还是万恶的gis

实验室的很多工作都离不开gis，自己在实验室从简单的MapInfo数据的编辑，到开发也做了不少的程序，虽然每次用的功能不是很多，但是自己确实是接触了不少的产品。

从目前自己接触的产品来说，其主要产品还是MapInfo，也许有人会认为MapInfo是一个已经淘汰的产品了，但是我却不这么认为。MapInfo无论是从用户体验上还是在二次开发上都是很人性化，使用起来特别的简单。目前我接触的产品来说，MapInfo是我最喜欢的gis产品。特别是在做数据编辑的时候，使用是来还是它比较人性化。其次接触的产片是arcgis，在arcgis方面自己只做过简单的开发，在它的desktop的arcmap上面做了一些简单的数据编辑，感觉就是没有MapInfo使用起来那么的顺手。至于使用arcgis server方面，反正是不知道原因经常的服务启动不了，地图常常启动不起来。可能是自己对于arcgis server的使用还是不熟，有时候真的是找不到原因。

至于国内的gis产品主要是supermap，supermap也有国内软件普遍存在的问题那就是用户体验问题，使用起来的感觉不是很好。但是目前的supermap的is产品做的还是挺不错的，开发起来比较简单，对于一般的工程需求相对来说开发比较简单。但是不知道具体的价钱如何。 Read the rest of this entry »

协作推荐

前面的文章介绍了基于内容的推荐方法，它使用的是用户的过去的浏览记录来给用户做推荐，而协作推荐它是使用与用户喜好相似的用户们的喜好推荐给此用户，所以协作推荐系统它所看到的推荐项实质上是与他有相似喜好用户的浏览记录。例如一个电影评价网站中，系统会根据你在系统中的浏览记录，在系统中找出与你喜好相似的用户群，然后再将他们的喜好推荐给你。

协作推荐的效用函数的表达：项目s对于用户c的效用函数值主要取决于与用户有相似用户效用函数的值。例如：在电影推荐系统中，你所得到推荐项是那些和你有相同喜好的用户们的最喜欢的电影。根据协作过滤的算法，一般将协作过滤的方法分为两类：启发式的协作过滤和基于模型的协作过滤。

启发式协作过滤主要是根据所有用户以前评价过的项目记录来进行评价预测（就是计算效用函数的值，或者是说来运用说有的用户的评价项目来进行推荐），根据前面的知道我们知道，启发式的方法主要是凭借经验来计算效用函数。启发式的协作过滤对于用户c来说他对项目s的评价值 Read the rest of this entry »

基于内容的推荐

基于内容的信息推荐方法的理论依据主要来自于信息检索和信息过滤，所谓的基于内容的推荐方法就是根据用户过去的浏览记录来想用户推荐用户没有接触过的推荐项。下面主要是从两个方面来说基于内容的推荐方法：启发式的方法和基于模型的方法。

启发式的方法就是用户凭借经验来定义相关的计算公式，然后再根据公式的计算结果和实际的结果进行验证，然后再不断的是修改公式以达到最终目的。而对于模型的方法就是根据以往的数据作为数据集，然后根据这个数据集来学习出一个模型。一般的推荐系统中运用到的启发式的方法就是使用tf-idf的方法来计算，跟还有tf-idf的方法计算出这个文档中出现权重比较高的关键字作为描述用户特征，并使用这些关键字作为描述用户特征的向量；然后再根据被推荐项的中的权重高的关键字来作为推荐项的属性特征，然后再将这个两个向量最相近的（与用户特征的向量计算得分最高）的项推荐给用户。在计算用户特征向量和被推荐项的特征向量的相似性时，一般使用的是cosine方法，计算两个向量之间夹角的cosine值。 Read the rest of this entry »

推荐系统

自从上个世纪90年代的一篇关于协作过滤的论文发表以后，推荐系统就成为了一个重要的研究领域了。那么什么是推荐系统呢？就是根据用户的喜好和习惯，把一些用户没有浏览过的信息呈现给用户。目前在学术界和工业界已经有了不少的信息推荐系统了，比如：亚马逊的产品推荐系统(推荐书籍和cd等)。在国内见过的最多就是校内的好友推荐和豆瓣的书籍推荐等。

如果对推荐系统进行追根溯源的话，推荐系统涉及到认知学、信息检索、预报科学和管理科学等等。推荐系统从20世纪90年代独立出来，成为一个独立的研究领域，起主要的研究对象就是估计推荐对象的等级。通常来说，推荐系统常常可以以如下的形式表达：C是所有用户的集合，S是所有有可能被推荐项目的集合(就是有可能推荐对象的集合)，U是效用函数—就是对于某一个用户c来说s的有用程度。在推荐系统中，常常推荐给系统用户的是效用函数值最高的项目或者是最好的几个项目(item,也就是推荐对象)。 Read the rest of this entry »

语义搜索引擎–yebol

关于语义搜索引擎自己总是觉得很虚，每次在网上看到很多关于语义的搜索引擎的介绍。最近有一个又有一篇关于语义搜索引擎的报道，目前只要是看到这种的文章或者是报道，总感觉是在炒作，没人真正的去做语义搜索。

最近又被炒作的语义搜索的叫做yebol的搜索引擎，进入它的首页之后您可以看到”Knowledge Based (Semantic) Search”，但是现在进入系统之后发现已经被改掉了，改为”Knowledge Based (Smart) Search”（可以看到他的about页面还没有改过来）。因为自己这边老板一直吵着要做语义搜索引擎，一般对于关于声称自己是“（基于）语义的搜索”是非常关注的。yebol在介绍自己的时候既然连钱学森都扯到了，无语，目前这个基于知识的搜索引擎(这种说法我承认)采取显示搜索结果的方式还是有些不一样的，他所作的工作就是将搜索结果以分类的形式展现出来。比如在yebol中搜索“Bill Gates”，在返回界面中主要分为几种形式：Relate topic,Top Sites,Categories,Expanded Searches,Images,Vedioes,News,twitter和Search Result等。这种形式的搜索结果的显示方式，从一定的程度上说它组织了信息的显示形式，如果按照yebol中介绍的信息合和知识的主要区别在于：信息是静态的、未结构化的、以数据为中心的，而对于知识来说就是结构化的、按照语义做排序的以人为中心的。从目前的yehol的搜索结果的显示形式和定义来看，yehol它确实可以称之为“基于知识的搜索引擎”。看完它的介绍之后，总后自己还是有点失望，没有说到任何关于语义搜索的意思。 Read the rest of this entry »