见路不走

摘要： cassandra优化的工作还继续，而且效果不错。等待海量规模数据检验。平时在测试优化cassandra的时候，经常会用到一些命令，有些还挺不好记的，记录到这里，以备查找：修 改CompactionStrategy update column family data with compaction_strategy=LeveledCompactionStrategy and compaction_strategy_options=[{sstable_size_in_mb:10}];设置压缩失效 update column family data with compression_options 阅读全文

摘要： 有些日子不写博客了，前些天和张老师交流，觉得写给自己看看，还是非常有必要的。这个题目是括号匹配的题目，我遇到过两种类型1）问是否可以匹配;2）问匹配的最大长度有多少;思路差不多。这个题目时候一个情况。合法情况如下：s代表字符串 s是空串，则s是合法的--递归的终止条件 s是合法的，那么（s），[s]是合法的--递归的一种情况 如果s1，s2是合法的，那么s1s2是合法的--递归的另一种情况 其它的... 阅读全文

摘要： 开始机器学习的征程这段时间开始看Andrew Ng的机器学习视频，去年就报名了，但是去年一方面有些其他的事情，更重要的是找不到应用的场景，只是听课，觉得进展不快。最近有需求了，又开始看视频。不得不说Andrew Ng讲得真不错。没有高深的数学证明，注重应用，非常对我的胃口，如果不懂再去看看书，往往会有“原来如此”的感觉。在视频中，Andrew Ng推荐大家使用Octave这个工具来开发机器学习的程... 阅读全文

摘要： 这几天有一个构建restful services的需求，我采用了web.py，之前并没有使用过，但在使用中确实给我带来了很多惊喜。当然，最大的惊喜就是简单，方便。之前开发restful服务的时候，采用java的框架restlet，当时觉得就很方便，很轻量级了。但是用了web.py之后，才发现，开发可以如此之轻。为了迎合python的特点，在介绍web.py的时候，以罗列要点的方式进行，我会在自己不... 阅读全文

摘要： 这几天做复杂网络相关的学习研究，越发觉得网络科学的内容会越来越丰富，应用会越来越多。会为人类进步，产生巨大的贡献。我又激动了。 这篇博客介绍的方法，可以应用在大规模的复杂网络中，有着近乎线性的复杂度。这篇博客继续介绍复杂网络中社团结构发现的一种方法--label propagation（简称LP）。与之前博客中介绍的local_fitness方法类似，这个方法也是从局部结构信息出发。LP方法的提出，主要是综合考虑了以前的方法有以下两个弊端：很多方法需要有先验的知识：社团数目，中心点，clique大小等等之前的一些方法，在性能上复杂度都比较高为了解决以上的两个问题，论文中提出label prop 阅读全文

摘要： 工欲善其事，必先利其器最近一直在做社交网络挖掘相关的工作，一直用的networkx这个python工具，享受python带来的便利的同时，要忍受networkx的性能问题。当分析的网络较小的时候，networkx没有问题，但是节点有几百万的时候，networkx真的很慢。所以，我就逐渐使用igraph。igraph是c实现的，性能比networkx肯定要好，而且，提供的api更丰富一些，同时支持python和R的接口，使用起来很方便。具体的区别，我会在使用过程中不断总结，并且和大家进行分享。下载下载igraph：点击这里。下载python接口：点击这里。这两个连接，都是针对0.5.4版本的，1 阅读全文

摘要： 这几天仍在做社交圈子挖掘，实验将会整理整理再与大家分享，分析中，遇到一个问题，就对是python的dict的value进行排序：有什么好的方法么？我搜了一下，找到以下几种，分享：假设有dict如下：x = {1: 2, 3: 4, 4:3, 2:1, 0:0} import operatorsorted_x = sorted(x.iteritems(), key=operator.itemgett... 阅读全文

摘要： 做好某些领域的研究，做好某些领域的工程。这是我对自己的要求，研究就是做社交网络挖掘，现在很火，我也跟着凑热闹。一连发了几篇社交圈子挖掘的博客，越来越有心得。这是个好的兆头，再接再厉。 在做社交圈子挖掘的过程中，我需要不断的做实验，试验论文中的想法，自己的想法，要求效果好，而且coding要快。我比较熟悉java，c++也会一些，但是我都没有选择，我选择了我不熟悉的python，一方面，networkx是pyhton写的。另一方面，想见识一下python的魅力。 我目前用得都比较简单，但是也明显感觉开发速度快，方便的特点，使用python我感觉很随意，觉得自己好像触碰到自由的边沿。java也是开 阅读全文

摘要： 这是我在一篇论文中看到的思路，与之前的一些思路有比较大的不同。论文没有通篇看完，只看到算法描述部分，我就迫不及待的实验，对于同学，同事圈子的挖掘有一定的效果。我之前了解的一些算法的思路可以总结如下：从节点开始，每个节点作为一个社团圈子进行合并从整个网络开始，通过某些算法选取某些边，进行分割从最大团开始，选择合适的相似度计算的方法，对最大团进行合并我比较关注圈子之间有重叠的情况。前两种，我目前实验做得少，主要集中在第三种，及其扩展。第三种思路目前比较经典的就是k-clique算法，相似度计算的依据很强，很直接，就是要有k-1公共节点。后来有几篇文章，也是从最大团开始做的。我个人认为，是一个很好的 阅读全文

摘要： 这几天不断尝试社交圈子挖掘的算法，不断改进算法，产生了很多的结果。对于我自己的圈子，我人工评价即可知道效果如何，但是如果测试其他人的数据，总是请同学帮忙验证，有些过于麻烦，而且，这样的人工评价，不利于比较。所以，我需要一个相对准确的方法来评价我挖掘出的圈子的效果如何。 我经常听有人说圈子的“准确率”，“召回率”如何如何。但是，我觉得这个也不是很直观，因为这个需要标注数据，来进行测评。那我们能否从网络拓扑结构本身入手，进行判断呢？当然可以，就是：quality function。 这个思路很早就提出来了。要分析这个思路，还要先说说社团结构的定义。对于社团结构，一直没有很好的定义，尤其是量化的定义 阅读全文