摘要：
JDK5中的一个亮点就是将Doug Lea的并发库引入到Java标准库中。Doug Lea确实是一个牛人，能教书，能出书，能编码，不过这在国外还是比较普遍的，而国内的教授们就相差太远了。一般的服务器都需要线程池，比如Web、FTP等服务器，不过它们一般都自己实现了线程池，比如以前介绍过的Tomcat、Resin和Jetty等，现在有了JDK5，我们就没有必要重复造车轮了，直接使用就可以，何况使用也很方便，性能也非常高。Java代码packageconcurrent;importjava.util.concurrent.ExecutorService;importjava.util.concur 阅读全文
摘要：
B- 树和B+-树是重要的两个用于数据检索的数据结构，广泛用在文件系统、数据库和数据检索中。【重申】没有“B’减’树”这样的树，在之前的’-’ 是个横杠杠B- 树类似于二分查找树。但不同于二分查找树，B 树可以有多个孩子节点，这样树的深度就不会太深，其次B 树是平衡树，即所有叶子节点到根节点路径长度一样，所有非叶子节点的孩子节点都满足一定条件（不少于、不多于m，m 为阶数），这样查找一个节点就不会便利太深。对B 树有这样的限制：非叶子节点有至少个、至多m 个子节点根节点可以至少有两个节点所有叶子节点在同一层有k 个子节点的非根节点恰好包含k-1 个关键码（key）满足上面四个要求的树就是B 树 阅读全文
摘要：
二分图：是这样一个图，它的顶点可以分类两个集合X和Y，所有的边关联在两个顶点中，恰好一个属于集合Ｘ，另一个属于集合Ｙ。最大匹配： 图中包含边数最多的匹配称为图的最大匹配。完美匹配： 如果所有点都在匹配边上，称这个最大匹配是完美匹配。最小覆盖： 最小覆盖要求用最少的点（Ｘ集合或Ｙ集合的都行）让每条边都至少和其中一个点关联。可以证明：最少的点（即覆盖数）＝最大匹配数最小路径覆盖：用尽量少的不相交简单路径覆盖有向无环图Ｇ的所有结点。解决此类问题可以建立一个二分图模型。把所有顶点i拆成两个：Ｘ结点集中的i和Y结点集中的i',如果有边i->j，则在二分图中引入边i->j'，设 阅读全文
摘要：
不重复的关键在于爬虫记住爬行的历史.只有记住过去才可能不重复。爬虫记录历史的方式是散列表(也称为”杂凑表，’).每一条记录是否被抓取的信息存放在散列表的某一个槽位上。如果某网页在过去的某个时刻已经被抓取，则将其对应的槽位的值置I;反之置0,而具体映射到哪一个槽位，则由散列函数决定。 I . MD5签名函数 在介绍散列表前，首先简单了解一下MD5签名函数。MD5签名是一个散列函数，可以将任意长度的数据流转换为一个固定长度的数字(通常为4个整型数，即128位)。这个数字称为.‘数据流的签名”或者‘·指纹”.并且数据流中的任意一个微小的变化都会导致签名值发生变化。 将URL字符串数字化是通 阅读全文
摘要：
Bellman-Ford算法能在更普遍的情况下（存在负权边）解决单源点最短路径问题。对于给定的带权（有向或无向）图G=（V,E），其源点为s，加权函数w是边集E的映射。对图G运行Bellman-Ford算法的结果是一个布尔值，表明图中是否存在着一个从源点s可达的负权回路。若不存在这样的回路，算法将给出从源点s到图G的任意顶点v的最短路径d[v]。Bellman-Ford算法流程分为三个阶段：（1）初始化：将除源点外的所有顶点的最短距离估计值d[v]←+∞, d[s] ←0;（2）迭代求解：反复对边集E中的每条边进行松弛操作，使得顶点集V中的每个顶点v的最短距离估计值逐步逼近其最短距离；（运行| 阅读全文
摘要：
第一阶段：练经典常用算法，下面的每个算法给我打上十到二十遍，同时自己精简代码，因为太常用，所以要练到写时不用想，10-15 分钟内打完，甚至关掉显示器都可以把程序打出来.1.最短路(Floyd、Dijstra,BellmanFord)2. 最小生成树(先写个prim,kruscal要用并查集，不好写)3.大数（高精度）加减乘除4.二分查找. (代码可在五行以内)5.叉乘、判线段相交、然后写个凸包.6.BFS、DFS,同时熟练hash表(要熟，要灵活,代 码要简)7.数学上的有：辗转相除（两行内），线段交点、多角形面积公式.8. 调用系统的qsort, 技巧很多，慢慢掌握.9. 任意进制间的转换 阅读全文
摘要：
在介绍最小生成树算法（MST）之前，简单说一下平均链接算法（average-link）的实现过程，平均链接聚类算法和单链接类似，多了计算聚类之间距离矩阵的步骤 实现步骤如下： 1，将元素各成一组，把这些组放入容器H 2，循环元素距离数组，根据两层下标得到将要比较的两个元素A,B 3，在H中分别查找含有A，B的组AH，BH。假如AH不等于BH（也就是A，B不同组）， AH和BH的距离累加A，B的距离。 4，得到组间距离数组后，循环比较组间距离与阀值，小于阀值，则此两组合并成一组，合并之前把H中的两个作为比较的原始组删除。 ... 阅读全文
摘要：
简介：本系列的第一篇为读者概要介绍了推荐引擎，下面几篇文章将深入介绍推荐引擎的相关算法，并帮助读者高效的实现这些算法。 在现今的推荐技术和算法中，最被大家广泛认可和采用的就是基于协同过滤的推荐方法。它以其方法模型简单，数据依赖性低，数据方便采集 , 推荐效果较优等多个优点成为大众眼里的推荐算法“No.1”。本文将带你深入了解协同过滤的秘密，并给出基于 Apache Mahout 的协同过滤算法的高效实现。Apache Mahout 是 ASF 的一个较新的开源项目，它源于 Lucene，构建在 Hadoop 之上，关注海量数据上的机器学习经典算法的高效实现。集体智慧和协同过滤什么是集体智慧集体 阅读全文
摘要：
推荐中的协同过滤算法简单说明下：首先，通过分析用户的偏好行为，来挖掘出里面物品与物品、或人与人之间的关联。 其次，通过对这些关联的关系做一定的运算，得出人与物品间喜欢程度的猜测，即推荐值。 最后，将推荐值高的物品推送给特定的人，以完成一次推荐。 这里只是笼统的介绍下，方便下边的理解，IBM的一篇博客对其原理讲解得浅显易懂，同时也很详细《深入推荐引擎相关算法 - 协同过滤》，我这里就不细讲了。 协同过滤算法大致可分为两类，基于物品的与基于用户的；区分很简单，根据上面的逻辑，若你挖掘的关系是物品与物品间的，就是基于物品的协同过滤算法，若你挖掘的关系是用户与用户间的，就是基于用户的协同过滤算... 阅读全文
摘要：
本文将介绍三种动态hash方法。 散列是一个非常有用的、非常基础的数据结构，在数据的查找方面尤其重要，应用的非常广泛。然而，任何事物都有两面性，散列也存在缺点，即数据的局部集中性会使散列的性能急剧下降，且越集中，性能越低。 数据集中，即搜索键在通过hash函数运算后，得到同一个结果，指向同一个桶，这时便产生了数据冲突。 通常解决数据冲突的方法有：拉链法(open hashing)和开地址法(open addressing)。拉链法我们用的非常多，即存在冲突时，简单的将元素链在当前桶的最后元素的尾部。开放地址法有线性探测再散列、二次线性探测再散列、再hash等方法。 以上介绍的解决冲突的方法，存 阅读全文