箭扣长城

国庆前的事情了也没有来得及整理，简单记录下

去的过程很曲折

1. 一行人包车前往，坑爹的师傅导航到了前山，结果又绕了100里路才到了后山住的地方


2. 去住的地方在所谓的生态园内，过路费按人头


3. 从上地过去花了5个小时- -

农家乐还是挺不错的，吃的很实在，尤其是我们饿了，晚上住通铺，各种基情，第二天一大早出发了，路程还是比较惊险，有的地方甚至用到了绳子，上几张图。

推荐Coursera.org

最近在学习machine learning的课程，感觉Coursera的这个课程非常赞，不过分的说，是我从出生以来觉得上的最好的课程，没有之一，好东西不敢独享，拿出来和大家share一下。

该站点创始人为Andrew Ng（斯坦福的机器学习大牛教授，同时也是Google 的员工，搞过ML的同学应该了解）。

该站点致力于：

Take the World's Best Courses, Online, For Free.

• Learn with videos, quizzes, and assignments


•  Interact with thousands of other students


• Advance your knowledge and career

目前有大约124个courses，跨越了17个categories，来自16所美国的顶级大学，详情可以到站点了解。

说点干货：为什么我认为这个课程非常赞（针对ML课程）

• video很赞，循序渐进，基础要求低；板书详细而且写写画画一应俱全；这个是最好的干活


• course wiki全，将课程所述核心全部记录并解释


• review question和programming exercise针对性强，rq针对每个解答都有解释，pe结合实践较强


• 其他discussion，help等，通过和其他同学交互，学习更多

六一泰山行

作为组织bui委会一员，6.1下午带领大家浩浩荡荡杀向五岳至尊。行程是这么滴，下午高铁过去，吃喝山东菜，晚上好好睡，第二天早起爬山，下午缆车下来，火速返京，恩。

北京-泰安的高铁，两个小时，两把三国杀的时间。

安顿在实现安排的汉庭，品尝了山东菜，头天晚上在路边摊high了很久，各种吃西瓜，喝啤酒，吃烧烤，不亦乐乎。

翌日，5点大家就爬起来了，兴奋异常，肯德基还没开张，只好坐等。

酒足饭饱之后，登上咯。

哥哥我起初走起轻盈的小步伐

 

逐渐地，台阶渐陡



等到中天门，好多妹子已经hold不住了，改作缆车，哥当然杠杠的，不过还是备个红牛先（事实证明了哥的远见）。中天门之后，路变得更陡，山也更加险峻

到了18盘，是这么个情况了，肿么样，软了没有，不是吓软，而是累的，各种用拐杖有木有，这个时候红牛就给上力了。



终于到顶了，路过一堆文艺的地方，不知道叫啥 - -，这个地方人比路上人多，主要是好多做缆车上来的，他们亏大了，没有走18盘



看日出那地方，附件有个宾馆，我管它叫“宾馆有个球用”

下面就是返程了，按下不表鸟。

tips：

• 关于带衣服，晴天的话顶多需要外套，男生甚至于可以不带，T恤足以（我被一哥们坑了，让我带毛衣，累死爹啊）


• 爬台阶走蛇形路线，腿舒服一点


• 红牛搞起


• 且爬且休息，欣赏风景，一鼓作气反倒更累

《搜索引擎信息检索实践》 notes 之showing the result

此章节主要描述通常的搜索引擎的搜索结果的组成部分，以及可能涉及的比较关键的问题，问题的解决简单提及，并未深究。

1.结果页和snippet

Google搜索flower的结果，其中最上面有底色的是广告。

搜索结果由一系列的文档摘要组成，每条摘要包括title，url，cache，snippet（概述文档内容），匹配的关键字往往会高亮（加粗或者其他颜色），而这其中snippet对用户判断搜索结果是否相关至关重要，下面就来看一下相关的知识。

snippet generation
snippet是文本摘要提取的一个分支。区别在于snippet产生不仅要包括和query无关的摘要，而且还要包括和query相关的摘要。

文本摘要技术始于1950s（Luhn），他的方法是基于重要度因子（significance factor，即为SF）对文档中的所有句子进行排序，选择top的几个句子作为摘要。而句子的SF取决于word的SF。而重要的word是指中等频率的word。
计算句子的SF方法如下

• 找到重要的word


• 找到重要的text span，text span由重要的word，和其他word组成，而其中两个重要的word中间的非重要的word数目不能超过k（通常为4），然后计算text span的重要度，为m2/n，m为重要的word的个数，n为text span的长度


• 句子中重要度最大的text span的重要度即为句子的重要度因子

snippet的生成可以看成是Luhn的方法在寻找重要的word和如何选择句子的阶段做一些变体。如选择重要word，计算word的频度的时候，可能会针对文档中句子的个数做一些平滑。而如何选择句子往往会考虑到句子在文档中的位置信息，是否是标题，是否是第一行，句子中的query term的个数等等。在网页中，有时候考虑metadata，这些数据中包括description，而其他的如wiki，则有对应的简单的入口可以作为摘要。

最重要的一点是，query中的所有term尽可能出现在snippet中，以表明query和文档的关系。

2.搜索和广告

广告是搜索引擎的收入来源，搜索结果中展示广告称为sponsored search。

sponsored search并不是简单的文本搜索，需要考虑到更多经济学和博弈论相关的知识。
先从retrieval的角度来看，问题的关键是做短文本之间的匹配，query和广告都很短，假如做匹配或者相似度计算，内容显得单薄，因此文本扩展的技术非常重要，文本扩展通常使用的技术包括两种：

• query reformation，利用session log来扩展出query reformation的list来代表query


• 使用搜索结果扩展，将广告的文本或者query的文本的搜索结果来代表query或者广告

关于排序，广告的排序往往会考虑广告的质量和bid，而质量往往和相关性和点击率相关，即大概是rank by(ctr * relative * bid)

3.结果聚类

记得上学的时候我做过相关的工作，不过是基于语义网的对象识别，相对来说可能容易一些。而对于通用搜索引擎，据我所知，目前貌似主界面没有采用聚类的方式展示的，不过最近google的knowledge graph展示了比聚类更好的对象识别技术。

结果聚类的时候两个问题至关重要

•  首先是效率，因为聚类往往是实时的，算法的效率要高，即使有cache，大多数的query还是需要在线计算


• 结果的可理解性，目前有两种主流方式




• 类别实现没有，从算法聚类的结果总抽取word来代表聚类，有点是简单，缺点是可理解性差


• 事先定义类别，然后将聚类结果和类别进行match，优缺点同上述方法想法

推出互联网广告观察博客

inside adwords中文 blog升级为互联网广告观察blog http://www.adobserve.info/

之前自己仅仅致力于翻译adwords，同时自己时间有限，因此blog定位也很窄。今天hardygu给了我点建议，1是独立域名，2是可以扩大影响。自己思索了一下，也挺有道理的，独立域名也省得被墙，扩大影响确实有必要，但是目前仍需要谨慎，在新增作者之前，仍然主打adwords，做到专注。后续有其他作者之后，可以增加翻译的领域（更多的国外ad 相关的blog等）以及原创评论等等。

感谢liangqing提供的空间：）