条件。在通用搜索引擎中，一般是指输入的关键词。而在各类行业或者垂直搜索引擎，还可以输入类目，如优酷网站中可以选择“电影”、“电视剧”这样的类目。在电子商务网站中，各种产品品牌、型号、款式、价格等也是常见的查询条件。 要分析query中每个term的内容，分词是必不可少的工具。分词算法从最简单的最大正向、最大...
2012-03-12 22:56:21
628
关键词推荐的几种常见相关性计算方法
当你在互联网使用搜索的时候，关键词推荐可能是你经常使用到的一个辅助工具。如各种搜索引擎搜索框的下拉提示；google 结果页会有“XXX”的“相关搜索”；百度结果页也有提示一组相关搜索词。关键词推荐在文献上一般称为query suggestiong，query expansion，query rewrite，query recommendation。 而这些常见的关键...
2012-03-10 20:30:22
1082
研发过程对比---读《微软的秘密》有感
2010年在成都三官堂买的《微软的秘密》，这两年陆陆续续看了几次。如同《走出软件作坊》的作者阿朱说的一样，每看一次都有一些感想。这本书写的是微软90年代及其之前的开发经验，但是对我们当前的开发来说，仍然有很多值得汲取的经验。当今各种敏捷、scrum开发方法大行其道，可从本质上来说，也是对软件工程管理的改进，希望能够及时、快速的交付更好的软件产品。 书中多次谈到如何决定产品的优先...
2012-03-04 22:04:51
154
NetworkX画图
根据 http://blog.sciencenet.cn/home.php?mod=space&uid=404069&do=blog&id=337442 画图。注意：需要安装setuptools-0.6c11.win32-py2.6.exe，才能安装networkx-1.6-py2.6.egg。可以解决图计算的问题。处理一些简单的demo。matplotlib-1.1.0.wi...
2012-02-28 19:12:12
242
secureCRT常用技巧
SecureCRT 反空闲（anti-idle）的设置方式[img]http://dl.iteye.com/upload/attachment/0063/7723/683b180b-6b2a-3ca3-9b8f-a2daac4d8edd.png[/img]提高缓存屏幕历史页面的行数。便于查看先前的结果。甚至当代码被误删除的时候，可以从缓存的历史中copy出来。[im...
2012-02-26 12:43:07
132
原创 论文阅读总结
以前阅读论文的套路：搜索、下载、阅读，如果好就打印出来，在纸上再阅读注释，读完之后就丢弃了。而一些注释也就散落在各种打印纸上。当时有一些心得体会，没有记录下来，也就淡忘了。 最近希望改变这种状况，在网上找了一下pdf文献管理工具。几经比较，最后选择安装了endnote。它可以对论文分类整理，标注，编辑心得体会，对经验的总结存储非常有好处，也更加清楚论文的来龙去脉，对相关专题的历...
2012-02-14 17:29:33
114
原创 程序路径以及配置文件的习惯问题
每次用别人代码的时候，都希望从svn中check out出来就能够直接运行。但是自己写代码的时候，偶尔还是喜欢用绝对路径。每次写代码，最好能够有一个base dir的变量。一个项目多个安装包，最好能够公用同一个conf文件。便于修改和运行。...
2012-02-03 11:20:56
105
原创 常用书籍
Hadoop权威指南(第2版) [平装] [url]http://www.amazon.cn/Hadoop%E6%9D%83%E5%A8%81%E6%8C%87%E5%8D%97-%E6%80%80%E7%89%B9/dp/B0055QFIA6/ref=sr_1_1?ie=UTF8&qid=1326264636&sr=8-1[/url]搜索引擎:信息检索实践(英文版) [平装][ur...
2012-01-11 15:27:22
169
原创 撰写专利
一个专利从构思、撰写、内部审核、代理撰写和修改、再到受理是一个比较漫长的过程，一般需要好几个月。 在公司的环境下，其实写专利非常有优势。只要针对公司的数据、业务环境做一些优化、改进，提出一个新的算法，解决实际问题就可以完成一个专利。 由于专利代理一般对我们的专业不是很懂，最好在交底书中多一些基础知识的介绍。重要的名称都要解释一下，多举例做一...
2011-11-22 13:36:40
439
原创 批评很简单，解决问题很复杂
在工作中发现问题很简单，你只要仔细看，你就可以发现大量的问题。抱怨也很简单，只要你感觉不爽，工作不好做，业绩没有出来，年底没有加薪没有晋级，抱怨肯定一大堆。但是要解决问题，解决抱怨很难。很多人总是觉得只是同事的问题，主管的问题，HR的问题，公司文化的问题。总之自己问题最少。这种思想态度，到哪里去都非常危险。当我们不从自身出发讨论问题，很容易造成消极的心理，对什么东西都有抵触情绪。如果主...
2011-09-13 10:22:18
142
原创 多个排序数组求交集
如果有多个已经按照从小到大排序的数字数组，如何快速的获取这些数组元素交集，即找到一个子集合在所有的数组中都出现。[img]http://dl.iteye.com/upload/attachment/470754/8aa1bdd9-156f-3ca8-a662-868ebbd813ea.jpg[/img]解决办法：（1）找到最短的数组v[i]作为标准数组。目标集合x必然是v[...
2011-04-26 08:01:06
521
原创 身为程序员犯过的错误
以前犯过的错误时，从来不和主管沟通。对项目的看法、思考，只是闷在心里，不与老大沟通。对自己不懂的东西，也从来不和其它同事沟通，觉得自己上网查询一下就可以了。和同事以前做项目的时候，沟通讨论不够。主要是不知道沟通什么。。。没有确定项目的阶段目标、时间点。没有坚持，没有验收。...
2011-04-11 13:22:54
545
原创 Keyword Generation for Search Engine Advertising
关键词推荐的方法：（1）meta tag spider： 通过抓取各种网站的meta数据，把这些mata数据综合在一起，做关键词推荐。 这种方法适合于没有日志的初始网站。 （2）google adwords tool （共同的广告点击）： 通过 query log 挖掘关键词。当搜索关键词“A”出了广告x，那么其他关键词也能够出广告x，那么这些关...
2011-04-10 21:27:49
316
原创 tair 的服务器搭建配置
tair 是淘宝的一个开源分布式内存数据库，读写性能都很好，基本配置整理如下：（1）服务器需要配置/opt/csr/tair/etc/group.conf/opt/csr/tair/etc/configserver.conf在configserver.conf文件中注意设置group.conf 的路径（2）数据服务器需要配置：/opt/csr/tair/etc/datase...
2010-11-15 10:15:37
227
原创 linux so动态库文件有一个依赖的文件找不到
[]ldd /home/a/lib64/libalgo.so 返回：liblog4cpp.so.3 => /home/a/lib64/liblog4cpp.so.3 (0x0000002a95691000)libzerg.so => not foundsudo ldconfig 也没有用。最后解决办法：把libalgo.so 所在的rpm包删除；libzer...
2010-10-24 20:18:02
283
原创 常见tar 命令
例1：把/home目录下包括他的子目录全部做备份文档，备份文档名为usr.tar。$ tar cvf usr.tar /home例2：把/home目录下包括他的子目录全部做备份文档，并进行压缩，备份文档名为usr.tar.gz 。$ tar czvf usr.tar.gz /home例3：把usr.tar.gz这个备份文档还原并解压缩。$ tar xzvf ...
2010-10-17 20:10:33
124
原创 linux 常用命令 备忘录
yum常用命令很多，需要熟悉：yum install；yum remove；yum list；等等：http://docs.huihoo.com/yum/managing-software-with-yum-zh_cn/index.html常用命令cpu：cat /proc/cpuinfo 内存：free -m硬盘：fdisk -l...
2010-10-13 10:47:37
115
原创 分布函数
Gamma functionhttp://pass2.tk/index.php?q=YUhSMGNEb3ZMMlZ1TG5kcGEybHdaV1JwWVM1dmNtY3ZkMmxyYVM5SFlXMXRZVjltZFc1amRHbHZiZz09°ree0.09521019132807851http://translate.google.com.hk/translate?hl=...
2010-10-07 16:20:05
159
原创 Hive 教程
教程： http://wiki.apache.org/hadoop/Hive/LanguageManual/DDLhttp://www.tbdata.org/archives/499
2010-09-27 17:12:42
76
原创 awk 读取文件 ，文件读取操作，分隔符，hash，打印
awk 'BEGIN{while( (getline line 0 ) { split(line,arr,"\t"); print arr[1],arr[3]; hash[arr[1]]=arr[3];}} {} END{}'|lessawk 教程 ： http://www.math.utah.edu/docs/info/ga...
2010-09-27 13:46:21
274
原创 使用了google的搜索订阅功能
在google的gmail里面订阅了两个关键词：“搜索”和“推荐系统”。这样可以知道最近业界在关心的问题，非常省时省力。不够要及时看这些邮件还是一个问题。...
2010-09-24 11:04:40
317
原创 临时文件太多造成系统盘空间不足
系统盘的空间总是不足，找了半天也没有发现运营，最后才发现是用户目录下的临时文件太多。C:\Documents and Settings\$username\Local Settings\Temp
2010-09-24 10:10:07
868
原创 find 命令
#find ./ -type f -name "*.swp"|xargs rm -rf #find . -name "*.cpp" -exec grep "SoapEvMessage" \; -print #find ... -exec rm {} \; #find ... | xargs rm -rf 两者都可以把find命令查找到的结果删除，其区别简单的说是前者是把fin...
2010-09-09 13:16:38
101
原创 推荐系统笔记
系统的特点不以用，需要用不同的推荐系统算法。1）用户在t时刻还干了什么（itemcf就是基于这个假设）2）其他用户在t时刻干了什么（usercf就是基于这个假设）当给用户推荐了不熟悉的音乐，用户就感到陌生，不是很喜欢。...
2010-08-29 20:14:43
81
原创 使用Hive 分析数据
当我们的数据量特别大的时候，我们可以用Hive统计数据。Hive的好处是特别方便，编写程序的难度比较低。输出文件作聚合的方法：[url]http://www.chinacloud.cn/show.aspx?id=3277&cid=12[/url]Map 端部分聚合：并不是所有的聚合操作都需要在 Reduce 端完成，很多聚合操作都可以先在 Map 端进行部分聚合，最后在 Red...
2010-08-15 13:37:31
190
用excel 做相关性分析
导入一份数据： year out1999 13736.4 16159.82000 18638.8 20634.42001 20159.2 22024.42002 24430.3 26947.92003 34195.6 36287.92004 36455.8 42456.52005 45212 481122006 48788 534552007 5...
2010-08-04 21:59:14
976
采取行动，解决问题
陶行知很久以前就说过”知易行难“，就是说我们很容易获取知识，但是要真正执行起来却是很难的事情。我们很多人，都知道自己有问题。例如喜欢看电视，衣服随便乱扔，但是要改变这些习惯是非常困难的。为什么我们没有办法解决这些问题呢，就是因为我们知道问题，但是我们没有采取行动。 这一思想贯彻到日常工作中，我们每次会议之后都应该有一些行动（Action），表明我们将要解决什么样的问题，或者说这么...
2010-08-01 14:42:41
228
文本朗读工具的问题
最近用方正畅听听了一些书籍，感受颇多。要朗读中文首先要分词，分词效果非常好，听起来不会有很不自然的感觉，理解书籍没有什么问题。但是这种朗读没有感情，没有跌宕起伏，听起来很平淡，很容易听过去了，但是没有什么感觉。还有一个问题，文章中的一些多音词都没有处理。 ...
2010-07-31 15:20:19
132
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人