摘要: 摘要：文本聚类是搜索引擎和语义web的基本技术，这次本蛙和大家一起学习一下简单的文本聚类算法，可能不能直接用于实际应用中，但对于想学搜索技术的初学者还是有一定入门作用的。这里会用到TF/IDF权重，用余弦夹角计算文本相似度，用方差计算两个数据间欧式距离，用k-means进行数据聚类等数学和统计知识。关于这些概念可以去google，或者参考文本后的参考链接。
阅读全文
posted @
2008-05-10 20:43 蛙蛙池塘 阅读(1792) |
评论 (15) |
编辑
摘要: 在.NET 3.5里System.Net.Sockets空间下有一组增强功能的类，提供可供专用的高性能套接字应用程序使用的可选异步模式，SocketAsyncEventArgs 类就是这一组增强功能的一部分。该类专为需要高性能的网络服务器应用程序而设计。应用程序可以完全使用增强的异步模式，也可以仅仅在目标热点区域（例如，在接收大量数据时）使用此模式。以下是关于此类的介绍（摘自MSDN）
http://msdn.microsoft.com/zh-cn/library/system.net.sockets.socketasynceventargs.aspx
其实主要是改进了异步模式，让一些类可以重用，可能用的对象池的原理，不像以前的异步传输模式，每个数据来了，new一个新的iasyncresult，这样可能会引起GC线程CPU很高。下面是我找的一篇介绍.net 3.5里增强的socket api使用的文章，我翻译了一下，大家了解一下，貌似性能增强了不少。当然大家肯定说还不如看原文呢，但怎么说也是俺花了好几天，问了好多人才翻译出来的，大家没事赏个脸看看也没啥坏处，对
阅读全文
posted @
2008-06-25 07:41 蛙蛙池塘 阅读(1442) |
评论 (7) |
编辑
摘要: 利用excel做线性增长预测
昨天看了个帖子http://www.cnblogs.com/shenyisyn/archive/2008/05/20/1203061.html，自己写程序实现线性预测，其实excel也有这功能。假如我们知道了1季度的每天的销售额，我们要推算出后半年的销售额，以便制定原材料采购计划。当然销售量受很多因素影响，季节，营销，地区等，我们先不考虑这些情况，单纯利用线性公式来做预测，如果要把多种属性进行考虑和建模的话，得用sqlserver的BI功能了。
阅读全文
posted @
2008-05-23 12:42 蛙蛙池塘 阅读(1032) |
评论 (14) |
编辑
摘要: 困了，不多说了，就是教你怎样把邮件建立索引，再搜索出来。用MAPI把邮件读取到数据库里，用SharpICTCLAS做一个lucene的中文的语汇单元分析器，用lucene建立索引及查询索引。
阅读全文
posted @
2008-05-21 00:23 蛙蛙池塘 阅读(1791) |
评论 (12) |
编辑
摘要: 摘要：昨天给大家演示简单的文本聚类，但要给每个聚类再提取一两个关键词用于表示该聚类。我们还是用TFIDF算法来做，因为这是比较简单的提取特征算法，不过这里的TF是指某词在本聚类内所有文章的词频，而不是本文章内出现的次数，IDF还是在所有文章里出现的倒文档频率。
阅读全文
posted @
2008-05-11 23:34 蛙蛙池塘 阅读(1436) |
评论 (7) |
编辑
摘要: 摘要：文本聚类是搜索引擎和语义web的基本技术，这次本蛙和大家一起学习一下简单的文本聚类算法，可能不能直接用于实际应用中，但对于想学搜索技术的初学者还是有一定入门作用的。这里会用到TF/IDF权重，用余弦夹角计算文本相似度，用方差计算两个数据间欧式距离，用k-means进行数据聚类等数学和统计知识。关于这些概念可以去google，或者参考文本后的参考链接。
阅读全文
posted @
2008-05-10 20:43 蛙蛙池塘 阅读(1792) |
评论 (15) |
编辑
摘要: 摘要：辛辛苦苦写个共享软件，又怕被人破解，所以就会想到用注册码的方式来激活软件。本蛙给大家一个简单的思路来实现软件注册码算法，当然.net做的东西很容易被人破解，反编译出来把验证注册码的代码一去就算破解了，不过咱不讨论这个先。
阅读全文
posted @
2008-05-03 21:55 蛙蛙池塘 阅读(2159) |
评论 (34) |
编辑
摘要: 不知道有多少人去研究google，阿里妈妈的广告作弊算法，抓包、分析http头，分析参数，分析cookies，甚至分析鼠标的点击序列，写钩子用程序去点广告，或者去模仿用户行为，我说这太麻烦了。不管你的广告做的多么好，你的广告点击次和广告商的收益低于一定比例，人家肯定不会给你广告费的，人家又不傻。这里用另一种思路去鼓励你的网站访问者去随机的点击广告，毕竟最终是人点的，咱只是鼓励一下，还不算不道德，是吧。
阅读全文
posted @
2008-05-01 12:57 蛙蛙池塘 阅读(1693) |
评论 (22) |
编辑
摘要: 摘要：Tag系统是Web2.0的一个招牌应用，如果你有一个经营了好几年的论坛，是不是也想生成自己的一套TAG。别听他们说什么语义WEB，文本聚类算法，TIIDF，余弦定理，相似度算法啥的高深算法（我一个也没整明白），跟我来，简单的计算词频来提取tag的效果就很好。
阅读全文
posted @
2008-04-29 23:34 蛙蛙池塘 阅读(2533) |
评论 (21) |
编辑