V2EX › mayokaze 的所有回复 › 第 2 页 / 共 6 页

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

1 2 3 4 5 6

❮

❯

2017 年 5 月 14 日

回复了 fesiong 创建的主题 › 游戏 › 有没有一个比较休闲的手机玩的游戏推荐

碧蓝幻想很休闲的.jpg

2016 年 8 月 26 日

回复了 dbfox 创建的主题 › 问与答 › 非法关键词过滤系统该怎么做？有没有更好的思路？

ac 自动机

2016 年 8 月 7 日

回复了 mayokaze 创建的主题 › 程序员 › 写了一个基于正则求偏微分的正则逻辑运算库

@yangxin0 https://github.com/google/re2/blob/ee55a8f64d253bdf5bfa98e8d09901a5fb9ee13c/re2/set.cc 这是 re2 的统一自动机构建
https://github.com/google/re2/blob/ee55a8f64d253bdf5bfa98e8d09901a5fb9ee13c/re2/filtered_re2.cc
这是我前面提到的大量正则过滤模式
一般来说超过三位数的正则 filtered_re2 性能就要好于 set 了

2016 年 8 月 6 日

回复了 mayokaze 创建的主题 › 程序员 › 写了一个基于正则求偏微分的正则逻辑运算库

@7sDream 其实 NFA 转 DFA 状态是会指数爆炸的，现在主流的 dfa 引擎像 Google 的 re2 都只是做了部分转换也只能 handle 不超过三位数的并行匹配，对于更大数量的 Google re2 的做法是构建一个 ac 自动机，将每条正则的元字符组成字串塞进去，当一个 input 进来的时候如果匹配就将他加入 potential match list 最后匹配这个 list ，总之做法非常工程非常“ low ”（并不

2016 年 8 月 6 日

回复了 mayokaze 创建的主题 › 程序员 › 写了一个基于正则求偏微分的正则逻辑运算库

重新排版编辑了，简单来说是一个用 Haskell 写的可以对正则表达式求交集，子集和相等性的库，实际适用场景是像有海量正则需要同时过滤的时候用于消除冗余逻辑，不过其实比起实际价值这种用抽象代数的方法计算正则表达式的形式更加值得关注。

2016 年 8 月 6 日

回复了 mayokaze 创建的主题 › 程序员 › 写了一个基于正则求偏微分的正则逻辑运算库

啊发现排版一塌糊涂忘了写 md_(:з」∠)_ 可是已经来不及编辑了....

2016 年 8 月 6 日

回复了 mayokaze 创建的主题 › 程序员 › 写了一个基于正则求偏微分的正则逻辑运算库

自己移好了...实在抱歉没认真看

2016 年 8 月 6 日

回复了 mayokaze 创建的主题 › 程序员 › 写了一个基于正则求偏微分的正则逻辑运算库

啊...发现发错区了...请 @livid 移动到技术区去吧

2016 年 7 月 4 日

回复了 lijinma 创建的主题 › 程序员 › 数据挖掘大家有思路吗：几十万个微博用户，几百万条微博，然后推荐相似用户？

@menc 嗯 LDA 确实不太适合短文本，实际上我们自己的短文本聚类都是用 w2v+sparse encoding 做的

2016 年 7 月 4 日

回复了 lijinma 创建的主题 › 程序员 › 数据挖掘大家有思路吗：几十万个微博用户，几百万条微博，然后推荐相似用户？

@lijinma 我们公司语料比较特殊，为了处理多语言分词是自己定制的。一般对于分词不准的情况可以使用 2gram ，就是比如“我爱北京天安门”分成我爱爱北北京京天天安安门

2016 年 7 月 4 日

回复了 lijinma 创建的主题 › 程序员 › 数据挖掘大家有思路吗：几十万个微博用户，几百万条微博，然后推荐相似用户？

最简单的思路是做一个超级大的向量，对于词表里面的词如果这个用户提过就记 1 否则记 0 ，分布到向量空间里面通过求欧氏距离来做聚类，数据用 kd-tree 来存这样每次查找都是 log 时间了。但是你这样做维度肯定非常大，可以用 kmeans 直接聚中心点，我做过的 case 聚到 300 维效果还是非常好的

2016 年 7 月 4 日

回复了 lijinma 创建的主题 › 程序员 › 数据挖掘大家有思路吗：几十万个微博用户，几百万条微博，然后推荐相似用户？

@lijinma 不是大神_(:з」∠)_ ，工作是做 nlp 对这方面有点了解，你在 6 楼提到的问题可以用 knn 来算，维度在 100 以下还可以用 kd-tree 来加快检索

2016 年 7 月 4 日

回复了 lijinma 创建的主题 › 程序员 › 数据挖掘大家有思路吗：几十万个微博用户，几百万条微博，然后推荐相似用户？

更简单点的方法是基于词做 embedding 然后对每个短文本做 bow 的 sparse encoding, 然后对每一条短文本再做一次 sparse encoding 最后用 distance 求相似度，如果维度太高用 pca 或者 sparse coder / auto encoder 降个维

2016 年 7 月 4 日

回复了 lijinma 创建的主题 › 程序员 › 数据挖掘大家有思路吗：几十万个微博用户，几百万条微博，然后推荐相似用户？

从纯文本分析的话可以考虑 LDA 做主题模型，分词不准的话用 ngram 来做

2016 年 4 月 29 日

回复了 mayokaze 创建的主题 › 酷工作 › 陆家嘴大型互联网金融公司需要大量技术和产品职位

@lidatui 您是 iOS 那位吧，我已经通知 hr 联系了，她们办事可能比较拖...

2016 年 4 月 29 日

回复了 mayokaze 创建的主题 › 酷工作 › 陆家嘴大型互联网金融公司需要大量技术和产品职位

本来不想写薪资所以上面写的很保守是要求不高的应届生都能胜任的批发价，可能不适合 V2EX 大大们的逼格，这里先道个歉。
如果你觉得不只值这么多，纯技术人员最高 50 都是可以谈的。如果 50 还不能满足你我们不是还在招技术负责人吗

总之我的意思是薪资真的不是问题，只要你能说服我你真的值这个薪资

2016 年 2 月 29 日

回复了 Akasha 创建的主题 › 酷工作 › 需要网易春招和实习内推码的喊一声

有楼主头像相关的职位吗（

2016 年 2 月 25 日

回复了 Quitetreesoif 创建的主题 › 酷工作 › 七牛云存储技术布道师

感觉有点意思，能问下薪资范围吗

1 2 3 4 5 6

❮

❯