人在屋檐下
最近接连需要培训：
一个周六是公司请的讲师要培训CMMI4＆5级的过程域知识，这个需要签到，否则,哼哼！
另一个也是周六，要到昌平计生办听优生优育的课程，否则，不给盖章，Faint!
我的决策已定，先一早去昌平盖了章，然后赶回来参加公司的培训，累呀。
还是要低头。
Wednesday, February 28, 2007
Monday, February 12, 2007
春节快乐
放假了，公司把假期硬生生地从16天改为了12天，极为不爽。
已经给未出生的孩子起了一个小名，叫小事儿，因为我们经常互相埋怨的时候，互称事儿妈，事儿爹。LD极力盼着是个女孩，原因竟然是成本太高。女孩子就不用给他买房子，不用给她看孩子等等，她的一个同学说：做女人小时候吃父母的，结婚了吃老公的，老了吃孩子的。这个理想不错！可是男人惨了，小时候挨父母的骂，上学挨老师的骂，上班挨老板的骂，回家挨老婆的骂，如果摊上个不孝顺的孩子，也有可能挨骂。相比之下，还是做女人幸福。
公司年会，中了一个MP4播放器，别人说我07年运气应该很好。我默默的许愿，不求别的，但求LD生一个健健康康的宝宝就知足了，唯愿吾儿愚且鲁,无灾无病到公卿！
祝各位看我Blog的人，新年快乐，身体健康。John给大家提前拜年了，呵呵。。。
Tuesday, January 30, 2007
当当“为您推荐”
最近在浏览一本数据挖掘的书，主要讲数据挖掘在市场营销和CRM（客户关系管理）应用方面的商机和常见技术。通过例如超市的物品摆放，银行信用卡的使用者的消费状况，移动客户的消费套餐的使用等等常见的数据集合的分析，得到一定的规律和模式。通过利用数据挖掘技术，可以得到大量的对商家有用的信息，从而提高其利润。 随着这方面的研究逐步成熟，数据挖掘的应用会越来越广。
数据挖掘相关资料
著名的当当网，虽然被许多人诟病为送货及质量差于卓越，但是它的网站做的不错，总有一些新意出现，今天看了看“为您推荐”的链接，竟然真的是我感兴趣的图书，并且是我没有看过的图书，之所以准确的原因应该是我常常去登录，浏览，或者购物，这些记录留下来之后，通过一定的处理，得出我感兴趣的领域。通过计算还能得出一个推荐指数。
比如说这是它推荐给我的几本书（当然这是我的隐私，别人应该是不会得到的）：
UML用户指南（第二版）
推荐指数:24.49
本书是UML方面最权威的一本著作，三位作者是面向对象方法最早的倡导者，是UML的创始人。本版涵盖了UML 2.0。书中为具体的UML特征提供了参考，描述了一个使用UML进行开发的过程，旨在让读者掌握UML的术语、规则和语言特点，以及如何有效地使用这种 语言，知道如何应用UML去解决一些常见的建模问题。本书由7个部分组成，而 ……
￥34.30元节省：￥14.70
推荐指数:17.67
￥33.30元节省：￥15.70
Friday, January 19, 2007
PICA触痛了谁？
背景：腾讯告PICA
关于PICA
05年的时候做一个S60上的项目，而PICA同样是这款手机上的一个项目。很不幸，我们的软件跟PICA产生了冲突，用PICA登录到MSN和QQ真是十分方便的事情。如果通讯双方都用带PICA的手机的话，通过廉价的WAP功能即可做到即时通讯，确实是十分方便的事情，PICA还可以作为对讲机使用。如果手机可以很便宜的上网，那么短信费就是免了。他们也许还没有火，火了之后肯定会触动移动的利益。对讲功能虽然及不上打电话，毕竟是免费的，所以多多少少会给受移动剥削的人们以机会。QQ是封闭的，收费狂，几乎所有的东西都要我们掏钱来得到，我想我会抛弃他的。
因为冲突，负责PICA for S60的工程师还过来找我商量解决方案，顺便了解到他们是风险投资的公司，员工们都是很疯狂的加班在做多平台类似的产品。在我遗忘了这个产品的时候，PICA也许真的要被腾迅炒作火了吗？
Thursday, January 18, 2007
火速磁盘搜索
从龚才春的Blog上得知他的产品，火速磁盘搜索，惊人的发现，这正是我想用的软件。火速磁盘搜索可以快速的搜索磁盘文件，并且跟网络无关，不用担心他会泄露自己的隐私，并且作者声称比Google和百度的桌面搜索还要快，使用的前提是只需要两周重建一下磁盘索引就可以了。
作者很Open,作了一个类似的基于Linux的开源版本，叫做GSearch，虽然还没有来得及试用，但是通过浏览作者提供的代码，也对这个软件充满了期望。大概他没有来得及放到SourceForge上去，还没有来得及去做多国语言版。
小小的Bug:
建索引的界面没有针对屏幕的分辨率而自适应。在我家里的1024*768的显示器上就不能显示完整的界面。作者是搞 算法研究的，界面上还是有很多地方值得推敲的。
小小的建议：
（１）搜出结果的右键菜单可以加上打开所在的文件夹。
（２）常用的功能经常会寻找重复的文件，这个可以做上，可以通过MD5之类的计算把重复的文件搜出来。这个功能也是我所需要的，以前我使用过类似的软件，慢的要死。
（３）Ｇｏｏｇｌｅ的桌面搜索有记录用户所浏览的网站的搜索，这个也很实用哟。
总之，做一个完美的软件是需要时间的，谢谢作者的免费作品，也谢谢他的Souce code，也希望他能更好的去维 护他的火速磁盘搜索。
Sunday, January 14, 2007
怎样做研究（一）
作者迟迟没有写第二篇，可见对文字的吝惜，不同的阶段，对事物的认识会有不同。相信不同的人也会从此文中会有不同的收获。转自http://users.ir-lab.org/~tliu/blog/archives/001937.html
几年前，我写了一套胶片，题目是《怎样做研究》，多次在实验室内部给学生们做报告，也曾对外讲过一次，听众反应良好。也有网友读过这套胶片，给我来 信称有所收获。然而，胶片中的文字毕竟只是提纲携领，无法充分阐述我的想法，为此，借周末一点闲暇，把《怎样做研究》写成一篇文章，与师友切磋。
什么是科学
科学是分科的学问，客观地说，是起源于西方的。中国只有经验科学，典型的如中医。我的母亲是学中医的，我从小就对中医耳濡目染，生了病，妈妈就会请 他的老师来，一贴小药下去，我的病就好了。因此，我对中医一直是很信服的。然而，近些年来，中医多受批评，发展也越来越缓慢，究其原因，中医不是科学，或 者说只是经验科学，而非实证科学。中药的成分以及生化功效不曾用实验进行深入的分析，望闻问切的诊断方法完全凭经验而无法量化，阴阳五行的理论似是而非， 祖传秘方的传承方式与知识共享的现代思维背道而驰。因此，尽管中医有诊治的整体观和方剂的个性化两大优点，但其停留于经验层面，而迟迟不能进入科学的殿 堂，因此在现代社会中的发展必然步履维艰。
中医不是科学，那到底什么是科学呢？科学（自然科学）是人们用来认识和改造自然世界的思维武器，科学研究可以分为基础研究（理论研究）和应用研究（技术研发）。
基础研究
万事万物皆有其规律，掌握并且利用这些规律就能够为人类造福，这些规律是隐蔽在纷繁复杂的现象背后的，要识破大自然的奥秘，读懂上帝的天书，非要下 一番深入观察和探究的功夫不可。以揭示规律为目的的研究活动属于基础研究，从事这些活动的学者是科学家。规律不是被创造出来的，而是早已存在的，人们只有 认识规律的权利，而没有创造规律的可能。
从根本上讲，推动基础研究的也是人们在生产生活中的一些实际需要，但是随着基础研究的深入，理论已经成为一个庞大的体系，理论研究早已开始按照它自 有的逻辑独立发展，而不必时时刻刻联系实际需要，比如著名的歌德巴赫猜想，可能在百年之后，发现其有重大的应用价值，但是目前到底有什么用，谁也说不清 楚。理论的价值在今天这个非常讲求短期功利的社会中常常被忽视，现在有一种倾向认为只有产生实际经济效益的科研工作才有价值，这种极端化的观点显然是错误 的，我们必须承认并高度尊重理论研究者的成就。
理论研究的直接动力是科学家的好奇心，以及他们对科学荣誉的渴望。越是单纯的科学家越有希望发现真理，他们的科学探索有点像迷宫探宝或者海边拾贝， 伟大的科学家都是没有丧失童趣的人，他们在实验室里是宁静而愉快的，他们是乐此不疲的，很多在常人看来难以忍受的寂寞在他们看来却是一种幸福。越是找不到 答案，越是激发探索的热情，在一次次的失败中积累着烦闷与紧张，在终于取得突破后兴奋异常。与此同时，也必须承认科学荣誉也是激励科学家们前进的重要动 力，只要别把荣誉看得高于真理，货真价实的荣誉仍然是值得追求的。
理论上的突破对应用研究产生持续不断的推动力，在模式识别领域，神经网络、支持向量机、条件随机域等等机器学习技术不断出现，每当一项理论出现，应 用研究者们争相将其应用于自己的研究课题中，于是基于神经网络、基于支持向量机、基于条件随机域的某某研究就成为一个标准的论文题目。首先把某项理论应用 于某个实际课题的研究工作应该说还是具有一定的创新性的，毕竟用一个新的思路、新的模型去观察了一个旧的课题，HMM在语音识别上的成功应用就是一例。有 人比喻说，理论工具仿佛是锤子，实际课题好比是钉子，一个新的锤子被打造出来，大家都借用过来砸一砸自己手头的钉子，确属常理。不过，需要注意的事，如果 拿一个硕大无比的汽锤去砸一个纤细的大头针就荒诞可笑了，不注意思考问题与理论的适配关系而盲目跟风的事情在学术界也是司空见惯，比如我们就曾用HMM试 图解决词义消歧的问题，而每个多义词的词义跟它前后一两个词并没有紧密的关系，因此词义消歧貌似和词性标注一样属于线性序列标注问题，其实是有根本差别 的。
应用研究
我们是搞计算机的，计算机是一门应用科学，应用科学是由应用驱动的。时至今日，数学定理和物理学定律似乎已经被先哲们发现的差不多了，因此整个科学 界中纯粹搞理论研究的人越来越少，很多大学教授都和工业界有着密切的联系，很多大企业也开办企业研究院，这些导致应用科学的研究如火如荼。最近，国家 863设立了一个“中文为核心的多语言信息处理”重点项目，总经费7000万，这在多年前的大陆语言处理界完全是不可想象的。
应用驱动，也可以说是市场驱动。市场是一个精灵古怪的家伙，搞应用研究的人如果对市场的未来没有一个基本准确地判断，往往会导致选题上的偏差。二十 年前，国内一些研究者开始研究汉字手写输入技术，开始人们觉得从键盘输入汉字很困难，手写输入一定有前途，但是很快，拼音输入法大面积普及，而且拼音输入 的速度远比在手写板上输入汉字快得多，于是汉字手写输入套件根本卖不动，前景黯淡。有人开始犹豫，有人开始转向搞印刷体汉字识别等，但忽然有一天，集成了 手写功能的商务通大量热销，人们忽然发现原来在手持设备上由于键盘太小，输入不便，给手写功能留下了很大的应用空间。一直专注于手写识别的汉王公司也借着 商务通的热销而把多年的科研成果成功地产业化了。再举一个例子：5年前，我认为以图像为输入的图像检索没有什么应用价值，问这些技术的倡导者，他们也只说 能够在数码相册中可以找到一些应用，但近来听了微软一些学者们的演讲，他们提到可以用手机拍下一个植物的图片，传回服务器，在大量植物图片库中检索，找到 最相似的植物，并给出植物的名称，特点等。哈哈，这对于我这个五谷不分的人来说实在是太有帮助了，可见对于一项技术是否有用实在要仔细思考，不要早下断 言。
技术和市场是一个互动的关系，有人认为技术严格地从用户的现实需求出发，这个观点总的来说没有错，但是忽视了技术创造需求的一面。大多数用户往往并 不了解技术发展到了什么程度，他们提不出需求来，这时技术专家们需要把技术和产品做出来给人们看，刺激、引领用户的需求，比如数码相机，5年前我想大多数 用户和我一样并没有淘汰胶卷相机的强烈要求，但当数码相机进入市场后，人人都意识到：原来我需要这个东东。
在市场与技术的互动中，总的来说，还是市场在引导和拉动技术的发展。市场需要的是产品，产品往往集成了多项技术，因此一项被市场接受的产品能够推动 多项技术的进步。比如搜索引擎，它拉动了自然语言处理、并行计算、海量存储设备、数据挖掘等等多项技术的发展。最近中国计算机学会设立了王选奖，在中国真 正有市场眼光，能够发明一项技术，拉动一个行业的计算机专家，王选是第一人。怎样根据市场选择研究方向，设计产品，调整技术形态，我在后面还有详细阐述。
科学技术的力量
科学技术的力量是巨大的，爱因斯坦给出的公式E=M*C2，C是光速啊，质量乘以光速的平方，这是多么巨大的能量啊，爱因斯坦的理论直接导致了原子 能的利用与开发。基因图谱的发现以及后基因组时代对基因图谱的深入分析必将为人类征服疾病提供一条崭新的解决道路，通过对损坏的基因进行修复，将使无数患 者得以康复，无数家庭重拾幸福。互联网的发明，把全世界连为一体，过不了多久，石头里也会嵌入芯片，在这个世界上有生命的、无生命的各种物质之间都可能进 行通讯，人们的生活面貌已经彻底改变了。
当然，科学也是双刃剑：原子弹爆炸了，核战争始终威胁着人类；在对基因组这套上帝给出生命密码没有全面理解以前，任何盲动都可能导致基因污染，以至于玩火自焚；互联网上的虚拟生存让人们感到更加孤独。
研究的层次
研究是分层次的，很多大科学家在晚年登上了最高层，比如钱学森在80年代倡导思维科学，他对整个科学技术体系进行了重新分类。在中国的大学里，分为 一级学科，二级学科等，我就处在计算机科学技术一级学科下面的计算机应用技术二级学科下。二级学科的带头人称为学科带头人，二级学科下面一个研究方向的带 头人称为学术带头人，我就被指定为学术带头人。
我的研究方向是信息检索，信息检索下面又有子方向，比如文本检索、文本挖掘、跨语言检索、跨媒体检索等，子方向下面设立具体的科研课题，比如文本挖 掘中的多文档自动文摘课题，针对一项课题又有不同的解决办法，基于事件抽取与集成的多文档文摘就是利用一种具体的解决问题的方法。
总结来说，就是6个层级：
A. 一级学科
B. 二级学科
C. 研究方向
D. 子方向
E. 课题
F. 基于某种方法对课题进行的具体研究
君子思不出其位，我是学术带头人，因此主要在思考C类的问题，也就是和信息检索相关的问题。一个学院的院长通常会思考A类的课题，学科带头人或者说 是一个博士点的点长是要考虑B类问题的。一个人对相关的方向或学科有所了解，对自己的研究工作是很有好处的，只有看清了整体的学科面貌，才能知道自己处在 那个位置上，自己未来的方向在哪里。我在读博士以及在微软做副研究员的时候，只看到E类问题，想到最多的是F类问题，因此你让我提一个新方向，让我对一项 技术进行预测，我茫然无知。后来担任院长助理，负责学院的成果转化，需要了解学院里各个方向的发展状态，使我的视野开阔了一些。尽管我凡事不求甚解，但是 喜欢总结归纳，因此对信息检索与其它学科的关系有了更多地认识，这对后来的选题很有帮助，特别是在应用研究方面，心里比较有底。
学科好比一棵大树的树根，研究方向如同树干，具体的课题就是枝叶了。和学科中各个方向都相关的研究课题是最基础的研究课题，比如在人工智能中，各类 机器学习算法是图像识别、语音识别和语言理解等各个方向都离不开的，机器学习技术提高一步，好比树根抬高了一寸，各项应用技术也都跟着进步，因此越是基础 的研究，越会对业界产生较大较深远的影响力。不过，基础研究的突破比较难，而在某个应用课题上不考虑一般情况，只考虑具体需要，成功的可能性大。枝叶上的 课题做多了，经过合并同类项，就会发现比较共性的基础课题，比如我们在做问答系统、多文档文摘、例句检索等课题时发现复述(paraphrasing)是 一个共性的问题，于是把复述单拿出来展开专门的研究，如此，可以越做越深。
学者的层次
研究有层次，学者也有层次，大致可以分为：
A. 大家（剑客）：提出问题
B. 专家（侠客）：解决问题
C. 学徒：修修补补
D. 抄袭者：抄来抄去
E. 搞伪科学的人：弄虚作假
A类是大家，站得高，看得远，他们往往能够前瞻性地提出某个学科领域中的若干重大问题，最著名的是希尔伯特的23个问题，对数学界影响深远。提出问 题其实也是解决问题的一种方式，只不过他们是在很高的层面解决问题，类似一个软件系统分析员，他把一个复杂的工程问题分解为若干个有机联系的子问题，然后 宣布只要这几个子问题解决了，整个大问题也就解决了。至于这几个子问题到底怎样解决，或者说相应的子系统到底怎样开发，他就不管了。胡乱地提问题并不难， 小孩子也会向大人提出各种各样有趣的问题，有的大人也答不出来，问题的关键在于在适当的时候提出适合当前学术发展阶段的关键性课题，这绝对不是一般人能够 做到的，这是需要具有对整个领域全面深入的理解才行的。
B类是专家，是在某个研究方向上有专长的人，他们沿着大家指出的方向探索前进，提出全新的方法体系来解决问题。比如在机器翻译领域中，日本长尾真教 授提出了基于实例的机器翻译方法，从一个全新的视角看待机器翻译问题。专家经验丰富，能够自由地驾驭课题，稳步地推动课题的进展。
C类是学徒，就是我们这些普通的研究人员了，这部分人的注意力在具体的课题上。学徒们还没有宏大的视野，没有捕捉全局战略要点的本事，也还没有在一 个研究方向上提出原创性的解决之道，他们跟在拓荒者后面捡拾麦穗，他们负责对科学大厦修修补补。他们一会儿听说了一个新的机器学习方法，赶紧在自己的课题 上试一下；一会儿发现了一个以前忽略了的新的特征，立即想方设法把这个特征提取出来；一会儿为了参加一个技术评测，耐心地调一调系统参数；一会儿为了发表 一篇论文构造出一个试验来。我们每天的研究活动差不多都是在这样进行的，很多时候在原地打转转。
我这样描述学徒们的工作情景丝毫没有贬低的意味，在达到专家的水平，证悟研究真谛以前，跌跌撞撞、浑浑沌沌是在所难免的。只要遵守诚信之道，不抄 袭，不造假，点点滴滴的贡献对科学界也是有帮助的。从更高的要求看，学徒的目标应该是成为专家，应该时常静下心来想一想，自己的工作是否有价值，是否有新 意，揣摩一下大家们、专家们到底是怎样思考问题的，在不断地反思与实践中向上迈进。
D类学者根本算不上学者，他们为了评职称等目的，对别人的论文进行抄袭拼凑，他们是思想的窃贼，对学术界毫无贡献可言。
E类学者不仅仅是做贼了，他编造伪科学，毁坏科学界在公众中的形象，他们是科学界的公敌。
以上的分类也只是为了讨论的方便，在各类之间并没有明确的界限，我只是依次谈出我心中做学问的境界而已。
在人类已知的世界和未知的世界之间有一条动态边界，科学家就站在这条边界上，他们是挑战未知世界的勇士，他们每向前迈出一步，就意味着整个人类的已知世界向前拓展了一步，由此足见科学工作的艰难和科学家的伟大。
研究又好比爬山，一座座山峰如同一个个研究领域，大家已登峰造极，一览众山小，把东南西北各条山路上的沟沟坎坎，把此山与他山之间的距离关系看得清 清楚楚。隔行如隔山，隔行不隔道，在一个领域做到顶尖的学者已入化境，一通百通，你把另一个领域的问题讲给他听，他往往也能够很快地抓到要害。专家已到半 山腰，看不到山的全貌，但是他找到了一条通往山顶的道路，并一步一步地向上攀登着。学徒还没有进入山门，他们一会儿仰望山顶，一会儿看看山腰，在山脚下绕 来绕去找不到门径，费力不少，却并没有缩短与山顶的距离。Thursday, January 11, 2007
震撼的《In the Womb》
看过这部记录片《In the Womb》，只能用真TMD的震撼来形容。胎儿在子宫内有很多令人惊讶的表现。它会打嗝，它会吮吸自己的手指，在母体内习惯吮吸那个手指头，就会决定他将来是左撇子还是右撇子。他会进行各种动作的训练，以便适应未来这个嘈杂的世界。在孕晚期，他的大脑发育已经完善，她甚至会做梦，因为他的眼球会在闭着的时候不停转动，大概他的梦只能局限于是吞咽羊水或者脚踢母体之类的吧。匪夷所思的是，如果母亲反复的听某首歌曲的话，胎儿会对它产生记忆。将来出生后，胎儿如果哭的话，放给他听，它会停止哭泣，而其他的新歌则没有作用。这也从侧面证明了胎教还是有点作用的。但是因为胎儿大部分时间在睡眠，如果过分胎教的话，会让他不安的。呵呵，我们家的孩子将来一定会熟记张靓颖翻唱的《漫步人生路》。
下边有两个链接，用讯雷下载都可以达到1M/S的速度。
（1）
http://www.fjdh.com/media/UploadFiles_2005/yingshiyuqu/jilupian/zigongneiriji/Baby1.rmvb
http://www.fjdh.com/media/UploadFiles_2005/yingshiyuqu/jilupian/zigongneiriji/Baby2.rmvb
或者
（2）
http://bbs.seedit.com/downloads/baby1.rar
Introduction:
Before it takes its first breath,
a human baby has been through
an incredible transformation...
From a single cell to a complex, self-sustaining organism. With ground-breaking photography, computer graphics, and 4-D imaging, In the Womb reveals this amazing process as the first heart cells begin to beat, the nerve cells flicker to life, and the senses develop.
全球每年有1亿3千万名女性要走过这段怀孕、生产的道路，越了解这段过程，就能大幅减低风险。研究指出，看见宝宝在子宫内的脸庞与表情，是非常震撼的经验，早期建立情谊，有助于宝宝出生后的发育，以及宝宝与父母的长期关系。
随着科技日趋纯熟，扫描影像所提供的丰富信息，逐一照亮子宫内的隐形世界。
国家地理频道《子宫内日记》 透过最新一代4-D动态立体扫描科技，为子宫开了一扇窗，首度呈现暗无天日的子宫内从未被人得知的世界。从人体最大的细胞"卵子"与最小的细胞"精虫"相 遇的那刻起，从新生命创造的第一天直到破茧而出的第三十八周，完整纪录生命神奇的发展历程，见识到心脏第一次跳动、肌肉如何抽搐、胎儿何时有感觉、何时张 开双眼等画面。《钟爱新生命─子宫内日记》巡回特展，详细介绍从生命的开始、怀胎九月、出生到接生的整个完整过程，到胚胎比较、DNA相似度及2-D、3-D与4-D超音波扫描的介绍等，具细靡遗将「生」之旅的过程，以图文并茂、立体互动的方式完整呈现在民众眼前。
《子宫内日记》由先锋影片（Pioneer Productions）为国家地理频道制作，该公司执行制作则是史都华卡特，国家地理国际频道的节目部执行副总裁则是席尼史威沙。《子宫内日记》由讯联脐带血银行呈献赞助。（中文介绍转自YDY论坛）
Subscribe to:
Posts (Atom)
