其他

一種面向搜尋引擎的網頁分塊、切片的原理，實現和示範最近看到 2005 年的 全國搜尋引擎和網上資訊挖掘學術研討會 上 華南木棉資訊檢索的隊長 歐健文 的 華南木棉資訊檢索 的ppt。很有啟發。於是自己也根據自己的理解準備做一個實現。實現前提假設：    1、網頁分塊切分的基本單位是html中的table , div 等標籤（目前版本只支援：table ,div 標籤）。    2、網頁分塊切片識別依賴於相似url的對比。比如：我們認為一下兩個url的網頁html文本結構相似：      

放假閱讀計劃之一是看模式，這些來自古董書《OOD啟思錄》的原則，很多還是值得借鑒的～“你不必嚴格遵守這些原則，違背它們也不會被處以宗教刑罰。但你應當把這些原則看成警鈴，若違背了其中的一條，那麼警鈴就會響起。” ----------Arthur

一種快速的未登陸詞識別方法(原理和實現)        最近網路上關於分詞的演算法已經很多了,在實際應用中每個人根據對分詞的不同理解寫了不同的中文分詞演算法,可謂百花齊放.    但現在似乎還沒有針對未登陸詞的識別演算法,有鑒於此,我特地寫了一個,拋磚引玉.    演算法的假設:     1. 未登陸詞是由單字組成的;    2. 如果一個字同時屬於2個未登陸詞,那麼只選擇第一被識別的詞;     測試文章:    最近電視劇大長今很火,我就選取了介紹大長今的文章,   

Quote：Plans for the Revised GRE General Test Cancelled最後兩段：ETS officials will work with the GRE Board to implement many of the planned test content improvements in the future without the access issues associated with changing to an entirely new test

 關於 小叮咚中文分詞  .net版本發布的變化    現在幾乎每天都有朋友給我寫信，要求交流小叮咚中文分詞的實現。我現在實現的有java和C#兩個版本。同樣的演算法邏輯，用java 和 C#寫兩邊可不是有趣的事情 。於是自然而然想起了關於lucene發展和多語言實現的方向 中採用的方法，於是決定以後主要更新java版本的中文分詞演算法，而.net版本的中文分詞則在java class基礎上轉化過來。   

apache mod_rewrite 模組使用的幾個例子   當我們在網上衝浪的時候，指引我們前進的路標就是URL。對網站開發人員來講一個合理設計的URL對使用者、合作網站的友情串連，連結地址引用以及搜尋引擎的抓取都非常重要。大家知道URL一般有2種類型：1、靜態URL 

MapReduce:Google的人間大炮 網路上關於MapReduce的介紹，最權威的就是　Jeffrey Dean和 Sanjay Ghemawat　的那篇：MapReduce: Simpli ed Data Processing on Large Clusters您可以到　labs.google.com 上下載。     對goole這樣需要分析處理海量資料的公司來說，普通的編程方法已經不夠用了。於是

多麼樂alexa網站流量資料報告助手  為了您方便的擷取您所關心網站的alexa網站流量資料，多麼樂特的為您製作了這款工具，使用方法很簡單，只要按照要求輸入網站地址和您的郵件地址並制定郵件發送的時間，我們就會定期給您發送alaxe統計資料。  在以後我們還會對資料進行進一步分析，提供更加滿意的服務！Alaxe排名百萬使用者到達率使用者瀏覽頁數15627508.0相關串連：Alaxe 網站資料助手

昨天早上沒看世界盃開幕式，在周圍寢室一浪又一浪的歡呼聲中倒下了。早上起來才知道一共進了6個球，MMD。。去SJTU考G了。穿過他們那BT的廟門，騎了n久找到上院，等到9：00左右才進了教室。然後是考前過程，先讀考場規則，中英文各一遍；再填答題紙，什麼certification、signature、test center no.、location、test book

Apriori演算法：使用候選項找頻繁項集Apriori演算法是關聯分析中一種基本演算法，用於挖掘布爾關聯規則頻繁項集。原理：利用頻繁項集的先驗知識，使用逐層搜尋的迭代方法，使用k項集探索(k+1)項集。這裡先看哈二維Apriori演算法。（一般資料庫都是二維的嘛。。hehe）Apriori性質：頻繁項集的所有非空子集都必須也是頻繁的。（一種反單調性質）演算法描述：1、連結步：通過L<k-1>自串連產生候選k項集C<k>。2、剪枝步：C<k>是L<k&g

文章目錄 網域名稱因素：文檔和頁面資訊：連結因素：搜尋結果因素：使用者資料因素：其他因素： google排名影響因素大全（beta1）       最近在做多麼樂索引量統計的時候感覺到google索引情況的一些變化，於是根據相關文章整理了影響google排名的多個因素。我們可以看到影響排名的因素越來越多，當網站設計者瞭解這些因素後，保守估計3-5年，SEO這個行業預計將會消失！           影響排名的因素如下：網域名稱因素：   

Just a practice... Today is the CET test day again, and resultingly I recoginzed my bad CET-6 score and failure of the GRE Verbal test recently. For a long time I completely abandon my regularly English learning tasklist, I need some feeling of

發布 .Net 版本的小叮咚分詞Web Service 應很多朋友的要求，現在提供分詞的Web Service 服務Web服務地址：http://www.domolo.com/chinesesegment/sentencesegment.asmx 大家可以到：小叮咚分詞論壇 http://www.domolo.com/bbs/list.asp?boardid=13提出自己的建議，歡迎來一起討論。.net 用戶端exe

Boyer-moor 字串搜尋演算法    最近因為需要從大量的文本中檢索字串，於是想比較一下java jdk提供的 indexof 演算法，和其他字串搜尋演算法的效率。字串搜尋演算法有多種，其中比較有名的是boyer-moore演算法。在Moore 先生的首頁上有關於 boyer-moore演算法的詳細介紹。    moore先生介紹的通俗易懂，相信大家都能看明白。    

今天上午回學校，剛回寢室還覺舒得了口氣，從火車回到挺熟悉環境了。不過休整一會以後，出去看到一些個同學，看到宿舍樓，食堂，外面的飯館，看到PP，都覺得有點陌生。怪了，才回去了一個月，以前放假也回去過幾次，就這次感覺沒對頭，只好估計是上學期又耍過了人生一個G點了，但我現在沒有到出去工作，那麼生活中有些地方需要醞釀哈改變了。前幾天鄉長說他去成都IBM，拋棄電子科大了，好像去的是新的外包部門。NND雖然內心深處我很同意Enterprise Software IS

多麼樂發布 自動產生摘要測試版     多麼樂自動摘要簡潔：          我們在閱讀新聞的時候，選擇閱讀那條新聞很大程度上是由標題決定的。          而在我們閱讀的時候，很多時候是想有個大概的瞭解，也就是瞭解新聞的摘要。          這就是多麼樂自動摘要的出發點。          下面的串連是測試，希望你能喜歡。        http://www.domolo.com/domolo/domolosummarize/index.aspx 多麼樂主站  

Haha～今天在CSDN社區升到3個三角褲了，想想也還不錯啦，這兩個月我自己也幾乎是從0開始學Asp.Net的方方面面～繼續努力吧！放假的目標是5個三角褲！不過這年頭賺個專家分真難啊。。期末了，編譯、網路要開始狂看了！還有機率，雖然那個老師及其噁心。。還是努力一把吧。。等今天寫完了資料庫報告，到考試以前禁止一天之內開機超過2小時！在網上泡著時間過的太快了，複習！複習啊！下午叫實踐部的孩子們去吃散夥飯了。。實話說這一年我沒把他們帶好，自己忙太多別的事去了，不過今天大家還是挺融洽的，希望下學期他們能

Test Content (Download the Practice Book) I. SOFTWARE SYSTEMS AND METHODOLOGY (40%) A. Data organization1. Data types2. Data structures and implementation techniquesB. Program control and structure1. Iteration and recursion2. Procedures, functions,

什麼是垂直搜尋引擎（之二）垂直搜尋引擎的三個特點：1、垂直搜尋引擎抓取的資料來源於垂直搜尋引擎關注的行業網站：    比如：找工作的搜尋引擎 www.deepdo.com 的資料來源於：www.51job.com , www.zhaoping.com , www.chinahr.com 等等；          股票搜尋引擎 www.macd.cn 的資料來源於： www.jrj.com.cn , www.gutx.com 等股票網站；2、垂直搜尋引擎抓取的資料傾向於結構化資料和中繼資料：   

今天早上又起床不早。。頂著酷熱去交了RDE作業，回到寢室看書。當我正掙紮在運輸層和網路層之間，徘徊在TCP和IP的夾縫中的時候，收到一個莫名的電話，3打頭的，管他的，接了。一接鬱悶了，一個聲音挺好的JJ說你好我是M$的，@#$%*&實習。。頭腦一片空白。。難道是我n久以前在chinahr投的簡曆被看上了？接著問了下我的情況，大致說了下，我又問了下來者，原來是徐匯那個GTSC，hah。不過後來就鬱悶了，叫我用英語介紹自己。。不說我大二起就沒說過英語，就是現在說中文都覺得有點詞彙匱乏了。叫我