摘要： 再谈乱码问题，如何解决MYSQL数据中文乱码问题 在之前的文章里，我已经提过如何解决JSP中乱码问题（解决tomcat下中文乱码问题 ），其中也详细解说了MYSQL乱码问题，相信通过里面的办法，肯定都已经解决了JSP里的乱码问题，不过还是有些人的MYSQL乱码问题没有得到解决，包括我自己，所以又找了一些资料，希望这次能完全解决MYSQL数据库的乱码问题。 第一种方法，很精辟的总结：经常更换虚拟主机... 阅读全文

摘要： 还有两门考试，两个大作业……我的研究生课程学习阶段就戛然而止了。目前是考试为重心，大作业程序，可以得过且过的。。 这学期选了五门专业课，每门课都有个project，网络挖掘应用的作业是个pilot paper。到目前形式来看，后面的大作业可能要应付了，毕竟要先以考试为主。我没有选修过统计学习基础之类的课程，但是这学期还特意选了统计的提高课，目的就是通过做大作业强迫自己去学习... 阅读全文

摘要： 注意：本篇博文标红字部分为一处笔误的改正。非常感谢猎兔网开发工程师 罗刚指出错误。欢迎大家光临我的博客指正各种思维不周，本人不拒绝严格的批评，只要能指出具体错误，和改进方案采用这种方法首先要弄懂1.什么是二元语法模型：二元语法模型也就是一阶马尔科夫链，更通俗的说法是：一个词出现与否，仅有它前面一个词有关。举个例子：P(成|结合）*P（结合）>P(合成|结) *P（结）表示 “结合... 阅读全文

摘要： 1. 统计应用案例分析 论文 《产生式模型与判别式模型》要读完2.统计案例分析和自然语言处理大作业合二为一，产生式模型分类器：采用多项式贝叶斯，判别式模型采用 回归分类3. 网络挖掘程序部署到老师的服务器上，借助电脑的高性能将70W数据预处理工作完成建立倒排表。4. 英语听说考试 租房OR买房 资料整理。5. 这周将一些费时间的工作通通干掉，下周及以后复习考试，学习统计推断，以及论文调研。争取网络... 阅读全文

摘要： （1）语料库格式：为了防止我们作弊，老师对汉字进行了编码，让我们对“加密后”的文本进行分词两个竖线之间的部分对应于一个词。首先介绍 正向最大匹配方法第一步：数据预处理与字典形成：首先语料库转化成一个set格式，set 包含 语料库中出现的全部词形成字典Code highlighting produced by Actipro CodeHighlighter (freewar... 阅读全文

摘要： 想用C++实现一个数学味道很浓的算法，半监督多项式贝叶斯分类算法。觉得自己目前的能力还没有达到这个水平，还是先上Python吧。学C++，STL，可以找些简单的ACM做练笔。 C++处理字符串实在是太麻烦了，有个大牛同学写了个字符转换的类，看完后我吐血了。明天上课让他给讲讲吧。C++还是要学的，但是不能一口气吃成胖子，慢慢来。。。 阅读全文

摘要： 百度空间的第一文，在百度安家了。以后会在上面发一些关于研究问题的见解~。 以前在博客园发表一些文章，但是后来发现，那里更适合讨论技术问题，是技术问题的天堂，所以在百度另开一个空间，和大牛们交流学术见解。从此以后，技术性的的文章备忘发在博客园，学术性的一些拙见放在百度空间。另外百度空间也会记录下自己求学生活的点点滴滴。我的三个主要博客为： （1）学术型博客：http://hi.baidu.com/... 阅读全文

摘要： Generative modelFrom Wikipedia, the free encyclopediaJump to: navigation, searchIn statistics, a generative model is a model for randomly generating observable data, typically given some hidden parame... 阅读全文

摘要： 遍历字典for m in mydict.iteritems(): print m 阅读全文

摘要： 最近用做《计算语言学》的分词作业:用Python实现正向最大匹配算法。程序概貌倒是出来好几天了。可是一直就是有bug。调来调去的。细想下：这个程序并不难。之所以在程序调试上走了如此多弯路，是因为我在编程之初，思路就没有理清，只是知道大体操作流程，却不知道边界条件之类的。所以在实现算法之前，不妨先在纸上写好思路，形成一个伪算法。这个伪算法，不仅要包括算法梗概和框架部分，更应该包含初始条件，边界条件等... 阅读全文