最近在CentOS5.0下安装配置好了CVS，在这里记录一下。
很多用户在装Linux的时候可能已经装上了CVS，可以直接跳到第二步。通过命令:
#rmp -qa | grep cvs
如果有cvs的版本信息的话，就表明已经装上了。否则先安装CVS
1.安装CVS
到CVS官方站点下载安装包，如cvs-1.11.18-cvshome.org.9x.1.i386.rpm
安装之：rpm -ivh cvs-1.11.18-cvshome.org.9x.1.i386.rpm
2.检查/etc/services文件
确保该文件中有如下两行，没有就加上：
cvspserver 2401/tcp # cvs client/server operations
cvspserver 2401/udp # cvs client/server operations
3.创建cvs的用户组与cvsroot用户：
创建CVS用户组：groupadd cvs
创建用户cvsroot：useradd -g cvs cvsroot
其实很久以前就发现这个问题了，用putty访问远程主机的时候中文会显示乱码，但是一直将就着用，最近因为用的次数太多，实在是忍受不了了，才找了一下，原来还是很好设置的，记录一下：
在 window – appearance -font settings -change中选择一种中文字体，比如新宋体，字符集选CHINESE_GB2312，在 window – translation-Received data assumed to be in which character set ，设置为UTF-8。
另外，关于putty的粘贴复制，在putty中鼠标右键就是粘贴，用鼠标拖选之后就已经复制了。
呵呵，一个师姐所在的组刚刚发布的产品：
http://labs.soso.com/app.q?app=nameshow
蛮有意思……
您的名字马旭东文化印象得分86.82，其中名字内涵得分83.3，名字意境得分
90.33。
How opinions are received by online communities: A case study on Amazon.com helpfulness votes.
Cristian Danescu-Niculescu-Mizil and Gueorgi Kossinets and Jon Kleinberg and Lillian Lee.
Proceedings of WWW, pp. 141--150, 2009.
该文主要对评论的有用程度(helpfulness of reviews)进行了研究。
文章针对亚马逊网站上对评论是否有用的投票数据进行研究，在amazon网站上，对于某一评论(review)，通常包含两条属性，一条是该评论自身对商品的评分，另一条是别的用户对该评论是否有用的评价，类似“32人中有26人认为它有用”这样的描述。
该文主要做了以下几件事：
下面分别详细介绍：
Continue reading
最近看了本书，《观止——微软创建NT及未来的夺命狂奔》，看完有了点感触，随便写写……
第一次听说这本书就留下了很深的映像，源于它的书名——观止。之前只在《古文观止》和“叹为观止”中见到过这个词。当时很不理解，一本讲微软操作系统开发历程的书怎么会叫这么个名字。而它的副标题，也让我对它的映像大打折扣。
看了译者的序，才知道这是“showstoper”的翻译，showstoper在计算机行业特指软件产品中最为严重的一类bug，译者将其翻译为“观止”，从字面意思上倒是很呼应。
书是在一个星期五的早上送到的，快递员直接把我从被窝里叫醒，当天下午无所事事的时候开始看，而看完最后一页也正好是在上周五下午结束的时候，中间隔了两个星期。
Continue reading
WordCount程序应该是学习MapReduce编程最经典的样例程序了，小小一段程序就基本概括了MapReduce编程模型的核心思想。
现在考虑实现一个增强版的WordCount程序，要求：
1.reduce和map类似，每个task内部可以共享静态类属性，每个task可能会多次调用reduce()函数，但每个key只对应某节点上的某个task的reduce()函数的一次执行
2.多个tasks之间不能共享静态类属性，即使在同一台机器上，因为是以进程方式运行
3.一个key不可能被两个tasks拆分执行，不管是否在相同的节点上。
4. Hadoop Map/Reduce框架为每一个InputSplit产生一个map任务，而每个InputSplit是由该作业的InputFormat产生的。
Continue reading
小时候不少人都看过三维立体图片吧，记得要想第一次看出来还是很不容易的，我第一次看用了整整一个下午，不过一旦看出来之后，以后再看就容易的多了，后来的三维立体图基本都能在5秒之内看出来。
不过今天还是头一次看到ASCII版本的立体图，很惊艳，如下：
I (`\/`) I (`\/`) I (`\/`) I (`\/`) I (`\/`) I (`\/`)
OVE \ / LOVE \ / LOVE \ / LOVE \ / LOVE \ / LOVE \ / L
OU \/ YOU \/ YOU \/ YOU \/ YOU \/ YOU \/ Y
/`) I (`\/`) I (`\/` I (`\Y/` I (`Y/` I \(`Y/` I \(`Y/
/ LOVE \ / LOVE\ / LOVE\ / `LVE\ / `LVE\ / `LVE\ /
/ YO U / YOU / YOU / YOU / YOU / Y`OU /
I (` \/`) I (`\/`) I (`\/`) I (`\/`) I(`\/`) I(`\/ `) I(`
LOVE\ / LOVE\ / LOVE\ / LOVE\ / LOV\ / LOV\ / LOV\
YOU \/ YOU \/ YOU \/ YOU \/ YOU \/ YOU \/ YOU
/`) I (`\/`) I(`\/`) I(`\/`) I(`\/`) I(`\/`) \I(`\/`)
/ LOVE\ / LOVE\ / LOVE\ / LOVE\ / LOVE\ / LOVE\ /
YOU \/ YOU \/ YOU \/ YOU \/ YOU \/ YOU \/
I (`\/`) I (`\/`) I (`\/`) I (`\/`) I (`\/` ) I (`\/` ) I
OVE\ / LOVE\ / LOVE\ / LOVE\ / LOVE\ \ / LOVE\ \ / LOV
OU \/ YOU \/ YOU \/ YOU \/ YOU \/ YOU \/ YOU
/`) I (`\/`) I (`\/`) I (\/`) I (\/ `) I (\/ `) I (\/
/ LOVE \ / LOVE \ / LOVE \ / LOVE \ / LOVE \ / LOVE \
/ YO U / YO U / YO U / YO U / YO U / YO U
I (`\/`) I (`\/`) I (`\/`) I (`\/`) I (`\/`) I (`\/`) I
OVE \ / LOVE \ / LOVE\ / LOVE\ / LOVE \ / LOVE \ / LO
OU \/ YOU \/ YOU \/ YOU \/ YOU \/ YOU \/ YO
by 3Dimka by 3Dimka by 3Dimka by 3Dimka by 3Dimka by 3Dimka
你能看出来吗？
这幅图的内容是(冒号后面的字体设置成了白色，请选中之后看。鼓励先试试，再看答案，实在看不出来的可以先看看文章下面的内容，再回头来看)：中间是一个大的桃心，桃心的下面是一个小桃心和一个悬浮的“I Love You”。
可能第一次看ASCII立体图的同学还不太适应，不太容易看出来，那就试试下面这个：
Continue reading
今天无意中发现，在google搜索“madongfly”后排在第一的还是我最早的博客，为了全心(新)打理好现在这个博客，决定把它关了。
最初从博客网搬家到blogspot的时候，就曾经想过要不要关闭它。因为上面记录了我从参加ACM竞赛以来的整个成长历程，以及一些ACM常用算法介绍，而且在搜索引擎的排名中还算考前，觉得可能对别的同学，尤其是ACM刚入门的同学会有些帮助，于是便只删除了一些照片，保留了全部日志。
而现在看来，ACM竞赛的影响力越来越大，关于这方面的好的博客也层出不穷，不论是文章质量还是博主的水平，都已经远远超过了我，所以那个博客也没有在保留的必要了。
于是在2009年12月10日的最后15分钟，关闭了我的第一个博客，关闭前最后看了一眼统计，以做留念。
原文在此：Efficient Overlap and Content Reuse Detection in Blogs and Online News Articles
该文主要讲述了在博客和新闻的文章中如何进行内容复用的检测。作者提出了一种基于签名索引(Signature-Indexing)的算法qSign(Signature-Indexing for Incremental Reuse Detection)。
所谓signature files，是指在一个文件中，所包含的每一个word都通过hash映射到一个固定宽度的bit串，并且有相同数量的bit位为1，这个bit串就是这个word的signature。然后将所有这些word的signature通过位或操作全部按位或起来作为file的signature。
这样一来，检测一个查询的word是否和file匹配的话，就看这个word的signature和file的signature按位与之后会不会发生变化，如果不变，则匹配。显然，这样的识别会造成错误的匹配，即false positive，该文的目标之一就是在控制住误识率的情况下提高预测的召回率(recall)。
Continue reading