南大的资源还是很多地~ 图书馆看书的时候 书多就算了, PP的女生也很多,非常的养眼 以及培养人的学习热情那!

哈哈… 先熬过考试这一关再说, 今天看了3个小时就支持不住了… 老了!…
]]>

其实无论是你这里的+N还是taocp里面求逆序中的改用相反数，本质都相同，都是使用了数据中一些没有被使用的bit位。
而对于这道题目，在n <2^31时，如果可以这样做，还有更加简单的方法。
直接将原数组的最高比特位看作一个比特位数组就可以了

C/C++ code

bool duplicate=false;
for(i=0;i<N;i++){
   int x=abs(a[i]);
   if(a[x-1]<0){
      duplicate=true;
      break;
   }else{
      a[x-1]=-a[x-1];
   }
}
for(i=0;i<N;i++){
    a[i]=abs(a[i]);
}
return duplicate;

…
]]>

Abstract Given two strings S of length m and string T of length n, the paper presents a new algorithm for calculating the similarity of the two strings. By the LCSubstr (longest common substring) algorithm we can find the maximal matching of the two given strings. Then eliminate the LCSubstr we will get two temp result strings. My algorithm will calculate the temp result strings iteratively until the two result strings’ common string is null. The similarity of the two strings will be measured by accumulating the non-linear mapping length of the maximal matched substring. The algorithm is always searching for the maximal continuous matching (MCM) in every step. In the end of the article I will introduce an application of this algorithm.

Keywords: pattern matching, LCSubstr, non-linear mapping, string similarity, maximal continuous matching (MCM)

Toy程序中很重要的一个功能是去重：即去掉那种转载流的文字，转载扩赛了信息但是也造成了相当麻烦的信息冗余，我不想看的信息逼着我看了一遍又一遍。
最牛逼的方法当然是能比较两个文章的全文，看全文的匹配度了，但是这个方法的时间代价太大。还有那种选取一部分Digest 出来比较的方法理论性远远大于使用性。最直接的方法就是看两个文章的标题的最长公共子串，亦即LCS( longest common substring).

LCS的原理非常的简单：

只要反复的算下AB以各种位置叠在一起的最长连续字符个数就好了

数学上来说：就是写成这样一个矩阵：
match[n][m]=

中间的值match[i][j]都是0或者1 (match[i][j]=1 means Bi=Aj)，下面就在这个表中选出最长的连续对角线都是1的串，对应的子串就是AB的最大的匹配。

举个例子吧：

from:  http://www.5do8.com/blog/doc/569/index.aspx

  A= I MISS MY CODE HI

  B= One Like MY Code

那个mycode就是最长匹配的串
在具体计算的时候考虑到汉字字符的多变性和英文很不一样，我们可以直接计算一个对角线上的所有的1而不用考虑联系性。
就变成了MCC(Max common characters)了，而这个MCC就是我们去判定重复的一个重要依据。
如果len(MCC) / min( len(string_A) ,len(string_B))>valve_Value就判定为转载。
———————– 这里可以有一个非常重要的改进，认为连续匹配会有非线性加成，如match_degree=sigma( len(common_substring[i])^2)
甚至我觉得可能某些搜索引擎就是这么干的。。【未验证】

听从Solrex的建议,在学习的时候直接看Python的tutorial和Lib，然后通过写一些简单的代码来逐步熟悉库：）
Mock Bank的测试工作已经进行的差不多了，最近要集中精力来做这个“可配置的Spider”

这个玩意的需求是具有普遍性的，我们有时候会去搜索引擎反复的搜索某个关键字，比如特别关注奥运的 可能每天都去搜索下和奥运有关的新闻。但是这么做的人倒没有想象的多，就是因为搜索引擎的重复结果太令人烦躁了。这个东西很讨厌，我举个例子就很清楚了：

单击显示大图

当然这个是冗余中的一种：由于转载引起的搜索结果冗余
另外一种我管他叫挖坟，什么叫挖坟：历史沉淀引起的结果冗余。
Google下 奥运火炬就可以了。很多奥运火炬手选拔的网页由于SEO的作用很靠前，那么我最想看的敏感事件呢，基本是没有的。

现在Google news已经做得很好了，但是出于学习的态度和扩展性的态度。还是试探性的写写吧：）
——————————————-

“对于你们提出的这个测试系统上锁的问题，我的观点是‘成本太高了’，不如人工上锁，什么是人工上锁？ 不知道？”某知名测试人员站起来向四周大喊一句“兄弟们听着！我要测试了，都他妈别用我的模块知道没？”
四周稀稀拉拉应答之声，“这就叫确认锁定。。。”

“法国无法无国法，德国缺德缺国德。横批：美国不美”。
针对ZD事件和火炬事件，我是用一种爱国情感去做判断而不是什么冷静的思考的。什么体制的问题，自由的问题，说到底都是权与利的问题。法国人从来的浪漫主义，自由精神在火炬事件中被放大成一种近乎弱智的表现而自取其辱。不过我个人不会因为这个抵制家乐福，说抵制家乐福的人都属于扯淡型人才。爱国精神被娱乐化了之后，海外游子变出现了个把让人很JP的人，类似雅阁女心态。
扯淡的人们，说到底就是喇嘛没权了想夺权，藏民很淳朴或者说没开化，少量极品的跟在喇嘛后面闹事。然后还有国际未名力量在挑拨，利用西方传统民众对媒介的依赖和盲目信任捅中国的漏子。
奥运政治化不是什么好事。A game is a game. 太多政治因素在里面法国佬不吃这一套

房子真是个令人忧伤的愉悦。

PM=P鞭+Money ：0

我说，从来没这么感谢过伟大祖国的教学评估。
不然今天就该传说中的《实变函数与泛函分析》，坊间传闻是：实变函数学十遍，泛函分析心犯寒。
可以小缓冲下到四月底来考，实在是太好了。来说说看近期的活动和安排：）

看完了Python的tutorial，在艰难的看各种库。 那个《Python in a nutshell》是本蛮不错的书，实在看电子书看的太疲倦了就直接看这个吧。
那个关于Java的安全包已经比较熟悉鸟，虽然估计以后都不会再用到。我们数据分析的在这个小项目里面感觉就是救场的，哪里人少就去充数，这两天被调到测试组去写test case 算半个SQA助理。然后最近两天的office time都在看测试的书。剩下的时间就看Python了。

——————————-
既然Test Case写完，下面就等着coding的人编码完了过来测试咯，测试平台好像也不归我管。Hoho，好轻松那要不是有考试在远处诡笑。

下面的两周内要用Python去写一个”可配置的Spider”，哎呀终于做到我喜欢玩的东西了：）
大体是 抓取页面，分析内容，删除重复，内容展现，数据存档

思路是不难，但是对Python的不熟悉将是拖慢进度的最重要的原因:
可以用的资源：

需求(1D)–>系统分析(2D)–>编码(4D)–>测试(1D)–>文档撰写
完全非典型