--
╱◥██◣ ╭╭ ⌒╮ 让交流成为习惯！
︱田︱田田| ╰--------------------------------------------------------
Douban Reading Group: http://www.douban.com/group/95386/
HIT-Machine Learning QQ Group: 27980716
HIT-Machine Learning Maillist: http://groups.google.com/group/hit-machine-learning-group?hl=en
╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬╬
2009年3月31日
机器学习小组第五次活动
2009年3月22日
玩玩Ant
多次听到牛人们闲谈时说Ant如何如何好，自己就是没有什么感觉。用Eclipse不是一切都能搞定么？
今天，为了发布一个自己写的关于LanguageIdentification的小小开源软件包，不得不弄个build.xml在里面。因此自己开始好好学习Ant了。
本想到书店买书或者到图书馆借书，结果都未果。好在找到了这个网页：
然后开始理解，模仿，添加，最终解决了需要处理的问题。
还有一个难点没解决，那就是如果一个Jar含有多个可以执行的主类，在ant里面写执行语句时如何指定执行主类？这个问题最终采用添加windows的bat和linux的sh文件脚本来得以解决。呵呵，笨了一点，但是确实解决了问题。（感谢bluejade的提醒）
哈哈，点击一个build.xml相关的执行bat文件，一切都在掌握之中。全自动构建就是好啊！
2009年3月21日
诡异的Java HashMap的序列化Bug (ID 4756277)
今天写个小的文本处理程序，用到了一个临时类的序列化，在类中加入了一个私有变量后运行总会出现错误
加入的私有变量如下：
private ArrayList
得到的运行结果是：
java.io.NotSerializableException: java.util.HashMap$Entry
真是百思不得其解。Google了半天，发现Tomcat里面有人提到这个问题，原因好像是Session类的什么地方需要修改。这个原因和我的问题真是风马牛不相及。
再仔细查找，最终发现，原来这是Java语言目前存在的一个Bug。原来HashMap对应衍生元素除了Key可以被序列化，其他的如keySet, EntrySet, Values都不能被序列化。当然，HashMap本身还是可以被序列化的。
最后我选择了新建一个ArrayList来将KeySet中的元素转换为String后存放起来，就可以实现我需要的序列化了。
呵呵，我该买彩票啊，随便玩玩居然玩到Java自带的Bug里面去了。这个Bug为什么会存在Java里面呢，而且这个Bug是2002就被发现了啊。Sigh~! Java也不是完美的啊！
详细的sun网站上登记的Bug信息如下：http://bugs.sun.com/bugdatabase/view_bug.do?bug_id=4756277
Bug ID:
4756277
Votes
7
Synopsis
(coll) HashMap's keySet(), entrySet() and values() are not serializable
Category
java:classes_util
Reported Against
1.3.1
Release Fixed
State
3-Accepted, bug
Priority:
4-Low
Related Bugs
Submit Date
01-OCT-2002
Description
FULL PRODUCT VERSION :
Occurs in both 1.3.0 and 1.3.1:
java version "1.3.0_02"
Java(TM) 2 Runtime Environment, Standard Edition (build 1.3.0_02)
Java HotSpot(TM) Client VM (build 1.3.0_02, mixed mode)
java version "1.3.1"
Java(TM) 2 Runtime Environment, Standard Edition (build 1.3.1-b24)
Java HotSpot(TM) Client VM (build 1.3.1-b24, mixed mode)
FULL OPERATING SYSTEM VERSION :
Microsoft Windows 2000 [Version 5.00.2195]
(Service Pack 2)
A DESCRIPTION OF THE PROBLEM :
The collections returned by calls to
java.util.HashMap#entrySet, #keySet and #values are not
Serializable which, although consistent with the
documentation, is confusing and counter-intuitive because
HashMap itself is Serializable.
STEPS TO FOLLOW TO REPRODUCE THE PROBLEM :
1. Create a HashMap.
2. Attempt to serialize the result of calling keySet(),
entrySet() or values() on that HashMap.
EXPECTED VERSUS ACTUAL BEHAVIOR :
I would (naively, optimistically :-) assume these
collections to be Serializable, since the object from which
they come is itself Serializable.
ERROR MESSAGES/STACK TRACES THAT OCCUR :
keySet():
Trying to serialize [two, one, three]...failed:
java.io.NotSerializableException: java.util.HashMap$1
at java.io.ObjectOutputStream.outputObject(ObjectOutputStream.java:1148)
at java.io.ObjectOutputStream.writeObject(ObjectOutputStream.java:366)
at
test.MapCollectionsSerializeMain.trySerialize(MapCollectionsSerializeMain.java:15)
at
test.MapCollectionsSerializeMain.main(MapCollectionsSerializeMain.java:36)
entrySet():
Trying to serialize [two=two, one=one, three=three]...failed:
java.io.NotSerializableException: java.util.HashMap$3
at java.io.ObjectOutputStream.outputObject(ObjectOutputStream.java:1148)
at java.io.ObjectOutputStream.writeObject(ObjectOutputStream.java:366)
at
test.MapCollectionsSerializeMain.trySerialize(MapCollectionsSerializeMain.java:15)
at
test.MapCollectionsSerializeMain.main(MapCollectionsSerializeMain.java:38)
values():
Trying to serialize [two, one, three]...failed:
java.io.NotSerializableException: java.util.HashMap$2
at java.io.ObjectOutputStream.outputObject(ObjectOutputStream.java:1148)
at java.io.ObjectOutputStream.writeObject(ObjectOutputStream.java:366)
at
test.MapCollectionsSerializeMain.trySerialize(MapCollectionsSerializeMain.java:15)
at
test.MapCollectionsSerializeMain.main(MapCollectionsSerializeMain.java:40)
REPRODUCIBILITY :
This bug can be reproduced rarely.
---------- BEGIN SOURCE ----------
package test;
import java.io.*;
import java.util.*;
public class MapCollectionsSerializeMain
{
private static void trySerialize (Object o) {
try {
ObjectOutputStream stream
= new ObjectOutputStream(new ByteArrayOutputStream());
System.out.print("Trying to serialize " + o + "...");
stream.writeObject(o);
stream.flush();
System.out.println("done");
}
catch (Exception e) {
System.out.print("failed: ");
e.printStackTrace();
}
}
// ----------------------------------------------------------------------
// Entry point
public static void main (String[] args) {
Map map = new HashMap();
map.put("one", "one");
map.put("two", "two");
map.put("three", "three");
System.out.println("keySet():");
trySerialize(map.keySet());
System.out.println("entrySet():");
trySerialize(map.entrySet());
System.out.println("values():");
trySerialize(map.values());
}
}
---------- END SOURCE ----------
CUSTOMER WORKAROUND :
For the keySet() and valueSet() cases, one could create a
new HashSet from those sets, but that's inefficient and it
doesn't cover the values() case.
The right answer in the first place is presumably that any
Serializable object which contains a Set (or xxxxx abstract
type not documented as Serializable) must implement its own
readObject and writeObject methods which (de-)serialize the
set manually. Either that, or define the object to contain
a HashSet (or xxxxx type documented as Serializable).
(Review ID: 165184)
======================================================================
Work Around
N/A
Evaluation
N/A
NLP&IR研究在计算机产业链中的位置
突发奇想，标题所示的问题成为我思考的一个集中点。
上网找到了Goole中国研究员吴军的浪潮之巅系列中的第四章“计算机工业的生态链”。读完顿觉IT业是一个神秘的行业。
时常听到朋友们说现在的内存就像白菜，价格低得都不行了。现在的笔记本价格也是一跌再跌。这样一来，引发出来的对于NLP&IR等相关领域有什么影响呢？
个人感觉NLP&IR在整个IT产业里面扮演着越来越重要的角色。最抢眼的Google&Baidu等掌握数据就掌握一切的搜索公司的盈利模式，以及xx&xx（等这两个公司发达了再写明）等NLP&IR基础技术服务公司，都在不断的深化着NLP&IR技术。各种硬件的性价比的不断提升，对于NLP&IR里很多以前不能做的事情，现在都能尝试展开。但是这些公司真正的目的就是为了大力发展和强化NLP&IR技术么？我想本质上不是的。原因可能是技术的强化能够增强用户的粘滞力，从而在盈利模式的框架里面能够赚取更多的利益。对于公司而言，盈利是第一位的，也是永恒不变的，其他事宜都是围绕这个目标旋转的。
另外一种驱动NLP&IR前进的动力就是纯粹的研究。细想一下，NLP比IR年纪大很多，早先的想法是从人工智能的角度来推动NLP的研究，更多的是理想主义的力量。IR是新兴的行业，换句话说是更能带来巨大价值的方向，而且这种价值可以在短期之内见效。传统的NLP在遇到IR之前几乎快要不行了，IR的出现带来了需求，带来了数据，加上依赖数据的统计机器学习方法的大规模引入，从而带来了整个NLP行业的大规模发展。
但是NLP&IR研究在IT业中究竟能够多大分量呢。我个人感觉，只能占到很小很小的部分。可以说，那些大公司或者大的IT受益者在大口大口的吃肉的时候，搞NLP&IR研究的人可以跟着喝点肉汤。当然，这是在整个行业欣欣向荣的时候。一旦出现一些大的经济震荡或者危机，那么搞NLP&IR研究的人就只能喝稀粥了，而且粥越来越稀。
这个问题有点深刻，还得继续思考。
以上是胡思乱想的结果，纯属瞎猜乱蒙，可能词不达意，如有雷同纯属巧合。欢迎广大朋友拍砖表玉 :)
2009年3月15日
台球比赛，心理控制很重要
经历过真正的比赛才能算是体会其中的全部味道。
今天上午准时抵达紫丁香台球馆，参加了前几天报完名的第十五届紫丁香台球比赛。比赛最终有14人参加。我抽签到11。和我第一轮比赛的选手实力在我之上，他的平均实力和我的最佳状态持平。但是由于他开球时，我转移衣服去了，结果不知道还未分球，最终导致失去先机，先下一局。第二局没有放开，因为第一轮比赛是三局两胜。但是最终还是在对手失误的前提下，扳平为1：1。第三局时，对手发挥很好，面对强敌，我更加紧张，最终毫无悬念的输掉了第一轮。
刚结束时，组织者说还有一次机会，可以二次报名进入第一轮。
犹豫了一下，还是和俺mm一起留下了。这次和我比赛的是一个中年人。打了一会儿后我发现他出手时最后瞬间都不稳定。于是心里放松了一些。最终较为轻松的拿下第一局。第二局时也就是心里有点放松，最终比分成为1：1。第三局时，开始我打掉6个，对手还一个未进。原以为会较为顺利拿下第三局。没想到对手巧妙的利用剩下的很多球，防守很好。最后在都剩下一球的时候，我仔细打掉了最后一球。这时，面对黑8，我很轻松。击球位置和开球时的差不多。用力一击，黑8进了。我非常高兴，对手一下子泄气了。但这个时候，母球快乐的转了一圈最后蹦进了开球面的底袋。按照国标规则，我输掉了。一下子，我成了泄气的皮球。
哈哈，这个小小的比赛，真是瞬息万变啊。
体会到一点，心理控制很重要。一定要认真稳重的打好每一个球。
也感谢俺mm的全程陪伴和鼓励。比赛前随意练习时，mm打得也很好。可惜今天没有其他女生报名，最终mm未能参加比赛。
嗯，开心的周末！
2009年3月6日
Java编码
和自然语言处理打交道，必不可少的一环就是汉字编码问题。这不，今天又被折腾了一次。俺们的Mr. Hu说了，今年的目标之一是不折腾。所以得想个好招儿才行。
问 题是这样的，我在实验室已毕业的技术大牛Victor的指导下，准备采用Web Server的方式来整合我所带领的共指消解小组的各种特征抽取工作。各项工作起初都进展顺利，最后卡在了汉字编码上。由于建立的Web Server只接收UTF-8格式的URL，恰好俺对Java处理中文编码问题不是很熟悉，找了几种方案都感觉不是万全之计。最后采用了一种极其暴力的解 决方案。那就是将Eclipse的默认编码环境全部指定为UTF-8。
至此，我面前的一座大山被彻底摧垮，这种方式的空间里再现青山绿水的hexie :)
订阅：
博文 (Atom)