君子博学而日参省乎己 则知明而行无过矣

摘要： 转载自　http://my.oschina.net/xyly624/blog/122743今天在做個測試時，發現在 pom 文件內添加了一個新 jar 包的配置後報錯。第一反應是拼寫格式錯。但目測格式都正確，不得已只能從Maven 中央庫直接複製配置，錯誤還是存在。第二反應是 Maven 下載依賴失敗。進本地庫目錄查看果然只有 pom 文件存在，jar 包不存在。果斷架起梯子再次更新還是不更新 jar 包。映像中若目錄下存在"lastUpdated"後綴的文件代表更新失敗，但該目錄下沒有此類文件啊！奇怪了。翻開印象筆記找了下之前記錄下來的腳本，嘗試了下竟然成功了，說明有相關 阅读全文

摘要： 网上了解到Aperture框架能够实现从文件系统中抽取数据，Aperture的介绍如下：Aperture这个Java框架能够从各种各样的资料系统(如：文件系统、Web站点、IMAP和Outlook邮箱)或存在这些系统中的文件(如:文档、图片)爬取和搜索其中的全文本内容与元数据。它当前支持的文件格式如... 阅读全文

摘要： 首先需要安装Ubuntu SVN。Ubuntu下的SVN安装十分简单，sudo apt-get install subversion，然后根据提示一步一步，就完成了Ubuntu SVN的安装；想知道到Ubuntu SVN系统的真相么，想知道Ubuntu SVN系统中藏有的内在奥义么，只有我来给大家全面讲解介绍Ubuntu SVN系统，Ubuntu SVN作为日常开发中不可缺少的工具，今天终于开始在Ubuntu下使用了。1、首先需要安装Ubuntu SVN。Ubuntu下的SVN安装十分简单，sudo apt-get install subversion，然后根据提示一步一步，就完成了Ubunt 阅读全文

摘要： 转载自http://www.ruanyifeng.com/blog/Unix（包含Linux）的初学者，常常会很困惑，不明白目录结构的含义何在。举例来说，根目录下面有一个子目录/bin，用于存放二进制程序。但是，/usr子目录下面还有/usr/bin，以及/usr/local/bin，也用于存放二进制程序；某些系统甚至还有/opt/bin。它们有何区别？长久以来，我也感到很费解，不明白为什么这样设计。像大多数人一样，我只是根据《Unix文件系统结构标准》（Filesystem Hierarchy Standard），死记硬背不同目录的区别。昨天，我读到了Rob Landley的简短解释，这才恍 阅读全文

摘要： 转载自　http://www.ruanyifeng.com/blog/TCP/IP模型是互联网的基础。想要理解互联网，就必须理解这个模型。但是，它不好懂，我就从来没有搞懂过。前几天，BetterExplained上有一篇文章，很通俗地解释了这个模型。我读后有一种恍然大悟的感觉，第一次感到自己理解了互... 阅读全文

摘要： 转载自　http://www.ruanyifeng.com/blog/有时候，很简单的数学方法，就可以完成很复杂的任务。这个系列的前两部分就是很好的例子。仅仅依靠统计词频，就能找出关键词和相似文章。虽然它们算不上效果最好的方法，但肯定是最简便易行的方法。今天，依然继续这个主题。讨论如何通过词频，对文章进行自动摘要（Automatic summarization）。如果能从3000字的文章，提炼出150字的摘要，就可以为读者节省大量阅读时间。由人完成的摘要叫"人工摘要"，由机器完成的就叫"自动摘要"。许多网站都需要它，比如论文网站、新闻网站、搜索引擎等等。 阅读全文

摘要： 转载自　http://www.ruanyifeng.com/blog/上一次，我用TF-IDF算法自动提取关键词。今天，我们再来研究另一个相关的问题。有些时候，除了找到关键词，我们还希望找到与原文章相似的其他文章。比如，"Google新闻"在主新闻下方，还提供多条相似的新闻。为了找出相似的文章，需要用到"余弦相似性"（cosine similiarity）。下面，我举一个例子来说明，什么是"余弦相似性"。为了简单起见，我们先从句子着手。 句子A：我喜欢看电视，不喜欢看电影。 句子B：我不喜欢看电视，也不喜欢看电影。请问怎样才能计算上面 阅读全文

摘要： 转载自　http://www.ruanyifeng.com/blog/这个标题看上去好像很复杂，其实我要谈的是一个很简单的问题。有一篇很长的文章，我要用计算机提取它的关键词（Automatic Keyphrase extraction），完全不加以人工干预，请问怎样才能正确做到？这个问题涉及到数据挖掘、文本处理、信息检索等很多计算机前沿领域，但是出乎意料的是，有一个非常简单的经典算法，可以给出令人相当满意的结果。它简单到都不需要高等数学，普通人只用10分钟就可以理解，这就是我今天想要介绍的TF-IDF算法。让我们从一个实例开始讲起。假定现在有一篇长文《中国的蜜蜂养殖》，我们准备用计算机提取它的 阅读全文

摘要： 先讲两个很老的小故事。第一个故事。有一家日本最大的化妆品公司，收到了用户的投诉。用户抱怨买来的肥皂盒是空的。这家公司为了防止再发生这样的事故，很辛苦地发明了一台X光检查器，能够透视每一个出货的肥皂盒。同样的事故，发生在一家小公司。他们的解决方法是买一台强力的工业电扇，对着肥皂盒猛吹，被吹走的就是空肥皂盒。第二个故事。美国太空总署（NASA）发现在太空失重状态下，航天员无法用墨水笔写字。于是，他们花了大量经费，研发出了一种可以在失重状态下写字的太空笔。猜猜看，俄国人是怎么解决的？（答案在本文结尾处。）=====================这几天，我在看Unix，发现很多人在谈“Unix哲学” 阅读全文