冲刺 计划 day 1

英语：  

       1.背了4个单元的单词   -------------------完成

       2.听力练习一套-------------------------错误10/25

  

算法与数据结构

      1.

package com.offer;
//二维数组，每一行都是递增的；
//每一列也是递增的
// 1 2 8 9
// 2 4 9 12
//4 7 10 13
//6 8 11 15 如果查找7 返回true，5没有返回false

public class FindInArray{
    public boolean find(int matrix[][],int rows,int columns, int number ){
        int row = 0;
        int column = columns - 1;
        if(matrix !=null && rows >0 && columns >0){
          while(row <rows && column >0){//以列为基准，列只能减，行只能加；
            if(matrix[row][column] ==number){
                return true;
                }
            else if(matrix[row][column]>number) {
                column--;               
            }
            else ++row;
        }
      }
    return false;
    }
    public static void main(String args[]){
        int matrix[][]={{1,2,8,9},
                        {2,4,9,12},
                        {4,7,10,13},
                        {6,8,11,15}};
        FindInArray fi = new FindInArray();
        System.out.println(fi.find(matrix, 4, 4, 5));
        System.out.println(fi.find(matrix, 4, 4, 7));
        System.out.println(fi.find(matrix, 4, 4, 0));
                }
}

      2.

package com.offer;
//实现一个函数将字符串中每个空格替换成“%20”。
public class ReplaceSpace{
    public String replace1(String s){
        String s1 = new String("");
          for(int i=0;i<s.length();i++){
              if(s.charAt(i) ==' '){
                  s1 = s1+"%20";
              }
              else s1= s1+s.charAt(i);
          }
        return s1.toString();
    }
    public String replace2(String s){
        return s.replaceAll(" " , "%20");
    }
    public static void main(String args[]){
    ReplaceSpace rs = new ReplaceSpace();
    System.out.println(rs.replace1("my name is cc"));
    System.out.println(rs.replace2("my name is cc"));
    }
}

      3.

package com.offer;
//从尾到头打印链表
import java.util.Collection;
import java.util.LinkedList;
import java.util.List;
import java.util.Stack;
class Node{
   int value;
   Node next;
   Node(int i){
       this.value=i;
   }
}
public class PrintListNode{
    void print(Node node){
        Stack<Node> stack = new Stack<Node>();
        if(node == null){
            return;
        }
        for(;node!=null;node = node.next){
            stack.push(node);
        }
        while(!stack.empty()){
            System.out.println(stack.pop().value);
        }
    }
   public static void main(String args[]){
       Node node = new Node(0);          
       Node node1 = new Node(1);
       Node node2 = new Node(2);
       Node node3 = new Node(3);
       node.next=node1;
       node1.next=node2;
       node2.next=node3;
       node3.next=null;
       PrintListNode pln = new PrintListNode();
       pln.print(node);
       //
      List l = new LinkedList();
         int[] c = {2,3,4,5,6};
       for (int i :c){
           l.add(i);
         }
       for(int i = l.size()-1;i>=0;i--){
           System.out.println(l.get(i));
       }
   }
}

机器学习与数据挖掘

     1.

     2.

论文阅读总结

       1.Co-Author Relationship Prediction inHeterogeneous Bibliographic Networks

           Yizhou Sun  Rick Barber

      论文关于网络中对象间互动和可预测关系问题。合著关系预测是比较人们的研究问题。在很多研究里关注的都是同构网络，只有通常哟种类型，这篇文章通过构建异构网络和基于元路径的PathPredict方法来解决合住关系预测。首先从异构网络中提取元路径特征，然后通过监督学习计算不同元路径的最优权值。结论是这种方法的结果比较精确而且对理解合住关系的产生机制很有帮助（为什么他们会合著）。

       2.PathSim:Meta Path-Based Top-k Similarity Serch in Herogeneous Infor Mation NetWorks

         Yizhou Sun  Jiawei Han

      研究相似性很重要，但是现在的很多方法都是基于同构，语义连接没有被考虑，因此上面的很多方法不能应用在异构网络中。这篇文章定义了异构网络中相似的对象，并且额还考虑了不同的语义连接。首先介绍元路径的概念.提出了一个基于元路径的计算框架----PathSim能够找到对象的相似。peer.与随机游走算法相比较，这种方法的速度很快，可拓展性很强。而且实验发现元路径的长度太长准确度会下降，所以元路径的选取长度要适中。

       3.Integrating Meta-Path Selection With User-Guided Object Clustering in Heterogeneous Information Networks

      Yizhou Sun Brandon Norick

  现实世界中，对象经常是复杂类型的，且相互关联。在异构网络中产生聚类，因为不同的语义驱动就会产生不同的结果。本文通过元路径的概念来控制聚类，以便区分。用户首先给一些seeds,通过例子要比权重结合的方法要简单的多。提出了基于用户指导的异构网络中聚类产生方法。首先用户先给出一些例子作为seed,然后系统通过调整原路径的权值来适应聚类的结果，学到元路径相关权重。PathSelClus.实验数据即也有

       4.Characterizing the Life Cycle of Point of Interests Using Human Mobility Patterns

   XinJiang Lu Zhiwen YU

POI兴趣点反应了用户的特别位置，大规模的推荐系统关注的是poi点，而这篇文章关注与poi圈，产生poi cycle 有两个很重要的原因：1.探究时空依赖下的Poi联系。2.用户的移动规划隐藏在pois 的联系中。

通过一系列连续的时间窗口，设计了一个算法，对life cycle进行了建模。

       5.Meta-Path-Based Search and Mining in Heterogeneous Information Newworks

      Yizhou Sun  jiawei Han

      6. What’sYour Next Move : User Activity Prediction in Loation_based Social Networks

    Jihang Ye Zhe Zhu

     基于位置的社交网络（LBSN）变得很火，为了使服务和广告更精准，一个用胡下一个位置的预测就变得很重要了。这篇文章通过签到目录朔造可理解的用户移动模式。构建用户活动的目录的隐马尔科夫模型预测下一个在给定了位置分布下的最有可能的位置。优势是减少了预测空间（prediction space) 和关于用户活动精确的语义表达（隐藏了）。

     7.User Guided Entity Similarity Search Using Meta-Path Selection In Heterogeneous Information Networks.

     8.Query_Drivern Discoery of Semantically Similar Substructures in Herogeneous Networks.

     9.when will it happen?—Relationship in Heterogeneous Information Networks

      Yizhou sun  Jiawei Han

与大多数关注与是否建立联系不同， 本文关注与建立联系的时间。通过对建立关系的时间分布进行提取建模（关注与拓扑特征）。

     10.Exploring Million of Footprints in Location Sharing Services

     Zhiyuan Cheng  James Caverlee

  这篇文章研究了220000用户的22百万签到数据，研究时空约束下的异动情况。

   Levy Flight 移动模式，   移动模式跟个体的收入有关， 可以发现语义。