Robot-Mac

CooccurrenceCountSimilarity
LoglikelihoodSimilarity
TanimotoCoefficientSimilarity
CityBlockSimilarity
CosineSimilarity
PearsonCorrelationSimilarity
EuclideanDistanceSimilarity

RPC协议的组成

几乎所有的RPC协议都会由三部分组成：
1，网络传输协议。
2，RPC接口定义。
3，数据格式转换协议。

网络传输协议可以理解为，Tcp、Udp、Http。这个是一种广义的与传输的内容无关的方式。虽然Http并不是一个标准的网络传输协议。数据格式转换协议是用于序列化反、序列化的。RPC接口定义主要用于定义主要的接口。

用白话模拟打电话，怎么打(用手机还是座机)、传什么内容(表达什么内容)、用哪国语言传(说中文还是English)。

PS：通常Java的RMI并不是一个很好的网络传输协议。
阅读全文…

经典摘录：
1，没有人能活两百岁，没有一家公司能辉煌两百年，这就是规律，很难超越。
2，AT&T的短视、逐利害死了它。
3，大家普遍认为AT&T的每一个大的决定，在当时的情况下都很难避免，即使知道它是错的。
4，在工业史上，新技术代替旧的技术是不以人的意志为转移的。人生最幸运之事就是发现和顺应这个潮流。

感想：
1，垄断都是暂时的。
2，上市意味着慢慢失去控制权。

回想现在的环境，何尝不是这种状态。

未完全翻译完，采用意译

概念

什么是Hive

Hive是一个基于Hadoop的数据仓库构件。Hadoop提供了在普通硬件上进行数据存储和处理时大规模横向扩展和数据存储的容错能力(使用了map-reduce编程模型)。

Hive被设计成可以很简单的对大容量数据进行数据统计、即时查询和分析。它提供了一个简单的查询语言叫做Hive QL。Hive QL基于SQL，可以使熟悉SQL查询的用户很简单地上手。

阅读全文…

RMSE又称为 均方根误差 。 英文全称为 ： root-mean-square error， RMS error

随机变量x的所有可能取值x1，x2，…，xn与其平均值x之差的平方和的平均值叫方差，记为D(x)，方差的正平方根叫均方差，RMSE=√D(x)，它可作为衡量测量精度的一种数值指标。

RMSE是一个简单却鲁棒的用于评估推荐精度的技术。

这个指标有两个主要特点：

1，它反映的是误差总体累加效应；

2，通过对误差计算平方，大的误差值(>1)会被放大。不管是正的还是负的；

RMSE可以说明样本的离散程度。

阅读全文…

未完成，还在补。。。
1.1  贝叶斯定理

贝叶斯定理是关于随机事件A和B的条件概率和边缘概率的一则定理。

其中P(A|B)是在B发生的情况下A发生的可能性。

在贝叶斯定理中，每个名词都有约定俗成的名称：

• P(A)是A的先验概率或边缘概率。之所以称为”先验”是因为它不考虑任何B方面的因素。
• P(A|B)是已知B发生后A的条件概率，也由于得自B的取值而被称作A的后验概率。
• P(B|A)是已知A发生后B的条件概率，也由于得自A的取值而被称作B的后验概率。
• P(B)是B的先验概率或边缘概率，也作标准化常量（normalized constant）.

按这些术语，Bayes定理可表述为：

后验概率 = (相似度*先验概率)/标准化常量

也就是说，后验概率与先验概率和相似度的乘积成正比。

另外，比例P(B|A)/P(B)也有时被称作标准相似度（standardised likelihood），Bayes定理可表述为：

后验概率 = 标准相似度*先验概率

阅读全文…

英文术语 : The similarity metric

定义

定义 已知数据库D中的两个元组t _i 和t _j ，它们的相似性sim( t _i ,t _j )是D×D到区间[ 0 , 1 ]的一个映射。因此sim( t _i , t _j ) ∈ [ 0 , 1 ]。

这样做的目的是定义相似性映射，从而使越相像的文档相似值越高。因此一个好的相似性度量应具备下面的特征：

• ∀t _i ∈ D，sim( t _i , t _j ) = 1
• ∀t _i , t _j ∈ D，如果 t _i 和 t _j 完全不同，则 sim( t _i ，t _j ) = 0
• ∀t _i ，t _j ，t _k ∈ D，如果t _k 比 t _j 更像t _i ，则sim( t _i ，t _j )< sim( t _i ，t _k ）

阅读全文…

很早之前翻译的一篇文章，保存一下。从Confluence转过来的，格式都毁了。

变量表

阅读全文…

字符串匹配不仅仅是使用正则表达式，正则表达式的效率是很难得到保障的。

StringMatch  这个PPT提供给入门级参考。这个领域极其的深，还是慎言一点好。

具体可以阅读《Jewels of stringology》这边书。

国内还有一本《柔性字符串匹配》也是非常推荐的，不过已经停版的。找到是件不容易的事情。

之前也写了很多其他的算法。但是因为AC非常高效，多串匹配上推荐使用AC。

通读Java的历史，我们发现Java从很早很早就已经将分布式开发作为一个目标。

解决异构系统、分布计算算是整个Java的核心。

无论是RPC，还是RMI，还是Corba，还是Ice，还是WebService，都是在解决分布的问题。

IcePPT  这个ppt简要描述了分布式计算的主流中间件。