摘要：
很庆幸，我还能坐在咖啡馆中写博客。很庆幸，我熬过了所谓的世界末日，来到了2013。随着“世界末日”一天天远去，关于末日的讨论和话题也慢慢淡忘，但不管怎样，我们应该跟过去说再见，跟烦恼说再见，跟自己的缺点说再见，从现在开始重新活一次，活的更有质量，更精彩，就像已经死过一次一样。这样才能更加珍惜现在的生活，珍惜身边的亲人和朋友，珍惜所从事的工作，珍惜所有人和事。很庆幸，我的2012年很精彩，让我难以忘记。家庭和睦，爱情甜美，基情四射，5次旅行，9个城市，1段宝贵的实习经历，将近10个工作offer，将我所有的烦恼冲淡，回想这一年，我无比欣慰，并充满了感激。还是学生身份的我，得以有这么多的机会外出旅 阅读全文
摘要：
经过3个月的笔试，面试，再笔试，再面试，终于把工作的事情基本搞定了。这一段时间可谓是真刀真枪，紧张激烈，好在结果还算让人满意。之所以要写这个面经，主要是想介绍一些找工作的经验，特别是对于一个来自于非985学校的毕业生，如何找到自己的定位，准备面试。希望我的经历可以对后来人有所帮助，也欢迎大家多多跟我交流，有什么问题都可以随时留言，我必知无不言，言无不尽。先说说我的战绩，只陈述事实，绝无他意：（按时间顺序）得到offer的公司：百度商务搜索部，人人网搜索部，搜狗网页搜索部，阿里巴巴集团杭州总部算法研发工程师，安管家公司(腾讯投资的一个创业工资)，盘古搜索，Garena公司(Singapore)面 阅读全文
摘要：
转过来以后备用～根据自己喜好可以进行额外修改, 放在~/.vimrc即可 :)vimrc 的语法规则是用双引号作为行注释开始, 类似 C/C++ 里的 // 注释1234567891011121314151617181920212223242526272829303132set nocompatible " 非 vi 兼容模式syntax on " 色彩高亮filetype on " 识别文件类型set number " 显示行数set ruler " 显示当前位置于右下角set backspace=2 " 设置 backspace 阅读全文
摘要：
转载一篇文章，作为记录，有时间去看一遍～为了方便大家从理论到实践，从入门到精通，循序渐进系统地理解和掌握推荐系统相关知识。特做了个读物清单。大家可以按此表阅读，也欢迎提出意见和指出未标明的经典文献以丰富各学科需求（为避免初学者疲于奔命，每个方向只推荐几篇经典文献）。1. 中文综述(了解概念-入门篇)a) 个性化推荐系统的研究进展b) 个性化推荐系统评价方法综述2. 英文综述(了解概念-进阶篇)a) 2004ACMTois-Evaluating collaborative filtering recommender systemsb) 2004ACMTois -Introduction to R 阅读全文
摘要：
因为经常遇到各种错误，所以转载过来，以备忘：经常遇到的exception是：PipeMapRed.waitOutputThreads(): subprocess failed with code N"OS error code 1: Operation not permitted""OS error code 2: No such file or directory""OS error code 3: No such process""OS error code 4: Interrupted system call" 阅读全文
摘要：
上次介绍了信息检索技术——布尔检索，布尔模型已经可以解决一个很重要的问题，就是找到和用户需求相关的文档(其中还需要很多处理，比如分词，归一化，去掉停用词等等，我们只是介绍主要的框架流程)。但是这样找到的文档会有很多，也许上千个，也许上万个，这远远不是用户所要的。用户也不会去从几万个文档中挑选自己要找的。因此我们需要对结果进行排序，把最能满足用户需求的文档放在最上面显示给用户，就像google和baidu做的一样。细心的朋友就能发现，其实信息检索是一个循序渐进的剪枝和筛选过程，最后留下的就是用户想要的。因此，我们需要一种评分机制来进行排序，通过得分的高低排除top N的文档返回给用户。这个评分通 阅读全文
摘要：
前一阵子和大家分享了一系列排序算法，希望对大家能够有一些帮助。从今天开始，本人打算开展一个新的领域，介绍一下信息检索相关的技术。信息检索技术可以说现如今发展非常迅速，使用也极其广泛，甚至可以说是随处可见。特别是做一些跟搜索引擎，机器学习相关工作时，信息检索的知识无处不在。为了让大家更好的理解信息检索技术，我将分多次对信息检索技术做一个尽可能细致的阐述，难度由浅及深，欢迎大家多多拍砖。今天先介绍最简单的信息检索技术，布尔检索。信息检索(IR)，通俗的讲，就是要在一个很大的文本(有时可能是其他数据，如图像等)集合中，找到与用户需求相关的可以满足用户需求的非结构化信息。听起来有点拗口，其实就是一种查 阅读全文
摘要：
前一阵子一直在写排序的系列文章，最近因为一些事情耽搁了几天，也穿插了几篇其他类别的随笔。今天还是回到排序上面来，善始善终，呵呵。今天要介绍的也是一种效率很高的排序——堆排序思想堆排序，顾名思义，就是基于堆。因此先来介绍一下堆的概念。堆分为最大堆和最小堆，其实就是完全二叉树。最大堆要求节点的元素都要大于其孩子，最小堆要求节点元素都小于其左右孩子，两者对左右孩子的大小关系不做任何要求，其实很好理解。有了上面的定义，我们可以得知，处于最大堆的根节点的元素一定是这个堆中的最大值。其实我们的堆排序算法就是抓住了堆的这一特点，每次都取堆顶的元素，将其放在序列最后面，然后将剩余的元素重新调整为最大堆，依次类 阅读全文
摘要：
今天来说一个简单的需求：在一个序列中找到第二大的元素。一眼看到这个问题，感觉解决的方法有很多，因为这并不是一个困难的问题。随便一想，能有下面几种解法：1 首先排序，然后取第二个位置的元素2 循环遍历元素序列，找到最大的元素，然后将其移除。再重复此过程，得到第二大的元素当然还有其他的思路，这里就不一一列举了。如果大家有什么好的想法，可以给我留言，咱们一起探讨。仔细分析一下，不难发现，上面的方法虽然可以达到目的，但是效率都不高。第一种方法相当于一次排序过程，最快也要O(nlogn)的时间才能完成。而第二种方法需要循环遍历序列两次，O(n)+O(n)的时间复杂度虽然不是无法接受，但毕竟还是要循环两次 阅读全文
摘要：
今天在使用hadoop时遇到一个需求，要将具有一定关系的若干个大表进行合并join，乍看起来比较困难。但是仔细分析了一下，还是可以比较好的解决问题的。况且在海量数据处理中，这是一个非常普遍常见的需求。因此写下来和大家分享一下。如果哪为仁兄看后有更好的办法，咱们也可以切磋一下。欢迎拍砖，哈哈。下面描述一下需求，有如下两种数据数据Akey value1 value2 value3...valuen数据Bvalue1 a1 a2 a3....anvalue2 b1 b2 b3....bn...valuen x1 x2 x3...xn目标数据key value1 a1 a2 a3...an value 阅读全文