HTML DOM

DOM 是 Document Object Model 的简称。DOM将文档组织成树状模型。从而将不同的文档表示成统一格式，便于文档的解析。DOM在XML解析中应用很多，其实HTML也是可以转变为DOM的。如下图所示:



把HTML直接去除标记，转化为ASCII文档，丢失了这种层次结构，损失了部分信息。而DOM是一个无损的HTML文档表示方法。可以方便的解决HTML在内存中的表示问题。

设计模式 -- 单件 Singleton

目前C++中的一个主要问题就是数据的传递。传统的 C++有3种数据传递的方式：传值，传引用，传指针。对于小的对象，不如int,double，传值是很快的。但是对于大的对象，比如字符串，含有数据的类等等，传值时要拷贝对象，但是拷贝大的对象是很慢的。

对于这个问题，可以传指针，但这是C中的方法，而且指针容易造成内存泄露。C++中的解决方案是引用。但是引用也有问题，会造成类的设计比较复杂，函数的参数过多。

于是就有单件的设计模式。单件可以实现传值的语义。他其实封装了传指针，最简单的单件实现很简单( 可见 Modern C++ Design )，他只创建一个对象，如果对象没有创建，则创建，否则就返回创建好的对象( 这就是单的意思吧，在内存中只保留一个对象 )

在设计时，凡是含有大量数据的类，都可以设计成一个单件。这样可以最大的减少拷贝的代价。

Modern C++ Design是C++设计模式中比较著名的一本书，Loki是C++设计模式的一个库。

Grpah and PageRank

自从PageRank算法产生以来，它已经被用到越来越多的地方。一般来说，有Graph的地方就有PageRank。

PageRank是一个基于图的排名算法，这一算法很像选举政治，一切实体的地位由投票决定。

有了图的rank算法，现在的主要问题就是如何把我们需要rank的东西转化为Graph，现在这个是很多人研究的领域。

1. WebPage通过url形成page之间的关系，从而构成图，最早的pagerank就是基于WebPage的排名提出的
2. 实体Entity之间通过在一张网页或者一篇文章中co-occurence产生联系，这方面比较著名的研究是 polyphonet an advanced social network extraction system from the web 一文。
3. 文本的图表示，我前面也说过，可以建立句子的图，或者词的图
4. 还有语义网络...

总之，Graph-based表示比以前的向量表示前进了一步，他更多的保留了物体的信息。和向量模型一样，Graph模型也需要解决以下问题。

1. 模型的建立，特征提取。
2. 模型的匹配，也就是模型的相似度计算，这涉及到分类器的设计。

互联网创业什么要注意什么？

转载自 http://www.douban.com/group/topic/1410869

2006年是youtube被收购，结果中国出来200多个tube。现在一些还在做吧，出来了一个flickr，结果中国也出来一堆xlickr。相信其中一些能够做好，但不是每一家公司。
　　
互联网创业的诱惑在于：是个人就可以开始做，危险在于：竞争太强，因为谁都可以做，残酷在于：市场上只有第一，也许有第二，基本上没有第三第四。所以，在互联网上创业，需要注意几点：

1. 注意大个子，如果微软或Google想做这件事情，那你要认真考虑还做不做；
2. 注意自己的局部优势，要是在自己的一亩三分地还没有优势，那就要考虑自己对准的市场是不是太大？
3. 注意自己的市场，是不是没有成长潜力，要是是一个萎缩中的市场，你当然要考虑了；
4. 注意自己产品的可用性和价值，没有这个，什么都不用说了；
5. 注意自己的竞争策略，为什么自己能够在竞争中存在下去？什么？没有竞争？那再想想看自己的妙主意真得有市场吗？为什么全世界都没有想到，答案很可能是：那根本不是好主意。
   

文档的图表示

在信息检索和搜索中,对文本的处理是至关重要的．在文本处理中，文本的表示是第一步．传统的文本表示方法是将文本表示成关键词集合，也就是一个一维向量．这一表示有很多的优点．但是他在文本处理中，过多的损失的文本的信息，所以目前有一种文本的图表示方法．

这一表示方法不仅考虑图中的关键词，而且考虑关键词之间的关系．也就是将文本表示成一个关键词的图(Graph)，在图表示中，主要的就是图的顶点和边。

顶点 ：关键词
边 ：2个顶点之间有一条边，那么这两个顶点的关键词，在文本中的距离小于N。

也就是说两个关键词之间的联系取决于两个词在图中的距离。这个距离定义为词在分词序列中的距离。

转换到新版了

嘿嘿嘿，终于转换到Blogger的新版了。

amule

Linux 下的 emule,用了一下，感觉不错。

在FC6上设置yum的国内镜像更新源

转载自:http://blog.csdn.net/calories/archive/2006/12/08/1435526.aspx

刚装了FC6，由于在教育网，无法使用yum默认的国外更新源，因此需要将其设置为国内镜像站点。在网上找了一圈，发现清华的 ftp://ftp3.tsinghua.edu.cn这个更新源不错。参考网上的一些方法，设置yum更新源步骤如下：

1. 将/etc/yum.repos.d/下的已有更新源(repo文件)的enable改为0。为了方便起见，可以直接 mv /etc/yum.repos.d /etc/yum.repos.d.bak重命名，这样就让系统找不到原有的repo文件了。

2. 修改/etc/yum.conf文件，添加如下内容：
# PUT YOUR REPOS HERE OR IN separate files named file.repo
# in /etc/yum.repos.d

[extras]
name=Fedora Extras $releasever - $basearch
baseurl=ftp://ftp3.tsinghua.edu.cn/mirror/download.fedora.redhat.com/pub/fedora/linux/extras/6/i386
enabled=1

[updates]
name=Fedora Core $releasever - $basearch - Updates
baseurl=ftp://ftp3.tsinghua.edu.cn/mirror/download.fedora.redhat.com/pub/fedora/linux/core/updates/6/i386
enabled=1
gpgcheck=1
gpgkey=file:///etc/pki/rpm-gpg/RPM-GPG-KEY-fedora

[core]
name=Fedora Core $releasever - $basearch
baseurl=ftp://ftp3.tsinghua.edu.cn/mirror/download.fedora.redhat.com/pub/fedora/linux/core/6/i386/os
enable=1
gpgcheck=1
gpgkey=file:///etc/pki/rpm-gpg/RPM-GPG-KEY-fedora file:///etc/pki/rpm-gpg/RPM-GPG-KEY

3. 经过上述步骤后，就可以使用速度较快的国内镜像站点作为yum更新源了。

比较著名的web2.0网站

http://www.web2logo.com
上面这个网站记录了现在网上比较著名的web2.0网站。