Novice

《金陵十三钗》

noreply@blogger.com (ppsly) — Sat, 31 Dec 2011 15:48:00 +0000

众生平等么？现实的情况是，不平等；但每个人都有选择的机会。现实的偏见对商女们不公平，但她们可以选择为自己“正名”，抑或继续“隔江犹唱后庭花”。

一个政府，如果需要女人挺身而出，那它也真该亡了；

一个男人，如果要她的女人受委屈养家，那他真是该感到羞耻了；

“可见它其实是又一次试图从民族羞耻中自救的努力，通过以无尽悲愤的口吻将这种羞耻放大演绎作为洗礼，以及通过证明国家、民族和男人已经尽到了拯救“好女人”的责任；也是又一次压迫——通过把受害者刻划成一群“自愿”的坏女人。总之，女人又象征性地治疗了一番无法愈合的民族自尊心，而且，通过通俗大片的操作，还提供了一次让观众围观暴力、消费性受害者惊惧哀惋之美的机会。”来源

愿世上战争、暴力、偏见、不平等减少，众生能心安。

Don't Narrow Down Your Life

noreply@blogger.com (ppsly) — Sun, 16 Oct 2011 16:45:00 +0000

今天下午回交大，赴之前创业小分队的约。很可惜Yu、云峰和Emily都有事没能来，但Benjamin带来了一位更加“传奇”的九零后，再次另我等汗颜。

那位九零后就叫他Cui吧。他做的东西是一个叫“慈善指南”的网站，提供对慈善和基金会的第三方评级，类似于金融分析机构标准普尔。经过这么多年经济发展，国人对慈善的需求也是越来越旺盛的，但是国内的慈善行业长久以来一直处于混乱的状态，最近郭美美事件、希望工程的卢星宇事件等等更是把政府掺脚的慈善机构推到的风口浪尖。所以这样的一个idea可以说是占尽天时，无论政府还是慈善基金会，还是普通老百姓，都是希望有这样一个信得过的评级机构的。交流下来，他目前很大的一块中心是和政府打交道。其实，我觉得与其这么说，倒不如说是政府扶持他在做，为他提供很多资源。然后，我们外行会想，这样的一个慈善评级机构，它的盈利模式和发展方向在哪里呢？可以想到，作为慈善走在世界前列的欧美，已经有这样的例子了，美国最大的第三方慈善评级机构——CharityNavigator，它的捐款流差不多是100亿$/Y，它的收入差不多是20亿$/Y（10%左右的抽成+卖工具+利息等），很可观。现在中国的市场是什么样的状态呢？据他透露还在美国1995年的水平。所以个人觉得还是很有前景的，宏观来看唯一的问题可能是不是还是略显超前，但好在搞慈善有政府的支持，还有香港、美国那边人的帮助，再加上我觉得他人靠谱，这事成的概率很大。

我所震惊的不单单是他的这个idea和模式，而是作为一个90后，是如何在这些60、70后富人、政府、海龟、香港议员等等中建立人脉的；从去年这个时间一个人来到完全陌生的上海，原先只是做做手机应用，只是想在联发科做个技术人员，怎么一下子就有这么强大的PR，这么好的项目，以及这么多人在帮他。

个人总结了一下，他现在的“成就”跟本上可以归结为他的“性格”。他“水一般”的性格让他和任何人都能很好地相处，谦虚不焦躁；而且他也很有“闯劲”，他与每个人都愿结交成为朋友，无论是大一的新生，还是我这样第一次见面的陌生人，都能表现得很客气和重视，这样的性格特点使得他人脉如滚雪球般地快速膨胀；有了好的人脉，在他事业上就会有很多人给与他帮助和指导，如怎么让下里巴人了解评级方式，上线前不要接受采访，与香港美国的机构组成联盟，一级项目运营良好后可以退出，然后运行二级项目等等；另外从他请交大、华师大新生吃饭、了解慈善，以及在家里开party等看出，在PR方面他还是挺有自己想法的；当然在这其中还是需要一定的运气成分的。

另外挺shock的一点，也挺有九零后特点的是，他现在有两个女朋友，说是她们都追她，他也不知道更喜欢哪个，就同时在谈了，两个女朋友互相以为对方是ex，这种场面也只有九零后能hold住了吧。

创业成功的道路有很多种，但失败的原因大体相同。他的这条路是我很难踏上的，毕竟这需要把你的生活全部清零才能做的。但我还是会有所启发，那就是don't narrow down your life。他也不是一开始就做这个，就很顺利；他当年做联发科系统，以及跟Benjamin的经历相信是对他现在所得到的有很大的帮助，他的道路显然是在越走越宽，即使他这次失败了，他有这些关系在，不怕没机会东山再起，如他所说“创业不分行业，重要的是人”，这和我的理念甚为契合，有机会很想和他合作。

虽然还是不知道自己的路在哪里，但是以后做事的一个原则就是，自己的路是否能越走越宽，还是把命运交到人家手中。

对自己的个性还是需要不断反思，记住乔老爷子的那句：“Stay hungry, Stay foolish”。不要太Ego，太arrogant，热情地去拥抱这个世界吧。

方向

noreply@blogger.com (ppsly) — Thu, 01 Sep 2011 14:06:00 +0000

最近忙中偷假，在家休整。时间飞逝，研究生已过去一年，令我十分焦虑；再加上感情上的挫折，以及回家再次感受到父母所面临的压力，使我静下心，仔细考虑自己以后的路。

如果现在问我想做什么，或者为未来做规划，考虑一会后我可能会说：我想做一个懂技术的产品经理，能自主设计、主导甚至实现自己的构想；同时，学会理财，尽早实现财务自由。但我知道，我的脑子还是比较简单的，前者可能来自于我觉得产品经理是个不错的职业，而且可以作为自己创业的跳板，但至于我是不是适合，我真不知道，因为我没经历过；后者来自对现实的认识，和对父母的回报。

其实之前就有规划过，下决心是想朝产品经理的方向努力的；然而由于自己执行力、时间管理等方面的问题，给自己定下的研一的目标都未完成。在各种失落感打击后，自己又再次陷入了迷茫，不知道路在哪，会对自己之前所定的计划和目标怀疑，担忧自己的未来：不知道拿什么去应聘，想去什么公司，具体想做什么工作。

伴随着很大的焦虑，我特意去李开复的我学网上逛了逛，看了李开复的几篇文章感觉稍微舒坦些了。如关于职业规划的那一篇文章，他将个人的职业规划分为“认识自我”、“了解工作机会”和“拟定职业规划”几部分。其实看了觉得自己也知道，职业规划不是什么一锤子敲定的东西，也不是非此即彼的问题，它如同在海上航行，不是从一开始就一直朝着一个方向前进，而是随着航行不断调整方向，所以最先要做的是“认识自我”，知道哪个方向才是适合自己的；像我这样的小P孩，大风大浪没见过，能定出如何好的规划呢？基本都是纸上谈兵。所以还是要多经历，多思考，不断修正自己的方向。

就目前的情况来看，自己长期的规划还是如前，但是自己要谨记，职业规划是个不断完善的过程，需要平时积累并且修正的。短期来看，下学期的规划是：因为现在学术的目标未达成，所以下学期重心还是在学术上，但是要加入一定量的技能训练和基础知识回顾了。

对照着自己上学期开学前列出的计划，具体制定了下面这个计划：

1. 学术

理论

《Mining of Massive Dataset》

工具

NLP with Python
Hadoop（Qi Zhang的课）

论文

2. 技能和基础知识

编程

C&CPP趁着当助教，重新拾起。

做一些性能对比试验等等练习

互联网产品快速开发

Python
Javascript
HTML+CSS

基础知识

计算机基础理论《computer systems perspective of programmers》

可以顺便练习C&CPP

英语

背单词
听力（可以配合晚上去操场锻炼）

3. 修行

灵修

多阅读，持续成长

从信息收集者转型为信息加工者

王利芬说过：牛人的共性是能看到信息背后的东西，甚至是本质，有敏锐的嗅觉
多写blog（产品、学术等），重要的是这样的过程：收集信息->背后的信息->提炼观点

锻炼身体

俯卧撑，打网球

孙振耀说过，“积极的人会从焦虑中得到动力，而消极的人则会因为焦虑而迷失方向”，提醒自己，保持乐观，完善自我，学会生活。

北京CCF之行

noreply@blogger.com (ppsly) — Wed, 03 Aug 2011 15:05:00 +0000

上周四从上海出发去北京参加CCF的ADL活动，今晚七点回到了上海。说实话是冲着那几个牛人而去的，当然顺道可以逛逛北京。

这次ADL的主题是《信息检索前沿》，来的嘉宾也是领域绝对的牛人，听完也是觉得并不愧对他们的名号。学术细节上应该回头自己会单独总结一下，这里就先记录一些感想和花絮。

第一天上午的演讲者Ricardo Baeza-Yates，他恰好是我们实验室，以及本人正在翻译的《Modern Information Retrieval》的作者之一，因此感到有点亲切；当然对他的西班牙式英语有点吐槽，包括翻译的时候：）他是雅虎的VP，但是很没架子，演讲时还是会和我们开开玩笑。不过他那天确实有点背，先是坑爹的北京司机把他拉到了原MSRA所在地：西格玛大厦，导致他迟到好久；中午吃完饭后，来接他的雅虎的车子半路抛锚了，专用司机带着他打的去的雅虎……

下午的演讲人是Yiming Yang，是位做文本分类的华人，从论文引用数过万就很好的说明了这点，要知道像我们这种有个上百引用就开心得不行了。比较有印象的是她一直在想如何才能让我们更好地理解，“只有能讲清楚了，才是你自己真正理解了”。

第二天上午是Stephen Robertson，他是BM25算法的作者，单该句介绍就可证明他在IR领域的威望了；他还是微软剑桥的研究员的，2000年获得Salton Award。因为Stephen的英语是英音，所以稍显吃力，讲述了BM25算法是如何一步步想出来的，它背后基于哪些考虑，这些只有从作者本人口中才能得知。很有印象的一点是，即使是像这样的大师，却仍毫无架子，着装朴素，做事严谨认真，如每次有人问问题，他都会回答得超详细，再如在下午的讲座开始前，他主动过来和下午的演讲者交流上午已经涉及的东西，令人钦佩。

第二天下午是Chengxiang Zhai，他最早提出了用统计语言模型来解决IR问题，并一直在这个方向研究。这是我本次ADL的所有讲座中感觉收获最大的一个，一是因为我之前看了比较多这方面的东西，二是他真的讲的很好，牛人就是能后讲出问题和模型背后的思想和考虑；稍微对IR中的语言模型有点了解的人都能听出来他在这方面的功力。当然自己回头还是要好好消化。

最后一天上午的演讲者是Susan Dumais，她是微软雷德蒙研究院首席研究员，人机交互和信息检索方面的国际知名专家，她是2009年Salton Award的获得者。这是英语听得最舒服的一位演讲者了——纯正的美音。我对她的topic不是很感兴趣，不过那个Diff-IE倒是挺有印象的。总之他是位很nice的人。

剩下几天就是玩了，第一天大家去天安门、天坛逛，比较悲剧的是故宫和天坛里的景点都没赶上点，关门了；然后晚上我和zy约好了一起吃饭，我们真是好久没见了，虽然是高中三年的同学，但交流却也真是不多，趁着大家都在北京就大家都了解一下近况。她应该还算不错吧，虽然远离家乡，但至少朋友同学都在北京，而且工作也比想象中的要轻松些，当然人还是没怎么变，略微有点职业化了。第二天和大师兄再到天安门，决心要看故宫；看下来和想象的略有差距，但如此的建筑群，再加上厚重的历史，也堪称“奇迹”了。随后我们去了边上的大栅栏街周围逛弄堂，在一条台湾文化街上正好碰到类似于庙会的那种游行，三个不同着装的人随着摇滚音乐挑着超high的舞，现场氛围超好，哥都没忍住上去和他们合影，回来查了下原来是台湾的电音三太子，真是很有庙会的特色，很容易感染气氛。

这次大家玩其实没大组织好，一是人不多，大家在旅馆里也就自己看看电视玩玩电脑，玩不起来；二是谁也没去之前做功课，玩的时候也意见有点不统一。自己要反思的是，作为半个组织者，考虑问题的全面性和协调大家的意见的能力还是不够；要称为“领导”，还是不够大度。

回来的高铁车上，看着两边向后飞驰的不知名的建筑、田地、山丘，天色由亮渐暗，突然感到自己是如此得渺小。一直生活在巴掌大的地方，会觉得以及的影响力有多少多少；出去走走，发现世界是如此之大，特别是在陌生的地面，面对冷酷的自然，自己不过是沧海一粟。时间的长河中，每个人都只是很小的一段；想到如此，心情会更平静些，心胸也会更宽广些，有些事情就不那么执念了。旅行，让人感受世界的宽广，让人了解自己的渺小；当曾经沧海了，想要安定下来了，或许是真的能对人生出自泰然了；这，也许就是旅行的意义了吧。

好了，流水账差不多了，接下来要安心工作，然后早日回家了！

中论文，小小纪念下

noreply@blogger.com (ppsly) — Sat, 23 Jul 2011 15:32:00 +0000

打球时ZJL路过和我说小BOSS在实验室“大叫”我可以毕业了，于是回来一个看果然中了IJCNLP。马上给几个重要的人发去了消息，不过回复差别蛮大的，呵呵。

中了还是很高兴的，虽然不确定，但小BOSS说能毕业了那应该是满足学校要求了吧。不过也没特别高兴，毕竟那时做了三个月的，而且一开始投的是rank1的WWW。

Anyway，小小的开心下，算X场失意的回报么？

哈哈，明天继续好好翻译，好好写代码，好好打网球！

学期告一段落

noreply@blogger.com (ppsly) — Sun, 10 Jul 2011 15:27:00 +0000

今天是研一下学期的最后一天，把两篇课程论文交了，也算是标志这个学期的结束了。这段时间一堆事情压着，不怎么爽，而且想做的东西也一直未能开始做，碌碌而无为。只有当停下脚步的时候才会发现，原来时间过得这么快，不知不觉研一都要过了，明天自己都要被安排小学妹了，可看看这一年收获了啥，还真说不上几个。

回头看一下这学期初自己列的计划，再看看如今手头完成的东西，确实另我汗颜，宛如小学生被老师拿着0分的试卷戳太阳穴。唯一很好地完成的估计也就是CCIR的论文了吧，每周打一次网球倒是超额完成了，现在几乎每天都打。

其实自己和zliu还蛮像的，都是那种对新东西感兴趣，但是兴趣很多，沉不下心的那种。问我要不要，肯定说要，那做不做呢？开始应该还可以，后来就不行了。这学期老爸一直提醒我，现在要有“专”了。确实经历了本科，很短的短板应该是没有了，既然读了研，就要有赖以生存的特长了。看了自己之间列的计划，反正是既想对NLP有个“高屋建瓴”的认识，又想了解机器学习的常用算法，还想了解数据挖掘的工具，更想熟悉分布式计算相关的知识。或许，该庆幸的是这学期所幸NLP搞的还算比较多，也倒又一定的认识，对得起这读研方向了。至于其他的，下学期再安排吧。

这个暑假基本上是会呆在实验室了，首先第一个月是MIR第二版的翻译任务，同时进行的还有张博的论文任务。前者算上月底去北京一个礼拜，每天翻6页，那估计下月这时能翻完；后者，只能同时进行，从survey做起，希望能做出点东西来，这个估计能做到暑假结束了。反正尽早结束，最近好久没回家了，其实很挂心。

仔细想想，这学期在心智上还是有些收获的，或者说是更了解自己。知道自己脾气不大好，而且外显，特别是和不喜欢的人一起，这点和我爸确实像；知道自己容易high，high了就容易忘了自己应该做什么了；知道自己容易忘事，特别是别休息好，或特别类的时候，那真是什么都能忘；知道自己其实应该少关注小毛小利小纠结，更多的应该着眼于如何提升自己，培养大局观，俗一点就是如何将所学转化为金钱；知道自己其实有时候并不知道想要什么，纯纠结；知道自己不规划的话肯定时间管不好；知道自己如果做好规划，坚决地去执行，效果也会很好，比如这次课程的论文，半天搞定《形式语言与自动机》，那是因为自己有规划，有底气。

了解自己，向自己的陋习宣战；学会笑容，亲和的笑容还真是有魔力。人对时间的概念大都以年记，可能是因为年龄的原因吧。一年中，或许变化没那么大，没那么进步，也没那么大退步，容颜未变，心态犹存；那如果是5年呢？10年呢？时间就在这一点点的看似不变中慢慢流逝了，如温水煮青蛙般。现在的我，已常常意识到时间过得如此之快，24岁之人，仍如此思想，这点学识。

珍惜时间，敬畏生命！

Deep Belief Network

noreply@blogger.com (ppsly) — Wed, 06 Jul 2011 04:39:00 +0000

占地，回头更新

一些资源：

首先是Boltzmann Machine，其中会介绍Restricted Boltzmann Machine
RBM

这里是DeepLearning上的关于RBM的教程，有讲解有代码，用于图像
videolecture上的一些关于RBM的视频
某个Short Tutorial,较清楚，有代码

DBN就是多个RBM的叠加（stacked），见Scholarpedia上的介绍
论文

[Hinton06]Reducing the Dimensionality of Data with Neural Networks
[Hinton07]A fast learning algorithm for deep belief nets
[Hinton07]Restricted Boltzmann Machines for Collaborative Filtering
A practical guide to training restricted Boltzmann machines
其他见两坑主的主页：Hinton和Salakhutdinov

每周精选1

noreply@blogger.com (ppsly) — Sat, 25 Jun 2011 16:29:00 +0000

这几周都没有跟新这个系列，原因可以说很多，客观上事情有点多，实验室比较吵，主观上自己执行力还是很不稳定，容易浮躁。Anyway，还是把这个系列继续下去，憋了这么久，~~这次料还是满充实的~~真TMD悲剧，误操作把OneNote中的笔记删除了！可恶的同步！以后就用OneNote同步了，MS网站制作备份！只能用之前较少的版本了，如下：

学术

SIFT很著名的抽取图像特征的算法，比较复杂，不过局部表现能力应该是最强的了

Naïve Bayes Model，Hidden Markov Model，Maximum Entropy Model，Conditional Random Field

《Classical Probabilistic Models and Conditional Random Fields》这份Tutorial上详细介绍他们关系

http://correlate.googlelabs.com/，google的查询或趋势相关度的应用，可以稍微挖挖的
Regression回归的方法

http://en.wikipedia.org/wiki/Regression_analysis

PRML 第三章

Learning To Rank方法，区别用相关性评价的一个方法，更偏向于machine learning方法

http://en.wikipedia.org/wiki/Learning_to_rank (Reference上的第一个Tutorial很有用)

其他

hyperdesktop，发图控必备...
leet，著名Hack语言，美剧《numb3rs》它的名字即来源于这个

ASCII字符艺术，字符动画很有爱啊啊，wiki上有生成ASCII字符图的方法

Google Web Font，google家在线的字体库，有些可以直接在线引用，相当滴方便
奥普拉脱口秀告别晚会，很感动，欧普拉的人生就是一个励志故事，精彩、温情、给人希望
http://www.worldwidewebsize.com/，更新当前互联网的网页数据量

暂且这么多，因为OneNote的原因，还是写得有些匆忙，回头再整理充实下吧。

每周精选0

noreply@blogger.com (ppsly) — Sat, 21 May 2011 14:51:00 +0000

一直关注这酷壳CoolShell这个博客，上面既有一些编程的技巧，也有一些学术相关的东西，作者本身是个技术爱好者。作者每隔一段时间就会分享最近整理的一些好玩或者有用的东西，正好自己也有这习惯，权当记个笔记。不把他们放到Wiki或者OneNote是因为这些东西比较杂，且没有很强的主题性，这个系列应该会坚持，但更新时间不一定是每周:）。

学术

Scholarpedia 相当于学术版的Wikipedia，专业性（学术性）相当的强
张雷博士谈IBM沃森背后的AI技术 watson的一些技术内幕，张雷不久前来复旦做了个同主题的讲座，可惜没去。下面是他所提到的Linked Data，而且居然是Internet之父Tim Berners Lee目前所大力推崇的。

Linked Data

http://www.ted.com/talks/lang/chi_hans/tim_berners_lee_on_the_next_web.html

Boltzmann Machine 用于降维的一个很经典的模型，最近在看Semantic Hash看到这个。

Restricted Boltzmann Machine：Short Tutorial

其他

Flash流媒体服务器（FMS） zjl推荐的RED5，如他的名字所示，他将视、音频转变成流媒体，可以实现“边下边看（听）”，不必一下全下下来再看（听）。当然它的功能不止如此，具体官网可见

alternativeto 在找某个平台的某个软件在另一平台上的替代软件？想找跨平台软件？来这看看吧！
Monty_Hall_problem 经典的问题，第一次是在numb3rs中看到的，当时还不大懂。
http://lmgtfy.com/ 在论坛或QQ上碰到别人问无脑问题怎么办？即使很cool地摔下一句“google之”也不足以表达自己的强烈蛋疼？那就let me google that for you！谁用谁知道！

暂时先这么些吧！不早鸟，保住身体最重要。刚看完《绿里奇迹》，看完后更有对生命的敬畏，当走在生命的最后一里时自己会考虑些什么？会想之前没犯这些错就好了？之前应该更珍惜一些身体？但是活得长一定更好么？特别是带着遗憾、带着寂寞。

Anyway，敬畏生命，珍爱生活！

python处理编码

noreply@blogger.com (ppsly) — Fri, 15 Apr 2011 14:59:00 +0000

这两天在帮张老师他们的863项目打打杂，主要是负责根据数据库中的记录，过滤服务器上的文件。具体来看，主要就是生成测试文件和python连接Oracle，他们都需要与字符编码打交道。虽然自认为这方面已经有比较多经验了，但还是没完全搞定，最后还是借助工具解决。

一个任务是把手工从网上保存下来的文本生成一定格式的UTF8编码的文件。本想猜一下保存下来的编码，结果始终会有记录出错。然后使用最常用的chardet包，一检测吓一跳，各种编码都有，更崩溃的是有些文件即使用chardet检测出来编码，文件decode还是会出错。无奈，只好迂回：按照原编码，直接写文件，然后再用工具（ultracodingswitch）批量直接转文件编码。

之所以想到这么干，是发现网上保存下来的文本用notepad++打开，然后直接在里面转是完全没问题的，很神奇，只不过他不能批量转。所以在网上找了个能用的工具。

其间还有个小插曲，由于还需要生成文本的snippet，我就直接读取文本（content），然后选取文本的前150（content[:150]）作为snippet。结果发现总有几个文件snippet后面的格式标签被“吃掉了”。忽然想起，没转编码，对非unicode编码的字符串做切片很容易把最后一个字的编码分开了，导致被分开的那前一半编码和标签的最前面的编码组合起来，所以后面就全乱了。最终的解决方案是直接取第一个句号之前的句子为snippet，即查找该文件编码的句号即可。（编码转换工具转换直接抓下来的文本）。

关于编码再探索下，应该会有解决方案的。

=======update 2011.4.16=======
测试下来BeautifulSoup的Dammit，效果比较好，主要是一些“windows-1252”编码的文件它能准确地探测出（而chardet检测为GB2312）。但仍不完美，比如说这个文件，检测出来是“windows-1252”，但decode时出错。

记点什么吧

noreply@blogger.com (ppsly) — Fri, 01 Apr 2011 15:39:00 +0000

最近感觉有点乱，事情也比较多，总想回归有规律、健康的学习生活状态，但还是陷入了一定的迷茫，暂且记些什么吧。

开学到现在在“忙”CCIR的论文，算是搞定了吧，等待黄博的修改意见。明显感觉到这学期比较轻松了，没有会议、论文的push，自己的时间明显多了许多，但也给自己浪费时间提供了借口。接下来的任务是继续之前near-duplicate detection的任务，寻找其他一些靠谱的特征，个人目标是对这个方向有个更深入的了解。

上个礼拜实验室组织去西安旅游，说实话其实期待一般，还是喜欢和气场相合的人一起出去吧，怀念401了，期待这个暑假聚一下吧。回到旅游，玩得比较累，虽然已经尽量保守了。不怎么high，因为没有特别知心的人吧，说到底我是个害怕寂寞的人。拍了些照片，被肉戏称为“农民伯伯”、“杀人犯”，想了想要不先买个卡片机？先抑制下自己的装B心态和玩物欲望。

家里一如既往还是牵挂着，老妈让人不放心，自己却又不知该如何做，只能保守地旁敲侧击。好在自己也算乐观，努力学习，过个几年会有转机，越往后情况会约好，熬过这段时间。

这段时间和肉的感情还不错，一切正常，肉也比较懂事。对未来的规划也有一定的共识，至少对可能的不顺的有了一定的心里预期，但都努力地希望未来能往好的方面发展。马上就要见肉爸妈了，有点忐忑，因为自知现在的自己仍很不成熟，不过也没过分紧张，相信肉爸妈也是比较nice的，多将心比心。

在这个特殊的时期，犹如在夹层中，有点喘粗气。肉和父母两边都是尽量报喜不报忧，自己有了烦恼只能尽量让自己麻木，学习上面尽量克服自己的“劣根性”，朝着职业缓缓“前进”。

总结一下，这段时间做得不够：

不会做减法，充斥的东西太多，给自己一点小约束吧

人人每天上两次
三国杀入门得差不多了
微博不在电脑上刷
Google Reader茶余饭后看

理论知识可以开始专注地看了（吴老师及自己的）
做事不专注
早上安排好每天的任务

一句话结束：热爱生活，为自己和所爱的人而完善自己。

遇到python的shallow copy问题

noreply@blogger.com (ppsly) — Tue, 01 Mar 2011 14:17:00 +0000

查了很久的问题，幸亏出现问题，通过debug才发现

如下代码：

Python语言: Codee#17315

temp = []
my_list=[[]]
labels = ["AA", "AB", "AA"]
for lb in labels:
    if lb=="AB":
        for ele in my_list:
            temp.append(ele+[1])
            temp.append(ele+[-1])
        del my_list
        my_list = temp
    else:
        for ele in my_list:
            ele.append(0)

上述代码的作用是，根据标签（labels），决定是在my_list的已有元素后都加0，还是分别加上1和-1，并删除原来的元素。但是上述代码会死循环的。

原因就在于红色部分，由于temp是“全局”变量了，而my_list=temp这个赋值语句相当于C中的指针赋值，他们指向的是同一对象（python中list对象赋值默认是shallow copy——复制指针，而不是对象），故在遍历my_list过程中，my_list其实在不断的在增加。解决方案有两种，一种可以把temp放到for循环中，第二种可以赋值的是否用deep copy(copy.deepcopy)

正确的代码如下：

Python语言: Codee#17316

my_list = [[]]
labels = ["AA", "AB", "AA"]
for lb in labels:
    if lb=="AB":
temp = []
        for ele in my_list:
            temp.append(ele+[1])
            temp.append(ele+[-1])
        del my_list
        my_list = temp
    else:
        for ele in my_list:
            ele.append(0)

2011展望

noreply@blogger.com (ppsly) — Sat, 26 Feb 2011 15:59:00 +0000

实在想不出更好的题目，就用这最俗的标题吧。

每至一个重要时期的结束，一般都会有总结；同样，每至一个重要时期的开始，都会有要求和展望。最显而易见的时间节点就是“年”。而这个“年”也分几种，可以按照阳历分割，亦可以按照阴历分割，对于企业来说也许有全年计划完成的“accomplishment year”，对于我来说，更有意义的还是以学期分割。

研究生三年，最后一年用来实习和找工作，实际时间只有两年，而如今一个学期，即四分之一时间却已过去。愈发地感觉时间的紧迫，压力来自几方面，一是过年回家，发现很多同龄人都已家庭或者事业有所起步，而自己却还过着悠然自得的假期；二是父母赚钱的压力，已经随着而来的矛盾，让我觉得也许读研有点自私；三是看到网上一些有所成就的人所具备的素质，顿感要学习的东西确实很多。

粗略总结下上学期，直接产出：两篇二作的论文，实验室薪资；自身收获：了解论文写作投稿流程，沟通方式，研究生期间的总规划，学术上的一些知识。其实，更多的是缺憾吧，自制力还是很不够，早起却干不了什么事，无法专注于干一件事情，碎片时间的利用率很低，有计划，执行力却不够。说实话，一个学期下来还真是拿不出什么能够说服自己的成果或者提高。

然后规划下这学期要做的事情，以及对自身的目标。

	要做的事	目标
学术	CCIR论文 WWW的论文修改与投稿黄老师的课程工具使用 NLP with Python 数据挖掘工具：Weka等 MapReduce 相关的课程（首页） Mahout的使用书单模式分类 PRML 《Mining of Massive Dataset》《Hadoop：Definitive Guide》《How to Write and Publish a Scientific Paper》《Scientific Writing is Easy When You Know How》	对NLP领域的发展和相关的算法有自己的总结（年末总结个LaTex文档）论文写作能力在理论和实践上都有所提高熟悉一两个数据挖掘的工具对并行计算、云计算积累一定的经验
自身	多读“闲书”（寻找自己定位）多写blog，汇报所见、所读、所悟锻炼身体，每天三组俯卧撑，每周打次网球	强迫症减轻，娱乐化降低，专业化加强，职业化提高养成对产品思考的习惯学习、生活更有条理，身体健康，上肢肌肉和朋友多联系和肉保持稳定

新年除草

noreply@blogger.com (ppsly) — Tue, 08 Feb 2011 15:06:00 +0000

不知不觉年初六了，明天就是上班时间了，自己也要进入学习状态了。

发两段温情短片，是台湾大众银行在去年和今年春节拍摄的

使用Bookmarklet+Google CSE提升搜索效率

noreply@blogger.com (ppsly) — Mon, 29 Nov 2010 02:27:00 +0000

1.创建Google CSE
过程很简单，在Google CSE页面一步步按照提示创建即可。例子如笑来老师的Encyclopedia和Twitter搜索。

2.Bookmarklet工具
Bookmarklet工具的一大好处是十分绿色，十分快捷。相关资源见：电脑玩物的常用Bookmarklet和Brawny Walking的常用Bookmarklet，他的参考资料也是个不错的资源。
当Bookmarklet收藏了很多的时候，找也来可能也是个麻烦事，这时候另一个搜寻Bookmarklet的工具就可能比较有用。

3.创建Google CSE的Bookmarklet
利用Bookmarklets网站提供的工具创建，具体教程见这里。

AdaBoost工具

noreply@blogger.com (ppsly) — Wed, 03 Nov 2010 00:50:00 +0000

Boostexter：http://www.cs.princeton.edu/~schapire/boostexter.html

依赖：POSIX.dll和ast54.dll

前者可以下载（或者XAMPP安装目录中有）
后者需要安装UWIN：http://www2.research.att.com/sw/download/

Icsiboost：http://code.google.com/p/icsiboost/
Jboost：http://jboost.sourceforge.net/

implement AdaBoost, LogitBoost, RobustBoost, Boostexter and alternating decision trees

支持图形化统计输出结果（margin）

支持输出java, C++ python matlab的可执行代码文件
输出Perl能够parse的Atree

依赖：Python、Perl、Graphviz、gnuplot、miktex、GhostScript（后两者用来解决epstopdf的问题）

http://centaur.maths.qmul.ac.uk/Info/pdf-faq.html

Free Software for Windows: http://centaur.maths.qmul.ac.uk/Links.html

Free Graphics Software for Windows: http://centaur.maths.qmul.ac.uk/Graphics.html

WWW 2011 论文小结

noreply@blogger.com (ppsly) — Tue, 02 Nov 2010 15:01:00 +0000

历经近四个月，实质近两个月的努力，终于协助zq老师把WWW 2011会议的论文《Efficient Near-Duplicate Detection for Q\&A Forum Using Map-Reduce》赶完了。期间各中曲折、懊悔、失误、兴奋、低落就不说了，不管中没中，至少我学到的学习远超过这篇论文被录取的价值了。

一、过程

熟悉map reduce算法以及Hadoop框架
了解拷贝检测领域的相关论文和算法
熟悉历史代码，包括熟悉集群，并在集群上跑测试程序
准备语料库，包括查找合适语料，如雅虎QA，编写代码生成语料库
准备标准语料集。用已有的Spotsig算法在集群上跑出一个初步结果，合理挑选出标准语料（比如进行闭包运算，在每个闭包中挑选一个代表）
对标准语料集进行标注。外包，这次开价150，貌似开高了
在历史代码的基础上实现论文需要实现的算法，每个算法进行单独测试，保证准确性
设计实验数据表格
编写自动化测试程序和脚本
准确率实验。根据数据表格进行批量实验测试
效率实验。根据在标准数据集上测试得到的结果，选择相应的实验参数进行实验。
修改论文。超找论文书写错误，提前将论文给大Boss查看，得到修改意见，继续修改
提交论文

这整个过程是从我作为协作者的角度出发的，其中有几步做得很不好，比如第1步熟悉框架，由于暑假刚来实验室，效率很低，进展很慢；再有代码的准确性有问题，没做好测试工作，导致后面的工作因之前的bug而出现问题，比如由于在准备标注集时程序的问题，导致后面准确率测试时P和R极低等等。

二、心得

首先是写一篇论文的一般思路是如何的？

Motivation。正如大Boss和ZQ所说的，一篇论文的成功与否百分之四五十看Motivation。想清楚论文的Motivation是论文最先要做的事情，否则后面的东西纯粹是瞎撞，即使实验效果好，也不一定能让别人认可
Survey。在确定了论文的Motivation以后，需要了解与之相关的一些经典论文和最新的一些进展。
试错。根据已有Survey，确定初步研究方案，尽快进行测试，据此确定下一步方案。
调整方案。根据测试结果，或调整测试方案，或调整问题定义，或调整Motivation。
撰写论文。尽快给出初稿，给其他人传阅，收集修改意见，然后针对性更改。

其次是整个过程需要的时间是多少？

根据我的能力，估计时间大致如此：

Motivation 1-2周
Survey 1周
试错 2-3周
调整方案 2-3周
撰写论文 3-4周

故，保险起见，如果全部我来完成的话，保险起见需要留出3个月时间。

这次的教训

对整个进度没有一个大的把握，对未来时间盲目乐观，导致后面任务很紧张，有了这次经验，以后会把握得更好吧。
与ZQ沟通不够。一个好的下属或合作者，能够时刻让对方知道自己下一步做什么，预期完成的时间节点，以及自己的看法，另有工具的选择及相关的资源可以询问。
任务优先，适时总结。别先想着看多少书，学多少东西，先把东西做掉了，然后抽时间总结，可以先暂时提纲挈领式或者索引式的。
经常列计划，反思结果。列计划一来可以让自己专心地投入到当前的任务中，二来可以对自己督促，少浪费一些时间。
对时间黑洞的网站保持克制。如人人，Google Reader等等，目前来看，最有效的只是获取方式还是书本。
少受批评的秘诀

第一，别人请你做事情，你要主动给出完成的时间点；

第二，请别人做事情，你要主动建议完成时间点；

第三，到了时间点的时候，要主动碰一下；

第四，要推迟多久，就要提前多久打招呼。

一些心得

noreply@blogger.com (ppsly) — Sat, 02 Oct 2010 16:37:00 +0000

写完程序一定要有测试用例，繁简自己控制
程序的杂货尽量别找女生干
布置任务时，给出明确的条件、预期和deadline；接受任务时，时常汇报工作，反馈进度以及预期所需时间

学术生活序曲-完结篇

noreply@blogger.com (ppsly) — Sun, 05 Sep 2010 14:52:00 +0000

明天就开始正式上课了，完全没有之前开学的感觉，没有很多期待，有的只是好好做事的要求。作为一个准张江男，将来成为一个张江男，肯定会有张江男的典型特质——“单纯”、“可爱”、“生活简单”、“不会和女孩子打交道”。

背着黑色电脑包，穿着不知品牌的深色夹克，头发有些乱，眼睛有些肿———有人把这时的地铁称为“张江专列”。（“张江男”寂寞的一天）

但是这样肯定会和肉理想中的另一半有差别吧，生活也会比较没意思。个人也还是希望生活有情趣一点，至少不要让自己变得很无趣。

现在的我完全是以和肉的未来做目标和动力，不免俗，也要给自己列一下目标。

学术第一位，能够静下心来搞学术，练内功；
提升自己的武功，学会赖以生存的技能；
提升修养和交际能力。多思考、多总结，有自己的价值观和交流方式，乐于与别人交流；
寻找能给肉父母希望的机会；

我的联通、移动话费对比

noreply@blogger.com (ppsly) — Thu, 26 Aug 2010 02:10:00 +0000

一直用联通的动感地带卡，最近几个月突感话费无法承受了，每月都要130左右，看了一下大头还是长途电话，虽然一直抱怨移动黑，但也有自己没抓住重点的原因在里面，省话费，关键还是要选对套餐。抽空根据自己需求列了一下分别选择移动和联通的套餐所需要的话费。

移动

20元聊天套餐	20
密友畅聊包	5
8元IP国内长途可选包	8
手机上网畅游包	8
长途话费（约100分钟）	(100-50)*0.15=7.5
短信（400条左右）	(400-360)*0.1=4
本地通话（40分钟）	40*0.13 = 5.2
合计	57.8

联通（新势力校园套餐09版）

新势力时尚卡	20
乡情包	1
新势力时尚卡套餐2元短信包	2
长途话费（约100分钟）	100*0.6/5 = 12.0
短信（400条左右）	200*0.1=20
本地通话（40分钟）	20*0.13 = 2.6
合计	57.6

新势力时尚卡	10
乡情包	1
GPRS20元可选包	20
新势力时尚卡套餐2元短信包	2
长途话费（约100分钟）	100*0.6/5 = 12.0
短信（400条左右）	0*0.1=0
本地通话（40分钟）	20*0.13 = 2.6
合计	47.6

既然主要矛盾是在长途话费上，那就专门解决这一问题。打了10086人工服务，原来移动还有一个8元IP国内长途可选包：50分钟免费长途+0.15元/分，很适合我，这样算下来一下子减了很多。然后看移动的，对于学生来说，最优惠的还是“新势力校园套餐09版”吧，不过算下来居然和移动的差不多，主要问题在于短信和流量不可便宜兼得。

而且还要考虑换号码的成本，所以基本上还是留守移动比较合算，不过下个月还是先观察一下，看话费是否和预期相符。

任何事都不能想当然，用数据说话才是王道，而且上面的通话时间、短信数都是可变的，建个数学模型分析一下，可以看出哪个方案更Scalable，什么区间选择什么话费最合算，哈哈。

学术生活序曲-31

noreply@blogger.com (ppsly) — Wed, 25 Aug 2010 14:50:00 +0000

心情

晴。白天肉又是一付不理不睬的样子，说实话真的很讨厌这样子。晚上去接肉，还是很开心的，两个人见面了总是又什么矛盾都没了，所以：1，没什么很深的矛盾或纠葛；2，距离确实是情侣的一大敌人，特别是对我们这种性格的人来说。

学术

把zy的关于Hadoop的代码看的差不多了，接下来是spotsig的代码。

学术生活序曲-30

noreply@blogger.com (ppsly) — Tue, 24 Aug 2010 14:41:00 +0000

心情

多云。这两天为老爸戒烟的事情在烦恼，早上决定给老爸买之前一直用的戒烟药，银行卡里没钱了，让肉帮付的，失手多点了一个，结果肉就全付了。因为肯定我要给肉钱的，就安慰肉说没事，可以退货；不过貌似反而肉不开心了，觉得ok卡里钱用掉了？我觉得是我变相在帮肉套现，也不应该有什么不开心的。晚上睡前，肉说“我们确实有观念差异”，这不是“真理”嘛。

哎，本来自己就蛮烦的，当然也知道肉上班很忙，我不会去打搅她，也不会去强求她再怎么关心我，当时仅有的几句聊天还是会触碰到肉不开心的神经，谁的错？很难说清，大家都有吧，怪我最近状态不好吧，成长意味着失去抱怨烦心事的权利，提高抗压的能力，至少不给对方创造新的烦恼吧。

发现肉还是比我成熟吧，我会因为和肉的关系而无法专心工作，肉更能耐得住，也更会理智的处理。宁愿去这么想。所以我也想通了，真的要成熟一点，“看开”一点，为了自己将来的“妻子”提升自己，为她负责。

和肉现在也许是到了Counter Dependent或者Independent的阶段了吧。

学术

继续看Hadoop的配置，终于解决了一个大问题，关于block、split和file的关系，记录在OneNote上了，明天必须要和zy交流了，看一下系里的那个集群。

学术生活序曲-29

noreply@blogger.com (ppsly) — Mon, 23 Aug 2010 14:30:00 +0000

心情

晴。今天肉可能要很晚才能走，做好和小云一起住的准备了。不过，还好8点多就下了，肉匆匆赶回家，希望接下来几天都能顺利些吧。这周末回家，突然觉得其实父母健健康康的是对儿女最大的恩赐，有点烦，希望老爸能戒烟吧。

学术

昨天太晚睡了，早上什么都没做。下午还是困，到四点多才开始干点正事。晚上纠结于给老爸买药，也基本没做什么事情。明天早上把Hadoop都看一下吧，今天早点睡。

学术生活序曲-28

noreply@blogger.com (ppsly) — Sun, 22 Aug 2010 15:12:00 +0000

心情：晴。

晴。上午看Girl‘s Guild to XXX。下午和晚上陪肉聊天。

学术

不学无术。

学术生活序曲-27

noreply@blogger.com (ppsly) — Sat, 21 Aug 2010 16:00:00 +0000

心情：晴。

下午三点多去找肉，五点多去萨莉亚吃晚饭，囡囡吃得太多了，下次自己要帮肉控制下。吃完和肉去逛街了，很可惜，没帮肉挑到比较满意的T恤。

学术

路上花了点时间看了Hadoop tuning方面的东西。