| 东风's profile行者无疆PhotosBlogLists |  Tools  Help |
|
June 30 足以怡情 从小就喜欢古诗文,也背诵过很多经典名篇,有些直到现在还能背出全文,例如《出师表》、《诫子书》、《岳阳楼记》。中学时候喜欢豪放词，苏轼陆游辛弃疾陈亮刘过等等。间或也看过宋祁、秦观、柳永那种花间词:) 杜牧那厮就被后人称为“豆蔻词工，青楼梦好”。
高中一个同桌很喜欢徐志摩，老是听他念叨《再别康桥》，听得多了，居然也能记下来了。上了大学以后才知道徐志摩曾经就在我们同一所学校里读过书---那会儿这个校园叫做“沪江大学”。绿茵葱葱的校园里哪儿曾留下徐志摩的身影呢？
至于温总理在记者招待会上引用的那些，也读过。例如，“浅浅的海峡”（余光中-乡愁），又如“开花的大地，解冻的河流”:)
应该说，背诵这种诗词多了，潜移默化地也受到熏陶。屈原说“路漫漫其修远矣，吾将上下而求索”；文天祥,“人生自古谁无死，留取丹心照汗青”；林则徐,“苟利国家生死以，岂因祸福避趋之”。这些言语对我都有深刻的影响。孟子“生于忧患，死于安乐”更是激励着年轻的自己不惮于前行。 另外一种意境的“采菊东篱下，悠然见南山”，又若“荣辱不惊，看庭前花开花落；去留无意，望天上云卷云飞”，大概只能在梦中想象了。 June 28 互联网离不开低俗 前段时间闹得沸沸扬扬的网游“劲舞团”刚引入国内的时候，比较受女玩家欢迎。但是女玩家多了，自然会引来更多的男性玩家:P。 史玉柱为了给“征途”做推广，想出了一个令人拍案叫绝的招数---招募美女玩家。这家伙的眼光真是狠啊，比“送礼只送脑白金”更胜一筹！ 再看另外一个例子，网上有一系列专门晒秘密的网站，这种网站极大地满足了人们的窥探心理。相比之下，猫扑mop/天涯之类的八卦网站都不算太低俗了 June 26 战车，又见战车 德国战车又回来了！上一届欧洲杯时，坦克都老得生锈，开不动了，结果小组都没能出线。后来年轻的克林斯曼重新打造了辆新车，终于在06世界杯进入4强，这次欧洲杯又杀入决赛。
不折不挠的日耳曼人将再次征服欧洲............ June 24 猎头是什么？ 上周被各类猎头骚扰了n次，n>10。现在也不是换工作的高峰期，很奇怪，不知道是什么原因。几年前就开始被“猎头”骚扰了，后来看网上报导说，很多所谓的猎头只不过是以前的职业中介所换个时髦的名字，其实做得事情跟以前一样，还是“人贩子”。做事的手法也比较下作，坑蒙拐骗样样都来。还遇到千方百计打听以前的或者现在的公司的通信录的，甚至直接问认不认识某人，知不知道他的联系方法。通常都会用一个听起来很吸引人的职位来诱惑被骚扰者，伎俩跟那种中奖电话差不多。eg.“先生您好，您有换工作的打算吗？我们这里有一个很好的机会，XXX,待遇在10k~15K”，哈哈 那种业余的猎头水平也可想而知比较差，这里讲两个关于乌龙猎头的小故事。零点咨询的袁岳在书里曾经提过，他也被猎头骚扰过，问他是否愿意去某家公司做总经理。那个家伙都不知道袁岳是零点的老板。更寒的是，Google中国筹建的时候，四处招募总裁，除了后来的李开复以外，也跟唐骏接触过。还有猎头打电话给李彦宏，问他是否对该职位是否有兴趣。 这个乌龙真是摆大了......... 在此推荐一篇文章 http://blog.csdn.net/jobchanceleo/archive/2007/12/17/1944303.aspx June 17 算法题二则1 部分排序
形式化描述如下：
设有一无序集合S，其规模为m。要求从m中取出一个子集sub，sub必须满足 A(-sub都不小于S中的其它元素。
我们参照快速排序的思想，其时间复杂度为n*logn。即，如果我们对S排序的话，其比较次数为m*logm。对于本题而言，我们只需要取出前n个数，则时间复杂度肯定小于全部排序。
我们尝试把该集合切分成两个子集，一边有序，一边无序，有序的部分用二叉平衡树来存储。我们知道二分查找的时间复杂度为logn。
以此从S中读取元素跟二叉树中的元素比较，如果可以插入，则插入，同时舍弃最小的数。这样一轮下来比较操作共做了m*logn次。
如果把n取极大值m，这时候就是完全排序，时间复杂度为m*logm，这就是快速排序的复杂度了.
2 海量数据文件排序
按照系统内存大小，将文件切分为多个子文件，这样保证我们接下来可以在内存中对这些小的数据集进行排序。
依次读出这些小文件，在内存中对每一个数据集进行排序。将排序好的数据集保存到磁盘上。
对于有序的小文件进行多路归并排序。归并排序属于经典问题，这里就不加详述。
整个过程的最大开销是磁盘IO。所以真正的挑战是怎样优化IO操作。其中一个思路就是利用操作系统的直接IO接口代替各种语言运行库的IO操作。 June 14 野路子 相识多年的老朋友说我在文史财经的知识都是些野路子。这位老朋友是财会科班出身，且相识十多年，互相了解很深。他的批评自然是很有些分量，我这种凭着个人兴趣道听途说的得来的“知识”确实上不了台面。
那接下来还是回归正道，在自己的专业上继续积累:) June 10 朝花夕拾的童趣//借鲁迅先生的题目写篇短文
古泊涟河日夜不息地从我老家村后流过，我的家就在河南岸的一个叫做唐桥的小村庄。涟河很宽，比黄浦江窄一些，以致我们那一带的人都称之为“大河”，而忘了它真正的名字---它在书上的名字叫做“善后河”。涟河水很清，沿河的城镇乡村的人们世代都喝河里的水。涟河很古老，在几里外的河边曾发现过汉代的码头遗址。涟河东流入海，每天随着海水涨潮落潮。
相传在很久很久以前，海水没有东退的时候，我们那边曾经是海港，称为“龙苴港”。后来海水逐渐东退，龙苴港衰落，东边依次出现了“板浦”、“海州”、“新浦”。“浦”，码头。他们历史上都曾经是海港，如今早已经是繁荣的市镇了。
在我小时候，涟河上还有很多船家，或打鱼或运货，跑船为生。我当时还写过一篇作文，题叫《涟河上的船》，被老师选为范文。船上人家里的小孩跟着父母四处搬迁，船到哪儿就到哪儿落脚，上岸上学。我读的小学班里就有一个叫做“五丁”的小朋友，大名已经不记得了。印象比较深的一件事是，冬天的时候小孩棉衣穿得比较厚实，上厕所的时候解不开裤带，把他急得大哭。二十多年过去了，那个常常拖着鼻涕的小伙伴现在可好？
每年夏天是我们河边小孩的最快乐时节。在河边长大的孩子都会凫水，大家常常比赛着看谁能先游到对岸。两岸的河堤上都栽种了果树，自然少不了被小孩子偷吃。我们南岸栽的多是桃树，北岸多是苹果。两边的小孩互相游到对岸去偷，还常常在河边互相交流战果和心得。时间则选在中午大人们休息的时候---看果园的人都在屋里吃饭或者打瞌睡去了。我第一次游过河的时候只有十岁，是抱着家里的轮胎游过去的，回来后自免不了要被父母打一顿作为警诫。
因为河水没有什么污染，所以河里鱼类贝类很多，尤其是蚬子。河边每隔几步路就是一个淘蚬子的锅灶。岸边堆满了蚬壳，人们下水的时候都不会沾泥。那几年里是沿河一带比较热闹的黄金时代。后来，上游的工业有了发展，每年会集中排污。排污那几天河水发黑，鱼虾都被污水赶到下游，打鱼的一网起来都能逮到很多，可惜卖不上价钱。
长大以后到县城读高中，来上海上大学，离家越来越远，回家的次数也越来越少。只有在梦里才能回到那遥远的家乡.....
June 08 生活搜索的大白鲨来了刚刚看到报导《
中国雅虎与口碑网合并为雅虎口碑》6月4日中午消息，据阿里巴巴集团确认，该集团将把旗下的中国雅虎与口碑网整合成立雅虎口碑公司。原中国雅虎总裁金建杭出任新公司总裁，公司未来发展重点是基于生活服务的电子商务、社区和通讯业务。 阿里巴巴集团董事局主席马云今日发出内部邮件，邮件中详细阐述了此次合并的计划。马云表示，雅虎口碑要致力于帮助服务领域的中小企业、个人创业者生存、成长、发展，为中国消费者提供好的生活服务平台。 June 06 近期阶段性目标 - IRInformation Retrival
接下来强化一下网络爬虫，研究信息抽取。尝试从网页中提取各类实体信息，包括人名、地名、单位等名称，地址、电话、 邮件E-Mail、MSN/QQ等通讯方式。
很多流氓工具就这么来收集信息，发垃圾邮件垃圾短信。我自然不会那么下作，只是拿来练手。
我身边的朋友们说我很崇拜北大天网的那帮人，算是吧。希望有一天自己也能成为那样的专家。在此之前还是低调地提高自己的修行---术业有专攻. June 04 混合索引采用混合索引增加信息量
（宋东风 / 搜索引擎 + 自然语言处理）
我们在解析文件，构建索引时都需要将文件解析成一个个token。这样必然会丢失原文中的结构信息。例如“美国攻打伊拉克”和“伊拉克攻打美国”的解析结果一样。
从结构性的角度来看，句子>词组>单词>单字。如果我们尽可能地保留这些结构信息，采用多重切分、混合索引，估计效果不错。当然了，这样会给索引文件中增加了很多冗余信息。这时候我们就需要评估由此带来的得失。对于原始数据量不大的场合，性能损失应该不会非常严重。
实际上，Google、天网都是这么多的。在雷鸣、卢亮等人的文章中也提出了混合索引的思路。
接下来试试看，过几天贴张图出来。 |
|
|
