其他

五、使用者描述資訊的表達與更新、資源特徵選取與表達1、使用者描述資訊表達與更新基於內容資訊過濾來說，同樣需要使用者的參與。為了跟蹤使用者的興趣和行為，需要為每個使用者建立一個使用者描述檔案（User

七、如何表達使用者興趣與結果的關係？1、如何有效地處理垃圾資訊?（對我們來說，暫無意義）採用可定製的白名單的方式，過濾掉與使用者無關的、使使用者反感的文檔或網站。2、如何處理個人化資訊（如何建立文檔和使用者興趣關係的表達）？目的是，建立文檔和使用者興趣之間的關係，實現使用者興趣的建立、更新。A、向量空間模型通常文檔的表達是向量空間模型，這個很容易理解，將文字文件看成由一組詞條，對於每一詞條，根據其在文檔中的重要程度賦予一定的權重，所有的文檔都表示用詞條特徵向量來表示，也就保證了文檔和使用者興趣之

 中文分詞基本演算法主要分類基於詞典的方法、基於統計的方法、基於規則的方法、（傳說中還有基於理解的-神經網路-專家系統，按下不表）1、基於詞典的方法（字串匹配，機械分詞方法）定義:按照一定策略將待分析的漢字串與一個“大機器詞典”中的詞條進行匹配，若在詞典中找到某個字串，則匹配成功。按照掃描方向的不同：正向匹配和逆向匹配按照長度的不同：最大匹配和最小匹配1.1正向最大匹配思想MM1》從左向右取待切分漢語句的m個字元作為匹配欄位，m為大機器詞典中最長詞條個數。2》尋找大機器詞典並進行匹配。若匹配成功

Taste 有著非常清晰的程式架構。看圖說話，下面就是一個 User-based Recommender 的例圖，說明了各個組件之間的關係。而對於一個 Item-based Recommender，除了不需要使用 PreferenceInferrer 和 Neighborhood 之外，和描述的基本架構是非常類似的。作為一個協同過濾Recommendation Engine，Taste 包含下列基本要素。使用者：即中的 User，Taste

1、藍斯登原則：在你往上爬的時候，一定要保持梯子的整潔，否則你下來時可能會滑倒。提出者：美國管理學家藍斯登。點評：進退有度，才不至進退維穀；寵辱皆忘，方可以寵辱不驚。2、盧維斯定理：謙虛不是把自己想得很糟，而是完全不想自己。提出者：美國心理學家盧維斯點評：如果把自己想得太好，就很容易將別人想得很糟。3、托利得定理：測驗一個人的智力是否屬於上乘，只看腦子裡能否同時容納兩種相反的思想，而無礙於其處世行事。提出者：法國社會心理學家托利得點評：思可相反，得須相成。4、刺蝟理論：刺蝟在天冷時彼此靠攏取暖，

法1、對鏈表1中的每個節點p1，判斷鏈表2中是否有一個節點p2指向p1loop:p1從head1到最後一個節點loop:p2從head2到最後一個節點   if(p2是否指向p1)    相交    break時間複雜度：O(list1.length * list2.length)空間複雜度：O(1)法2、使用hash表loop：p1從head1到最後一個節點把p1放入hash表table中loop:p2從head2到最後一個節點if(p2在hash表中)  

提供兩種方法：    1、有中間變數    2、無中間變數    /***************************************************      Name:          reverse_str.c      Copyright:    kernelxu      Author:        kernelxu      Date:           29-08-05 12:10      Description:  reverse astring

在學習程式語言和進行程式設計的時候，交換兩個變數的值是經常要使用的。通常我們的做法是：定義一個新的變數，藉助它完成交換。代碼如下：int a,b,t;a=10; b=15;t=a; a=b;

歸併排序(Merge Sort)是利用"歸併"技術來進行排序。歸併是指將若干個已排序的子檔案合并成一個有序的檔案。兩路歸併演算法1、演算法基本思路    　設兩個有序的子檔案(相當於輸入堆)放在同一向量中相鄰的位置上：R[low..m]，R[m+1..high]，先將它們合并到一個局部的暫存向量R1(相當於輸出堆)中，待合并完成後將R1複製回R[low..high]中。（1）合并過程   

1、 一個人，如果你不逼自己一把，你根本不知道自己有多優秀。 2、 賺錢是一種能力，花錢是一種水平，能力可以練，水平是輕易練不出來的。 3、年輕人不可以太狂。 4、一個人的知識，通過學習可以得到；一個人的成長，必須通過磨練。 5、這個世界上好書很多，可以改變命運的書很少。 6、這個世界上朋友很多，可以用一生託付的朋友很少。 7、如果發現一個人，一個地方，一件事，一本書，可以改變你的命運。一定要想辦法跟他發生關係，否則，他就跟你沒關係。

　　什麼是二級緩衝？　　NHibernate的Session提供了一級緩衝。每個Session，對同一個id進行兩次Load，不會發送兩條SQL語句給資料庫，但是Session一但關閉，一級緩衝也就失效了。

 　　內容摘要　　　　NHibernate簡介　　　　ORM簡介　　　　　　NHibernate優缺點  　　一、NHibernate簡介　　什麼是？NHibernate？NHibernate是一個面向.NET環境的對象/關聯式資料庫映射工具。對象/關聯式資料庫映射（object/relational

 　　內容摘要　　多對一關聯映射概括　　多對一關聯映射插入和查詢　　多對一關聯映配置介紹 　　一、多對一關聯映射概括　　關聯關係是實體類與實體類之間的結構關係，分別為“多對一”、“一對一”、“多對多”。然而“多對一”是怎樣描述的呢？讓我們參考圖1.1所示：　圖1.1　 　　學生表“T_Student”有兩條記錄，它們分別對應了班級表“T_Class”的主索引值為“1”的同一條記錄。所以這就是“多對一”的使用情景。　　讓我們看一下“多對一”持久化類的結構：　　    public class Cl

Hash 索引結構的特殊性，其檢索效率非常高，索引的檢索可以一次定位，不像B-Tree 索引需要從根節點到枝節點，最後才能訪問到頁節點這樣多次的IO訪問，所以 Hash 索引的查詢效率要遠高於 B-Tree 索引。可能很多人又有疑問了，既然 Hash 索引的效率要比 B-Tree 高很多，為什麼大家不都用 Hash 索引而還要使用 B-Tree 索引呢？任何事物都是有兩面性的，Hash 索引也一樣，雖然 Hash 索引效率高，但是 Hash

一、為什麼要做個人化搜尋引擎？每天網上爆發的資訊量已經超過了我們能接受的範圍，只有因人而異的個人化搜尋才能協助使用者找到所需資訊。傳統資訊檢索具有通用性，檢索系統不可能滿足不同背景、不同目的和不同時期的查詢請求,一個關鍵字查詢詞對所有使用者呈現的搜尋結果均相同。Google的美女副總裁Marissa Mayer說“我們認為，2020年的搜尋引擎贏家可能會更加瞭解它的使用者。”，“即便現在我們還不知道什麼才是未來個人化搜尋的主要決定因素。但我們斷定，個人化搜尋肯定會成為未來搜尋引擎的重要組成部分。

輸入:所輸入的檔案,至多包含n個正整數,每個正整數都小於n,題目中n = 10^7,如果輸入時某個正整數重複出現倆次,就會產生致命的錯誤,這些整數,與其他任何資料都不相關.輸出:以增序形式輸出經過排序的整數列表約束至多隻有1MB(包括程式本身)可用的主存,但是可以用的磁碟空間是充足的,已耗用時間至多幾分鐘,10秒針是最適宜的已耗用時間.作者第一個方案使用基於磁碟的合并排序.將每個號碼用32位整數表示,可以在1MB的空間裡儲存250000個號碼,使用一個帶有40個通道的程式,在第一個通道中將前25

冒泡法：  這是最原始，也是眾所周知的最慢的演算法了。他的名字的由來因為它的工作看來象是冒泡： 

　    思維導圖是一種革命性的思維工具。簡單卻又極其有效！  

為了提高應用程式效能，一種比較通用的方法是使用緩衝技術來減少與資料庫之間的互動。緩衝技術是一種“以空間換時間”的設計理念，利用記憶體空間資源來提高資料檢索速度的有效手段之一。     iBATIS以一種簡單、易用、靈活的方式實現了資料緩衝。下面，首先看一下iBATIS關於緩衝部分的核心類圖：     關於這些類的用途，在注釋中做了比較概括性的說明，下面就來仔細的講一下這些類的用途以及它們是如何工作的。    

有的時候會困惑，web.xml到底是什嗎？為什麼JavaEE要從web.xml開始呢？嗯，當把這個那個架構拋開，有些基礎的問題是非常有趣的。web.xml不是必須的。你不用它一樣可以寫出web程式。web.xml檔案是用來配置：welcome、listener、servlet、filter等的。當你的web工程沒用到這些，你可以不寫web.xml檔案。進入正題。Spring 提供 ServletContextListener 的一個實作類別