摘要： “什么是做博士的目的？”在我选定研究方向，正准备挽起袖管大干一番的时候，我们的院长尼科·海博曼问了我这个问题。我想都没想，脱口而出，“就是在某一个领域做出重要的成果。”“不对。”尼科·海博曼教授不假思索地否定了我。他告诉我，“读博士，就是挑选一个狭窄并重要的领域作研究，毕业的时候交出一篇世界一流的毕业论文，成为这个领域里世界首屈一指的专家。任何人提到这个领域的时候，都会想起你的名字。” 海博曼教授的“做世界某一个领域的一流”的观点，让我十分震惊，我从未奢望在20多岁时走到某个领域的顶峰，但是这种“要做就要做到最好”的激励，我始终铭记在内心深处。 看到了我的兴奋，海博曼教授问 阅读全文

摘要： 语言模型（Language Model）是描述自然语言内在规律的数学模型。构造语言模型是计算语言学的核心。在实践中，语言模型广泛地用于语言识别、手写体文字识别、机器翻译、键盘输入、信息检索等研究领域。 语言模型可分为传统的文法型语言模型和基于统计的语言模型。文法型语言模型是人工编制的语言学文法，文法规则来源于语言学家掌握的语言学知识和领域知识，但这种语言模型不能处理大规模真实文本。为满足这一需求，基于统计的语言模型应运而生。这种语言模型通常是概率模型，计算机借助于统计语言模型的概率参数，可以估计出自然语言中每个句子出现的可能性，而不是简单的判断该句子是否符合文法。常用统计语言模型，包括了N.. 阅读全文

摘要： Based on existing job: 以一个已经有的抓取任务为模版，创建所有抓取属性和抓取起始URL的列表；Based on a recovery: 在以前的某个任务中，可能设置过一些状态点，新的任务将从这个设置的状态点开始；Based on a profile: 专门为不同的任务设置了一些模版，新建的任务将按照模版来生成；With defaults: 表示按默认的配置来生成一个任务 阅读全文

摘要： Eclipse中配置使用Heritrix-1.14.41. 下载并解压heritrix-1.14.4-src.zip和heritrix-1.14.4.zip;2. 在Eclipse中新建java project，项目名定为HeritrixProject;3. 将解压后的heritrix-1.14.4-src.zip中src/java/下的com,org,st文件夹复制到工程的src目录下;4. 将src/conf下的modules,profiles,selftest文件夹和heritrix.propertries,jndi.properities文件复制到工程的src目录下;5. 解压heri 阅读全文

摘要： java为数据结构中的映射定义了一个接口java.util.Map;它有四个实现类,分别是HashMap Hashtable LinkedHashMap 和TreeMap：Map主要用于存储健值对，根据键得到值，因此不允许键重复(重复了覆盖了),但允许值重复。Hashmap 是一个最常用的Map,它根据键的HashCode 值存储数据,根据键可以直接获取它的值，具有很快的访问速度，遍历时，取得数据的顺序是完全随机的。HashMap最多只允许一条记录的键为Null;允许多条记录的值为 Null;HashMap不支持线程的同步，即任一时刻可以有多个线程同时写HashMap;可能会导致数据的不一致。 阅读全文

摘要： Map接口源代码如下：public interface Map<K,V> { boolean containsKey(Object key); boolean containsValue(Object value); V get(Object key); V put(K key, V value); V remove(Object key); // @param m mappings to be stored in this map. void putAll(Map<? extends K, ? extends V> m); void clear(); //... 阅读全文

摘要： 网络 I/O 优化 网络 I/O 优化通常有一些基本处理原则： 1、一个是减少网络交互的次数：要减少网络交互的次数通常我们在需要网络交互的两端会设置缓存，比如 Oracle 的 JDBC 驱动程序，就提供了对查询的 SQL 结果的缓存，在客户端和数据库端 都有，可以有效的减少对数据库的访问。关于 Oracle JDBC 的内存管理可以参考《 Oracle JDBC 内存管理》。除了设置缓存还有一个办法是，合并访问请求：如在查询数据库时，我们要查 10 个 id，我可以每次查一个 id，也可以一次查 10 个 id。再比如在访问一个页面时通过会有多个 js 或 css 的文件，我们可以将多个.. 阅读全文

摘要： HashMap和HashSet是JavaCollectionFramework的两个重要成员，其中HashMap是Map接口的常用实现类，HashSet是Set接口的常用实现类。虽然HashMap和HashSet实现的接口规范不同，但它们底层的Hash存储机制完全一样，甚至HashSet本身就采用HashMap来实现的。通过HashMap、HashSet的源代码分析其Hash存储机制实际上，HashSet和HashMap之间有很多相似之处，对于HashSet而言，系统采用Hash算法决定集合元素的存储位置，这样可以保证能快速存、取集合元素；对于HashMap而言，系统key-value当成一. 阅读全文

摘要： Be Careful With Transient DataJava's serialization provides an elegant, and easy to use mechanism for making an object's state persistent. While controlling object serialization, we might have a particular object data member that we do not want the serialization mechanism to save.To turn off 阅读全文

摘要： HashSet实现Set接口，由哈希表（实际上是一个HashMap实例）支持。它不保证set的迭代顺序；特别是它不保证该顺序恒久不变。此类允许使用null元素。HashSet在Java中的源代码实现：publicclassHashSet<E> extendsAbstractSet<E> implementsSet<E>,Cloneable,java.io.Serializable { staticfinallongserialVersionUID=-5024744406713321676L; //底层使用HashMap来保存HashSet中所有元素。 pri 阅读全文